短视频制作成本高、质量糙？WorkBuddy 与 Agnes 的组合给出了零成本解决方案。本文详细拆解从脚本生成到最终合成的七步流程，并分享可复制的免费技能包，让你用极低成本产出高质量视频。

今天用 WorkBuddy + Agnes终于跑通了生成可用的高质量视频，普通人做短视频最怕的两件事:贵，和糙，本来就是做着玩的，没有太多收益，花大价钱做的话有点费钱，得不偿失。很多便宜的或免费的平台又太糙没法看，之前的Agnes配音等也不太好用，我一度卡在这两个死结上。

现在用workbuddy来补不足之处，把 WorkBuddy 和 Agnes 拼到一起，终于整条链路跑通了。整体来说外部成本几乎为零，质感还能稳在可发的水准。

下面详细介绍操作过程：

整条链路是 WorkBuddy 当”总导演”，Agnes 管画面，ffmpeg 在本地收尾。拆开看一共是七步，这七步也是workbuddy操作后给我分出来的：

第一步，给文案，出脚本。把一段文案丢给 WorkBuddy ，它自动拆成脚本、出分镜表、定人物立绘锁定卡。选题、结构、节奏这一层，AI 替你干了。

第二步，定主角，先出人物图。这是很多人会漏、但最不能省的一步：先给主角生成人物立绘/三视图，配一张”形象锁定卡”写死长相、服装、气质。后面八段分镜全部拿这张图当参考去生视频—不锁这一步，八段画面里主角就是八张脸，观众一眼出戏。一张图换来全片角色一致，这是整条流水线里性价比最高的动作。

第三步，免费生成旁白。用 edge-tts 出配音。选择适合的声音（workbuddy会自动匹配适合声音，也可以调整），顺带拿到逐字时间戳——后面做词级字幕要用。这一步是免费的。

第四步，出画面。人物立绘和场景图准备好后，走 Agnes 的图生视频，把静帧变成动态镜头。这是整条链路里唯一吃外部资源的环节，但用的是 Agnes 的免费档。WorkBuddy 内置的混元 Hy Image 3.5 免费生图作为备用，这个会消耗积分，一张图5-10积分，但对文字的把控会更强。它在中文文字准确度上明显比 Agnes 强。

第五步，画面迁就声音。每段视频按对应旁白时长，用 ffmpeg 的 setpts 拉伸对齐。原则就一句：音频优先，画面让路，为保证声音的完整与清晰，避免断断续续，这一段调试了好几次才确定路线。

第六步，烧入字幕。双层字幕：底部词级同步台词 + 顶部金色人名条。词级同步保证字跟着嘴走，不慢半拍。这个都是workbuddy自动完成的。

第七步，合成出片。workbuddy自动通过concat 滤镜把八段拼成一条，最后一次编码 AAC，成片落地。这里我也没管都是系统自动完成的。最终我看到的就是一个完整的剪辑好的带配音带字母的视频了可以直接使用。

整个流程除了 Agnes 的视频生成，其余全在本地跑。这就是成本能压到极低的根本原因。

算总账看下为什么是”免费或极少积分”

很多人以为 AI 做视频注定烧钱，其实看清楚每一环是谁在付费，账就清楚了。

• 旁白：0 元。edge-tts 是微软的免费语音服务，男女声、多语种随便调，批量生成也不收费。
• 人物图：0 元。走 Agnes 生图，同样在免费额度内。一图锁全片，摊到每段视频上几乎可以忽略。如果不满意可以用备用的workbuddy自带的混元Hy Image 3.5这个模型，消耗一些积分，可以保证角色不崩。
• 画面免费：Agnes 出动图，免费档。
• 动图环节走 Agnes 免费档。要说的是，实测 Agnes 免费档要串行调用、段与段间隔 ≥30 秒，否则会撞 429 限流。workbuddy自动写了个批处理脚本一次排队八段，挂着等就行，不花积分。
• 剪辑合成：0 元。ffmpeg 本地运行，一次成片耗的是你电脑的算力和时间，没有按条计费。
• 总计算下来，一条片的外部成本约等于 0，只付出些时间。 八段视频串行生成，泡杯茶的功夫回来收片。对日更、周更的号来说，这个成本结构意味着你可以放心地”先多做、再挑好的发”。

你怎么用WorkBuddy免费做同样的视频？可复制的方法

这套东西不是我一个人能用，你照着也能跑。

WorkBuddy 里这套能力是以”技能”形式打包好的，而且我专门做了一版零依赖的独立技能 free-short-drama，。你不用懂 ffmpeg，不用自己写脚本，开口说一句话就启动。

第一步，把技能装上。free-short-drama 是单独封装的自定义技能，不是 WorkBuddy 内置，它最大的优点是所有写作、分镜、形象、配音方法论都内嵌进去了，在github或skillhub上都有，可以直接给workbuddy说让他安装github上的github.com/ZOORO-NEW/free-short-drama这个技能 。

一个前提得说清，否则第一步就会卡：图生视频那步走 Agnes，需要你在连接器官方页信任 agnes-ai MCP、填你自己的 Agnes 免费档密钥（免费档就够，串行间隔 ≥30 秒防 429）。混元生图、edge-tts 配音都是内置免费能力，不用额外配。其余都在技能包里，复制即用。

不想装技能也能用：把本文的七步流程直接贴给任意 WorkBuddy 对话，它一样能分步帮你做片，只是不会”一句话全自动串起来”。

第二步，一句话触发。 把文案正文贴给它，补一句要求就够：

用 free-short-drama 按这条文案做一条短视频：画面静图用混元 Hy Image 3.5 免费生图，动图走 Agnes 免费档，旁白用 edge-tts。

剩下的脚本、立绘、配音、图生视频、字幕、合成，它自己串。你只需要在它问你时补两样：主角长什么样（给张参考或一段描述）、想要什么时代或画风。

第三步，卡住就让它测。万一你那边也出现”前两个字听不清”，直接让它”解码最终 MP4，测每段起点 RMS”—它知道去扫那个窗口、该调到多少。这套验收动作已经写进技能 SOP，不用你教。

成本再确认一遍：全程零外部分本。 旁白 edge-tts 免费、静图混元免费、动图 Agnes 免费档、剪辑 ffmpeg 本地。你付的只有时间和一句会开口的 prompt。

WorkBuddy + Agnes 这套组合最值钱的不是”能生成”，而是把贵的环节砍掉了。旁白免费、画面白嫖（Agnes 免费档）、合成本地，成本压到地板；在测试过程中出现的一些问题，像软起音、AAC 丢样这些暗坑，靠实测一个个填平，保证了视频的可用性，至少做短视频可以直接用了。