ContentMatrix 运营手册方案阶段 · 未上线

AI 短视频出片：在对话入口选一个选题类型，Agent 先写好文案脚本给运营看，确认后自动用现有素材拼接成片、配音、配乐；运营在网页上逐段审片。

这一期做什么

第一版（MVP）的范围，2026-10-19 由负责人确定。

做成什么	电脑浏览器打开的网页，不是 App
在哪打开	网页跑在放素材的那台电脑上，同一局域网的同事用浏览器访问；外网打不开
有哪些模块	素材库、音乐库、文案库三个独立模块，各自单独管理；加上出片、审片
出片入口	和 Agent 的对话入口，直接列出 5 个默认选题类型（例如「测试产品」）。点一个类型、选产品，Agent 先写好文案脚本给你看；觉得合适，再让 Agent 自动选素材、出片
怎么看片	系统出好 MP4，网页里直接播放；换了片段要等重新出片
下载	视频生成后就能在审片页点「下载」，MP4 和字幕文件存到自己的电脑，不用等审核通过
素材从哪来	用现有的大量素材；没有拍摄团队，不补拍
这期不做	发布、排期、账号管理

使用方

谁在用、各自做什么。标「待定」的开发前再定。

由谁担任：待定

库管理

素材库：导入现有素材，填写或确认授权，复核 AI 拿不准的字段
音乐库：人工添加音乐
文案库：维护卖点、参考文案、片尾行动号召模板

用素材库、音乐库、文案库三个页面；三个库可以由不同的人管

tomwork

负责人

挑定品牌口吻
确认音乐授权
看产出

用音乐库、出片、审片页面

由谁担任：待定

运营

在对话入口选选题类型和产品
逐段预览脚本，合适了点「开始出片」
逐段审片：哪段文案、哪个片段不合适就单独指出
下载视频

用出片（对话入口）、审片页面

后台自动

系统里的 Agent

识别片段、给音乐标情绪和节奏
按选题类型策划文案脚本
选片、生成配音、从音乐库选曲、出粗剪
按运营的要求重写某段文案或换某个片段

没有页面，在后台运行

账号待定

外部服务

云端识别模型：看懂每个片段拍的是什么
OpenAI TTS：把口播合成配音

由系统里的 Agent 调用

业务全流程

分两段：三个库各自建好、单独管理；之后每条视频走一遍「出片和审片」。

库管理负责人运营系统里的 Agent（括号里是它调用的外部服务）素材库、音乐库、文案库

%%{init: {"themeVariables": {"fontSize": "18px"}}}%%
flowchart TD
    subgraph PREP["一、三个库：独立模块，各自单独管理（每行一个库）"]
        A1["① 库管理
导入现有素材
填写或确认授权"] --> A2["② Agent
识别片段
（云端模型）"]
        A2 --> A3["③ 库管理
复核「待确认」"]
        A3 --> LIB[("素材库")]
        M1["④ 库管理
人工添加
约 100 首音乐"] --> M2["⑤ 负责人
确认音乐授权"]
        M2 --> MLIB[("音乐库")]
        W1["⑥ 库管理
维护卖点、参考文案
行动号召模板"] --> WLIB[("文案库")]
    end

    subgraph MAKE["二、出片和审片：每条视频走一遍"]
        B1(["⑦ 运营
对话入口
选选题类型和产品"]) --> B2["⑧ Agent
查素材库，策划文案脚本
（参考文案库）"]
        B2 --> B3{"素材够吗？"}
        B3 -- 不够 --> B4["运营
换选题类型或产品
↩ 回到 ⑦"]
        B3 -- 够 --> B5{"⑨ 运营
逐段预览脚本"}
        B5 -- 某段不合适 --> B6["Agent
重写这一段
↩ 回到 ⑨"]
        B5 -- 合适，开始出片 --> B7["⑩ Agent
自动选片段"]
        B7 --> B8["⑪ Agent
生成配音，定入点、出点
（OpenAI TTS）"]
        B8 --> B9["⑫ Agent
从音乐库选曲"]
        B9 --> B10["⑬ Agent
ffmpeg 出粗剪"]
        B10 --> D["⑭ 审片页播放
可点「下载」
存到本地电脑"]
        D --> C1{"⑮ 运营
逐段审片"}
        C1 -- 都合适 --> C2(["通过
口播、字幕存进文案库"])
        C1 -- 某段文案不合适 --> C5["Agent
重写这一段
只重新配这一句
↩ 回到 ⑬"]
        C1 -- 某个片段不合适 --> C4["Agent
换一个片段
↩ 回到 ⑬"]
        C1 -- 整条不合适 --> C3["运营
写原因
↩ 回到 ⑧"]
    end

    PREP ==> MAKE
    C2 -.-> P["发布（暂不做）"]

    style PREP fill:none,stroke:#999999
    style MAKE fill:none,stroke:#999999
    classDef sc fill:#d9f2e3,stroke:#2e7d4f,color:#0b2e1a
    classDef boss fill:#fff1c2,stroke:#b38600,color:#3d2e00
    classDef op fill:#dbe9ff,stroke:#2f5fb3,color:#0a1f44
    classDef ag fill:#ece0ff,stroke:#6b3fb3,color:#24103f
    classDef lib fill:#eeeeee,stroke:#666666,color:#111111
    classDef todo fill:#ffffff,stroke:#999999,stroke-dasharray:5 5,color:#888888
    class A1,A3,M1,W1 sc
    class M2 boss
    class B1,B4,B5,D,C1,C2,C3 op
    class A2,B2,B3,B6,B7,B8,B9,B10,C4,C5 ag
    class LIB,MLIB,WLIB lib
    class P todo

怎么看：每个框第一行是谁来做，颜色也按使用方区分；「↩ 回到 ⑦」表示回到第 ⑦ 步重做。素材不够时不补拍，由运营换选题类型或产品。

规格：每条视频 3–10 个镜头，每个镜头 3–10 秒，总时长大部分控制在 30 秒。
第一批视频：品牌口吻还没定时，脚本先出 2–3 种口吻的样稿，交负责人挑。

三个库

素材库、音乐库、文案库是三个独立模块，各自单独管理。

素材库：导入、识别、复核

%%{init: {"themeVariables": {"fontSize": "18px"}}}%%
flowchart TD
    U(["① 库管理
导入现有素材
填写或确认授权"]) --> O["素材留在本地
「原片」文件夹，只读"]
    O --> F1{"有人露脸？"}
    F1 -- 有 --> F2{"授权包含
AI 处理？"}
    F2 -- 没有或待确认 --> W["先不传云端
标「等授权」"]
    F1 -- 没有 --> R
    F2 -- 包含 --> R["② Agent
识别、切分片段
（云端模型）"]
    R --> C["写入素材库
导出 CSV 到
assets/clips/"]
    C --> Q{"有「待确认」
字段？"}
    Q -- 有 --> M["③ 库管理
复核"]
    M --> L[("素材库")]
    Q -- 没有 --> L

    classDef sc fill:#d9f2e3,stroke:#2e7d4f,color:#0b2e1a
    classDef ag fill:#ece0ff,stroke:#6b3fb3,color:#24103f
    classDef lib fill:#eeeeee,stroke:#666666,color:#111111
    classDef sys fill:#ffffff,stroke:#999999,color:#333333
    class U,M sc
    class R ag
    class L lib
    class O,F1,F2,W,C,Q sys

AI 认不出或拿不准的字段（品牌、色号、尺码、授权等）写「待确认」，由库管理复核，不猜。
授权没确认，或画面有虚焦、抖动、水印的片段，可以留在库里，但不会被选进视频。
有人露脸的素材，授权里要包含 AI 处理，才会送去云端识别。

音乐库：人工添加约 100 首

%%{init: {"themeVariables": {"fontSize": "18px"}}}%%
flowchart TD
    U(["① 库管理
人工添加约 100 首音乐
填写来源"]) --> O["曲子存进本地
「音乐」文件夹"]
    O --> T["② Agent
给每首标
情绪、节奏、时长"]
    T --> Q{"③ 负责人
授权已确认？"}
    Q -- 没有或待确认 --> W["留在库里
选曲时筛掉"]
    Q -- 已确认 --> L[("音乐库")]

    classDef sc fill:#d9f2e3,stroke:#2e7d4f,color:#0b2e1a
    classDef boss fill:#fff1c2,stroke:#b38600,color:#3d2e00
    classDef ag fill:#ece0ff,stroke:#6b3fb3,color:#24103f
    classDef lib fill:#eeeeee,stroke:#666666,color:#111111
    classDef sys fill:#ffffff,stroke:#999999,color:#333333
    class U sc
    class Q boss
    class T ag
    class L lib
    class O,W sys

背景音乐只从音乐库里选，不上网找。选曲按视频风格匹配情绪和节奏；有口播时音乐自动压低。

文案库：只做参考

%%{init: {"themeVariables": {"fontSize": "18px"}}}%%
flowchart TD
    H(["① 库管理
人工维护卖点、参考文案
片尾行动号召模板"]) --> L[("文案库")]
    R(["② 审核通过的成片
口播、字幕自动存入"]) --> L
    L --> U["③ Agent
写文案时参考
用不用按实际情况定"]

    classDef sc fill:#d9f2e3,stroke:#2e7d4f,color:#0b2e1a
    classDef op fill:#dbe9ff,stroke:#2f5fb3,color:#0a1f44
    classDef ag fill:#ece0ff,stroke:#6b3fb3,color:#24103f
    classDef lib fill:#eeeeee,stroke:#666666,color:#111111
    class H sc
    class R op
    class U ag
    class L lib

文案库只用来做参考，Agent 写文案时用不用库里的内容，按实际情况定。
文案里的每个卖点，都要在这条视频的画面里有证明；画面证明不了的不写。

出片和审片

运营在对话入口选一个选题类型，Agent 先写脚本给你看，确认后自动出片。

默认选题类型

选题类型	视频怎么排	适合
测试产品	先给测试结果 → 痛点 → 亮出产品 → 两段测试证明 → 效果 → 行动号召	防水、持妆、耐磨等能演示的卖点
教程	成品效果 → 若干步骤 → 效果 → 行动号召	化妆品、穿搭
卖点清单	开头钩子 → 三个卖点 → 行动号召	新品介绍
达人推荐	达人原声 → 卖点和细节叠在原声上 → 效果 → 行动号召	有授权的达人讲解素材时
上身展示	上身效果 → 细节 → 多个场景 → 行动号召	包包、女装

选好产品后，入口会标出哪些类型素材不够，避免选了才发现做不出来。
时长短时结构会精简，例如 15 秒的「测试产品」只留测试结果、测试证明和行动号召。
这 5 个类型由负责人确认（2026-10-19）。

一条视频从选类型到审核

%%{init: {"themeVariables": {"fontSize": "18px"}}}%%
flowchart TD
    S(["① 运营
在对话入口点选题类型
选产品，可补充要求"]) --> A1["② Agent
查素材库
这个产品有哪些画面"]
    A1 --> A2{"素材够
这个类型吗？"}
    A2 -- 不够 --> A3["运营
看缺什么镜头
换类型或产品
↩ 回到 ①"]
    A2 -- 够 --> A4["③ Agent
按类型策划文案脚本
每个镜头确认有片段
（参考文案库）"]
    A4 --> A5{"每个卖点都有
画面证明？"}
    A5 -- 没有 --> A6["Agent
删掉这个卖点
↩ 回到 ③"]
    A5 -- 有 --> SC{"④ 运营
逐段预览脚本"}
    SC -- 某段不合适 --> SC1["运营
标出这段，写原因"]
    SC1 --> SC2["Agent
重写这一段
↩ 回到 ④"]
    SC -- 合适，开始出片 --> A7["⑤ Agent
自动选片段编号
每个镜头首选 + 备选"]
    A7 --> A8["⑥ Agent
按句生成配音
（OpenAI TTS）"]
    A8 --> A9["⑦ Agent
按每句时长定入点、出点"]
    A9 --> A10["⑧ Agent
从音乐库选曲"]
    A10 --> A11["⑨ Agent
ffmpeg 出粗剪
MP4 + SRT 字幕"]
    A11 --> D["⑩ 审片页播放
可点「下载」
存到本地电脑"]
    D --> H{"⑪ 运营
逐段审片"}
    H -- 都合适 --> OK(["通过，记下结论
口播、字幕存进文案库"])
    H -- 某段文案不合适 --> T1["运营
标出这段，写原因"]
    T1 --> T2["Agent
重写这一段
只重新配这一句
调这个镜头的入出点
↩ 回到 ⑨"]
    H -- 某个片段不合适 --> V1["运营
标出这个片段，写原因"]
    V1 --> V2["Agent
换一个片段
↩ 回到 ⑨"]
    H -- 整条不合适 --> NG["运营
写原因
↩ 回到 ③"]

    classDef op fill:#dbe9ff,stroke:#2f5fb3,color:#0a1f44
    classDef ag fill:#ece0ff,stroke:#6b3fb3,color:#24103f
    class S,A3,SC,SC1,D,H,OK,NG,T1,V1 op
    class A1,A2,A4,A5,A6,A7,A8,A9,A10,A11,SC2,T2,V2 ag

对话入口：点一个选题类型就开始；也可以在对话里补充要求，例如目标时长（默认 30 秒）、出几条、想强调的卖点。
先看脚本再出片：脚本是分镜表，每个镜头写卖点、口播、字幕和预计秒数。确认脚本之前，不配音、不出片。
逐段修改：看脚本和审片时，都可以逐段标「合适 / 不合适」并写原因，只改标出的那一段，其他段不动。
- 某段文案不合适：让 Agent 重写这一段，再重新出片；也可以自己改。
- 某个片段不合适：让 Agent 换一个片段，再重新出片；也可以自己从备选片段里挑。
总时长是目标值：配音生成后按每句的实际长度算，可能和目标差几秒。
下载：视频生成后就能下载，不用等审核通过；MP4 和 SRT 字幕一起存到自己的电脑。字幕是单独的文件，不烧进画面。
文案语言：首发只做英语，附中文对照方便审核。
记录：每次修改都记下改了哪段、换成什么、为什么。

还没定的事

开发前由负责人定，定了再更新本页。

素材在本地电脑的具体路径（原片、待审、音乐三个文件夹）
识别和配音上云用什么账号
素材库、音乐库、文案库各由谁管理；运营由谁担任
现有素材的来源与授权由谁、按什么依据确认
音乐库、文案库每条记哪些信息
每个选题出几个版本
剪辑方案和审核结论存在哪里
什么时候开始开发