完全免费制作短视频平台来了：平台免费，视频模型 Token 免费，只需要一个故事

MAP（Media Asset Pipeline）接入 Agnes AI 后，视频创作从”拼素材”升级为”原生生成”。本文用大白话带你看看这次升级到底多了什么、怎么用、以及部署时要注意什么。

一、一个念头，就能出一条视频

你有没有过这种经历：

早上刷到一条科普短视频，心想”这个话题我也能讲”；晚上睡觉前突然冒出一个画面感很强的故事；或者老板让你做个产品宣传视频，你却连剪辑软件都没装。

以前，这些念头大多停留在脑子里。因为把想法变成视频，要经历写脚本、找素材、剪画面、配旁白、加音乐、压字幕……一步都不能少。

现在，MAP 项目接入了 Agnes AI 的视频生成能力后，情况变了。你只要输入一个主题、一个故事，甚至一句话，系统就能自动帮你写脚本、生成画面、配音配乐，最后输出一条完整的短视频。

更关键的是：前台 HuggingFace Space 免费、后厨 Kaggle GPU 免费、视频生成模型 Agnes 目前也免费。

也就是说，从打开网页到拿到成片，你几乎不需要掏一分钱。

二、Agnes AI 是什么？为什么值得接入

Agnes AI 是一家新兴的大模型平台，官网是 https://agnes-ai.com/。它最近出圈的原因很直接：文本模型、图像模型、视频模型全部免费，而且是实实在在的永久免费，没有尝鲜期、没有用量限制、没有隐形门槛。

据公开信息，Agnes 宣布免费后短短 7 天，文本模型调用量就超过了 1 万亿 Token，图片生成超过 200 万张，视频生成超过 200 万秒。1 万亿 Token 大致相当于数十亿页中文文本的处理量，远超传统聊天问答场景的消耗水平。这说明大量用户已经把它用在 Agent、编程、自动化工作流等高频任务上。当生成成本被抹平后，人们的使用方式也会变：从”生成一版看看”变成”批量测试、多版本对比、持续创作”。

更难得的是，Agnes 的模型在 ClawEval 和 AA 等排行榜上排名并不差。免费的代价不是能力缩水，而是它选择了用免费策略快速建立生态。相关数据和体验细节可以参考这篇Agnes AI 的体验文章。

对 MAP 来说，这意味着我们可以把 Agnes 的视频生成能力作为”主灶”，让系统不再依赖素材库的二手视频，而是根据脚本原生生成每个场景的画面。素材库（Pexels / Pixabay）和 GPU 模型则作为备选，只有 Agnes 失败或用户主动选择时才启用。

三、MAP 这次升级，到底多了哪些功能

MAP 的全称是 Media Asset Pipeline，中文叫”媒体资产流水线”。你可以把它理解为一个云端自动视频工厂：输入主题，它自动完成脚本、素材、剪辑、配音、字幕、输出。

接入 Agnes AI 后，这家工厂新增了以下能力：

1. 原生视频生成：从”找素材”变成”拍新片”

以前 MAP 做视频，本质上是”剪辑”：从 Pexels、Pixabay 等素材库搜索符合主题的视频片段，再拼接起来。这种方式有两个明显的问题：

• 素材库的库存有限，很多抽象概念根本搜不到合适的画面；
• 搜到的片段风格和光线不统一，拼出来像”混搭 PPT”。

接入 Agnes 后，每个场景都会根据脚本描述直接生成新视频。Prompt 里写了”一只猫在沙滩上散步”，系统就生成这个画面；写了”赛博朋克风格的未来城市”，它就生成符合这个风格的镜头。

画面和脚本一一对应，风格统一，不再受素材库限制。

2. 视频源优先级可选：灵活应对不同需求

MAP 现在支持四种视频源策略，你可以在设置里自由切换：

| 模式 | 说明 | 适合场景 |

|—|—|—|

| Agnes 原生生成优先 | 先尝试 Agnes，失败再 fallback 到素材库 / GPU | 想要原创画面、追求风格统一 |

| 素材库混剪优先 | 先搜 Pexels / Pixabay，找不到再用 Agnes | 需要真实拍摄感、Agnes 尚未覆盖的题材 |

| 仅 Agnes | 全部场景都用 Agnes 生成 | 对原生生成有信心、希望完全原创 |

| 仅素材库 | 只用现有素材库视频 | 不需要生成、素材库已有合适内容 |

默认推荐”Agnes 原生生成优先”。如果 Agnes 某个场景生成失败，系统会自动降级到其他来源，保证成片完整。

3. Agnes 原生音频模式：自带 BGM 和音效

Agnes 生成的视频本身会带有背景音乐和环境音效。如果你选择 Agnes 为主源且所有场景都成功生成，MAP 会自动进入”原生音频模式”：

• 跳过外部 TTS 旁白；
• 跳过 Jamendo / Freesound 等外部音乐搜索；
• 跳过后期混音；
• 直接把 Agnes 的音频保留到成片。

这样做的好处是：Agnes 的音乐和画面是一起生成的，节奏和情绪更匹配，不会因为后期加的音乐和画面”各唱各的”而显得突兀。

如果你需要旁白（比如知识解说类视频），可以切换到非原生音频模式，系统会继续用 edge-tts 生成人声并混音。

4. 视觉风格与题材分离：同个主题，七种拍法

这是本次升级里最”好玩”的功能之一。

以前 MAP 的”风格”选项其实是叙事基调（诗意哲学、科普解说、产品展示、自然风光），它决定的是视频”讲什么”，而不是”长什么样”。很多用户想拍”3D 动漫””中国水墨””赛博朋克”，却发现没有对应的选项。

现在，MAP 把这两个维度拆开了：

• 叙事基调 / 题材：决定内容走向和 BGM 情绪，比如诗意哲学、科普解说、产品展示、自然风光。
• 视觉风格：决定画面美学，比如写实电影、3D 动漫、日漫赛璐璐、中国水墨、赛博朋克、超现实、产品广告。

两者互不冲突。你可以这样组合：

• “一座山” + “写实电影” = 电影感的自然风光纪录片；
• “一座山” + “3D 动漫” = 色彩鲜艳、风格化的动画短片；
• “一座山” + “中国水墨” = 意境悠远的水墨动画。

同一个故事，换一种视觉风格，就是完全不同的作品。

5. AI 导演提示词优化：让 Agnes 更懂你

为了让 Agnes 生成出符合预期的画面，MAP 参考了 Seedance 等先进视频模型的提示词工程经验，把每个场景的提示词结构化：

[画幅比], [帧率], [时长]. [主体 + 动作], [环境/光影], [镜头语言], [视觉风格/情绪]. [音效提示]. Negative: [禁止项].

例如：

16:9, 24fps, 5 seconds. A lone hiker reaches a mountain summit at golden hour, wind blowing through his jacket, turning to face the vast sea of clouds below. Warm amber sunlight, dramatic crepuscular rays, cinematic depth of field. Slow push-in from medium shot to close-up. 3D anime CG style, vibrant saturated colors, dynamic clouds. Ambient wind sound, subtle uplifting instrumental score.

提示词开头明确技术规格，中间描述主体、动作、镜头、风格，末尾追加项目级别的负面约束（禁止悲伤、阴暗、暴力、扭曲人脸等）。这样既发挥了 Agnes 的理解能力，又保证了内容安全。

6. 字幕修复：之前烧不上的字幕，现在能稳定显示了

在之前版本里，出现过字幕生成后无法烧录的问题。排查后发现是 Notebook 里的 SRT 文件写入语句在 JSON 转义时出了错：原本应该写入”换行符”，结果写成了字面量的 \n（反斜杠 + 字母 n）。FFmpeg 无法解析这种单行长字符串，导致字幕滤镜报错。

这个问题已经修复：

• SRT 写入换行符正确；
• 兼容 text / subtitle / subtitle_cn / narration / dialogue 多个文本字段；
• 生成时打印字幕条目数，方便排查空字幕；
• scenes 也一并保存到 pickle，避免跨 Cell 状态丢失。

四、用起来是什么流程

对普通用户来说，整个流程可以概括为四步：

第一步：打开网页，填入主题

在 HuggingFace Space 的”创作”页输入你想做的视频主题，比如”介绍量子纠缠””一杯咖啡的制作过程””李白的诗意人生”。

第二步：选择叙事基调和视觉风格

• 叙事基调决定视频的情绪和内容走向；
• 视觉风格决定画面是写实、动漫、水墨还是赛博朋克。

第三步：生成脚本（可选 AI 导演）

点击”AI 导演生成”，系统会基于你选择的基调和风格写一段分镜脚本。你可以直接用它，也可以手动修改。

第四步：点击生成，等待出片

系统会估算时间和成本（基础使用为 0 美元），然后把任务提交到 Kaggle。几分钟后，成片就会出现在页面上。

五、如何自己部署一套 MAP

虽然 MAP 的背后涉及 HuggingFace、Kaggle、Agnes 等多个平台，但普通用户按照下面步骤操作，也能搭起来。

第一步：准备账号

你需要三个账号：

• HuggingFace：部署前端界面和存储仓库。
• Kaggle：免费 GPU 后厨。
• Agnes AI：免费的视频生成能力。

第二步：获取 Agnes API Key

1. 打开 https://agnes-ai.com/，注册并登录。
2. 进入控制台，创建一个新的 API Key。
3. 复制这串 Key，后面要填到 HuggingFace Space 的设置里。

Agnes 目前免费，不需要绑定信用卡，创建 Key 后即可使用。

第三步：创建 HuggingFace Space

1. 1. 在 HuggingFace 新建一个 Gradio Space。
   2. 把本地 hfspace/ 目录推送到该仓库：

   git remote add hf https://huggingface.co/spaces/<your-username>/<space-name>
   git push hf main

1. 首次构建需要 2-5 分钟。

第四步：配置 Space Secrets

进入 Space 的 Settings > Secrets，添加以下变量：

| Secret | 来源 | 说明 |

|—|—|—|

| KAGGLE_USERNAME | Kaggle 账户 | Kaggle API 用户名 |

| KAGGLE_KEY | Kaggle 账户 | Kaggle API Key |

| PEXELSAPIKEY | Pexels Developers | 素材库搜索 |

| PIXABAYAPIKEY | Pixabay API | 素材库搜索 |

| JAMENDOCLIENTID | Jamendo Dev Portal | 非原生音频模式下的 BGM 搜索 |

| AGNESAPIKEY | Agnes AI 平台 | 新增：主视频生成 |

| SILICONFLOWAPIKEY | SiliconFlow | AI 导演生成脚本 |

| HF_TOKEN | HuggingFace | 上传 Dataset 和预览成片 |

相比之前的版本，新增了 AGNESAPIKEY，这是启用原生视频生成的关键。

重启 Space 后，日志应输出类似：

✅ Kaggle credentials loaded
✅ Pexels API Key loaded (length=32)
✅ Pixabay API Key loaded (length=32)
✅ Agnes Video API Key loaded (length=48)

第五步：准备 Kaggle Notebook

1. 在 Kaggle 新建一个 Notebook。
2. 命名为 notebookopenmontage（这个名字要记下来，Space 设置里会用到）。
3. 点击 Save Version → Save & Run All，让 Notebook 先成功创建一次。
4. 点击 File → Import Notebook，上传项目中的 kaggle_openmontage.ipynb。
5. 再次 Save Version 保存导入后的版本。

第六步：给 Notebook 添加 Secrets

点击菜单栏 Add-ons → Secrets，添加：

• HFREPOID：你的 HuggingFace Dataset 仓库名，格式 用户名/仓库名。
• HF_TOKEN：HuggingFace 访问令牌。
• PEXELSAPIKEY、PIXABAYAPIKEY：素材库 Key。

Agnes API Key 不需要在 Kaggle Secrets 里填，因为 Space 会在每次生成时自动注入到 Notebook 中。

第七步：创建 Kaggle Dataset 作为”食材仓库”

1. 打开 https://www.kaggle.com/datasets，点击 New Dataset。
2. 命名为 openmontage-scripts。
3. 上传项目中的 song.txt 脚本模板文件。
4. 回到 Notebook 页面，点击 Add Input → Datasets，挂载这个 Dataset。

第八步：开启 Kaggle API Token

1. 进入 Kaggle 账号 Settings 页面。
2. 找到 API 栏目，点击 Create New Token，下载 kaggle.json。
3. 打开文件，把 username 和 key 分别填入 HuggingFace Space 的 KAGGLEUSERNAME 和 KAGGLEKEY。

第九步：验证关键占位符

打开 Kaggle Notebook，确认 Cell 22 包含以下占位：

_injected_agnes_api_key = ""
_injected_video_source_priority = "agnes_first"
_injected_visual_style = "写实电影"

这些占位符会在每次生成时被 Space 自动替换为实际值。

第十步：打开网页，开始生成

回到 HuggingFace Space 的链接，输入主题，选择基调和风格，点击生成。几分钟后，你就能看到成片。

六、使用时需要注意什么

虽然 MAP 已经很好上手，但作为自动化工具，它仍然有一些边界。使用前最好了解以下几点：

1. Agnes 目前免费，但策略可能变化

Agnes 当前对视频生成不收费用，但长期免费策略是否会调整、是否有日限额或并发限制，还需要持续观察。MAP 保留了 Pexels / Pixabay / GPU 的 fallback 链路，就是为了防止 Agnes 策略变化导致系统不可用。

2. 原生音频模式下没有外部旁白

如果你选择 Agnes 为主源且所有场景都成功生成，系统会保留 Agnes 自带音频，不会额外生成 TTS 旁白。知识解说类视频如果需要人声，建议：

• 切换到”素材库优先”或”Agnes 部分失败”模式；
• 或者生成后自行配音。

3. Agnes 生成需要时间

单个场景大约需要 60-120 秒。如果脚本有 5-6 个场景，整片生成可能需要 10-20 分钟。Kaggle 的 GPU 资源是公共的，高峰期可能排队，请耐心等待。

4. 视觉风格词可能影响素材库搜索

当 Agnes 失败 fallback 到 Pexels / Pixabay 时，系统会用包含视觉风格词的提示词去搜索。”3D 动漫””赛博朋克”这类风格词在写实素材库里的命中率较低。如果经常 fallback，可以尝试：

• 提高 Agnes 生成成功率（简化场景描述）；
• 或者切换到”素材库优先”模式，避免风格词干扰。

5. API Key 是前提

Agnes 生成、AI 导演、素材搜索都需要 API Key。如果没有配置，系统会降级运行：Agnes 不可用，只能用素材库；AI 导演不可用，只能用模板脚本；背景音乐只能用自动生成的环境音。

6. 内容合规不能忘

虽然 MAP 已经内置了负面内容过滤，但输入的主题本身也要遵守平台规则和法律法规。不要试图生成涉及暴力、色情、政治敏感或侵犯版权的内容。

7. Kaggle 免费 GPU 有额度

Kaggle 每周提供约 30 小时免费 GPU 时长，对普通用户足够。但如果你要大量生成长视频，可能会触碰到额度上限。

8. 外部 URL 素材要谨慎

如果用 yt-dlp 抓取外部网站的视频或音频，请确保你有合法使用权，并遵守相关网站的使用条款。

七、适合谁用

MAP 接入 Agnes 后，最适合这些人：

• 自媒体作者：快速把选题变成可发布的短视频。
• 知识博主：把一篇文章、一个概念变成可视化讲解。
• 教育工作者：把课件内容变成生动的教学视频。
• 小型团队营销人员：低成本产出产品宣传、活动预热视频。
• AI 爱好者：想体验”输入一个故事，输出一条视频”的完整工作流。

它不太适合对画面精度、转场特效、品牌一致性要求极高的专业影视团队。MAP 更像一个”快枪手”，帮你把想法快速落地，而不是替代精修师。

八、写在最后

MAP 的目标从来不是做出电影级大片，而是把视频创作的门槛从”需要一支团队”降到”只需要一个故事”。

接入 Agnes AI 后，这个目标又近了一步：

• 你不再需要为每个场景找素材；
• 你不再需要为风格和光线不统一发愁；
• 你不再需要为 BGM 和画面不匹配反复调试；
• 甚至，你不需要为模型调用付费。

只要你能写出一个主题、一段故事，MAP 就能把它变成一条视频。

这或许正是 AI 从”偶尔体验的新奇工具”变成”随手可得的基础设施”的一个缩影。

输入一句话，剩下的，交给流水线。

本文基于 OpenMontage / MAP 项目优化文档整理，面向非技术读者介绍项目功能与使用方式。