OpenClaw做短视频还是要先确定做视频的流程，然后加上一些技能和工具的帮助，下面就分享OpenClaw怎么做短视频的详细方法。
OpenClaw怎么做短视频：
1、整套流水线长什么样
传统做一条 60 秒视频号内容：
- 写脚本：30 分钟
- 录音/配音：20 分钟
- 剪辑+字幕+动效：1-2 小时
- 导出上传：10 分钟
总耗时：2-3 小时，还得会剪映或 PR 。
我现在的流程：
- Agent 自动推送选题，我选一个：1 分钟
- Agent 写旁白 → 克隆我的声音生成 TTS → 提取时间戳 → Remotion 渲染成片：约 10 分钟
- 我看一遍，确认发布：2 分钟
总耗时：约 15 分钟。成本不到两毛钱。不需要会任何剪辑软件。
2、技术栈：四个关键零件
OpenClaw 是一个开源的 AI 助理框架，核心能力是让多个 AI Agent 协作。我的团队里有 6 个 Agent，各管一摊：
- 墨媒（运营）：负责选题推送和发布
- 墨笔（创作）：写脚本、调 TTS、编排场景、渲染视频
- 墨影（设计）：封面图和配图
视频制作主要是墨笔在干活。它收到选题后，一路跑完脚本→配音→渲染，全程无人值守。
Agent 之间怎么协作？ OpenClaw 有个sessions_send机制，Agent 之间直接传消息。墨媒推选题给墨笔，墨笔做完发成片链接给墨媒，墨媒通知我确认。像一条流水线，每个工位各干各的。
零件二：Remotion — 用 React 写视频
这是整套方案最"反直觉"的部分。
Remotion 是一个 React 视频框架。你写 React 组件，它帮你渲染成 MP4。 没有时间轴，没有图层面板，视频就是代码。
为什么用代码做视频？因为可复用、可模板化、可自动化。
传统剪辑：每条视频从零开始拖素材。
Remotion：定义好模板，换数据就出新片。
我的视频模板叫"赛博线框批注体"——深色背景、大字排版、小墨（我的 AI 猫助手）线条画穿插批注。风格统一，辨识度高。
核心代码结构长这样：
// scenes-data.ts — 这是唯一需要改的文件
export const scenes: SceneData[] = [
{
start: 0.0, // 开始时间（秒）
end: 3.46, // 结束时间（秒）
type: 'title', // 场景类型：决定动效
title: '三家巨头\n同一天',
xiaomo: 'peek', // 小墨姿态
},
{
start: 3.46,
end: 5.90,
type: 'pain',
title: '微软说',
subtitle: 'Copilot 已经能写掉\n90% 的代码',
number: '90%',
highlight: 'Copilot',
},
// ... 更多场景
];
每条新视频只需要改这一个文件。 场景类型决定动效——title用 glitch 闪现，emphasis用 slam 砸入，circle用猫爪画圈。动效和排版都是预设好的，换内容自动适配。
渲染一行命令：
npx remotion render WireframeVideo out/成片.mp4 --codec=h264
零件三：MiniMax 语音克隆 — 用我的声音说话
视频号的配音是我自己的声音，但不是我录的。
MiniMax 的 voice-clone 服务，用一段 30 秒的录音样本，克隆出一个可以说任何话的语音模型。生成速度快，一段 60 秒的旁白 3-5 秒出结果。
通过 fal.ai 的 API 调用，1.15 倍速，对话感很强。一条视频的 TTS 成本大概一毛钱。
零件四：Whisper — 时间戳精确对齐
TTS 生成的音频，需要知道每句话在第几秒说完，才能让 Remotion 的字幕精确对齐。
OpenAI 的 Whisper 模型（本地部署，免费）转录音频，输出逐句时间戳：
[ {"start": 0.0, "end": 3.46, "text": "三家巨头同一天说了一件事"}, {"start": 3.46, "end": 5.90, "text": "微软说Copilot已经能写掉90%的代码"}, ...]
这些时间戳直接灌进scenes-data.ts，每个场景的出场时间和旁白完美对齐。
3、完整流程：一条视频是怎么从 0 到 1 的
墨媒推选题（cron 每日 9:30）
↓ Telegram 推送5个选题
孟健选一个
↓ 选题确认
墨笔写旁白脚本（60秒，200字左右）
↓
MiniMax TTS 生成克隆语音
↓ 约¥0.1，3秒出结果
Whisper 提取逐句时间戳
↓ 本地运行，免费
墨笔编排 scenes-data.ts
↓ 按时间戳填场景类型+文案
Remotion 渲染 MP4
↓ h264编码，约2分钟
墨笔发成片给孟健
↓ Telegram 通知
孟健确认 → 墨媒发布
关键点：从"孟健选一个"到"成片发出来"，中间全自动。 墨笔这个 Agent 收到选题后，自己写脚本、调 TTS、提时间戳、编场景、渲染视频、发通知。我只需要在 Telegram 里点一下确认。
整个过程大约 10 分钟。我的参与时间？选题 1 分钟，看成片 2 分钟。