8 个开源工具，搭一套内容生产线

做内容的人，迟早会遇到同一个问题：工具越装越多，流程还是散的。视频剪辑用一套，语音转文字用一套，图片放在硬盘里，字幕另开软件，下载素材又靠浏览器临时保存。

这 8 个 GitHub 项目可以拼成一条比较完整的内容生产线：抓素材、转格式、生成画面、转写字幕、精修字幕、剪成视频，再把照片和视频归档。下面按实际流程拆，不只列名字，也给出适合场景、上手方式和放进工作流的位置。

来源链接: https://x.com/smartpigai/status/2063488019446038650?s=52

先看整体流程

一个可复用的内容系统，大致可以这样搭：

1. 用 yt-dlp 把公开视频、直播回放、课程资料下载到本地。
2. 用 FFmpeg 统一转码、切片、抽音频、压缩。
3. 用 Whisper 把音频转成字幕草稿或会议记录。
4. 用 Subtitle Edit 校正时间轴、翻译、合并字幕。
5. 用 ComfyUI 生成封面、分镜图、风格化素材。
6. 用 Remotion 把模板、字幕、图片、数据渲染成视频。
7. 用 Immich 保存手机照片、拍摄素材和成片。
8. 用 PhotoPrism 给长期素材库做搜索、标签和浏览。

这条线不要求一次搭完。先选最痛的一个环节，比如字幕或素材归档，跑通后再接下一段。

1. Remotion：用代码做可复用的视频模板

项目地址: https://github.com/remotion-dev/remotion

Remotion 的定位很明确：用 React 写视频。它适合做模板化、批量化的视频，比如每周数据榜单、产品更新短片、课程切片片头、播客自动封面动画。

它的好处是把视频拆成组件。标题、字幕条、进度条、图表、头像、背景动画都可以写成 React 组件，再用参数喂进去。一次做好模板，后面换数据就能批量出片。

上手方式很简单：

npx create-video@latest

进入项目后，你可以把一条视频理解成一个 React 页面。页面里读取 JSON 、图片、字幕文件，然后渲染到固定帧率的视频里。

适合这样用：

• 做固定栏目：每期只换标题、图片、字幕和数据。
• 做批量短视频：同一个模板输出几十条不同内容。
• 做带动效的数据视频：图表、时间轴、进度条都用代码控制。

不太适合临时剪一条 Vlog 。那种手感型剪辑，用传统剪辑软件更快。 Remotion 的优势在“可重复”。

2. Whisper：把语音变成字幕和会议记录

项目地址: https://github.com/openai/whisper

Whisper 是语音识别模型，适合处理采访、播客、会议录音、视频口播。它能做多语言识别，也能做语音翻译。对内容工作流来说，它通常是字幕生产的第一站。

安装前先准备 FFmpeg 。 Ubuntu / Debian 可以这样装：

sudo apt update
sudo apt install ffmpeg
pip install -U openai-whisper

转写一个音频文件：

whisper audio.mp3 --model turbo --language Chinese

生成英文翻译字幕：

whisper japanese.wav --model medium --language Japanese --task translate

实际使用时，建议先用 turbo 或 small 模型跑草稿。字幕需要发布时，再用更大的模型重跑关键片段。长视频可以先用 FFmpeg 切成 10 到 20 分钟一段，失败时也好重试。

Whisper 输出的字幕不要直接发布。它负责“听懂大概”，后面还要交给 Subtitle Edit 修时间轴、标点、人名和术语。

3. ComfyUI：把绘图流程做成节点工作流

项目地址: https://github.com/comfyanonymous/ComfyUI

ComfyUI 是节点式的 AI 图像、视频、音频生成工具。它适合需要控制细节的人：模型、提示词、 ControlNet 、 LoRA 、放大、换脸、局部重绘，都能拆成节点串起来。

如果只是偶尔生成一张图，普通网页工具更省事。 ComfyUI 更适合把封面、角色图、分镜、统一风格素材做成可复用流程。

现在推荐用 comfy-cli 安装：

pip install comfy-cli
comfy install

启动后，把模型文件放到对应目录，再在浏览器里搭工作流。一个常见内容场景是：

1. 先生成 16:9 封面底图。
2. 用局部重绘调整人物、背景或物体。
3. 用放大节点输出高清图。
4. 保存 workflow，下次只改提示词和参考图。

做公众号、视频封面、课程配图时，最好把“封面图”“正文图”“竖版短视频背景”分成不同 workflow 。别把所有需求塞进一个超大节点图，后面会很难维护。

4. FFmpeg：媒体处理的底层瑞士军刀

项目地址: https://github.com/FFmpeg/FFmpeg

FFmpeg 是音视频处理的底层工具。剪辑软件、播放器、转码工具、下载器背后经常都能看到它。对个人工作流来说，它最常用的功能是转格式、抽音频、压缩、切片、合并、截图。

几个高频命令够用很久：

# 从视频里抽音频，给 Whisper 转写用
ffmpeg -i input.mp4 -vn -acodec mp3 audio.mp3

# 压缩视频，方便上传和归档
ffmpeg -i input.mov -vcodec libx264 -crf 23 -preset medium output.mp4

# 截取 00:01:30 开始的 20 秒片段
ffmpeg -ss 00:01:30 -i input.mp4 -t 20 -c copy clip.mp4

# 每隔 10 秒抽一张图，做关键帧预览
ffmpeg -i input.mp4 -vf fps=1/10 frames_%03d.jpg

FFmpeg 的参数很多，不用一开始全学。先把常用命令存成脚本，比如 extract-audio.sh、compress-video.sh、make-frames.sh。内容生产最怕每次都从搜索引擎重新找命令。

5. Immich：自建版 Google Photos，适合手机素材备份

项目地址: https://github.com/immich-app/immich

Immich 是自托管照片和视频管理系统，定位接近 Google Photos 。它有手机 App，可以自动备份照片和视频，也支持时间线、相册、人脸识别、地图等功能。

如果你经常用手机拍素材，Immich 很适合做第一层归档。手机拍完，自动同步到私有服务器。后面剪视频、写文章、找旧素材，就不用在聊天记录和相册里翻。

官方推荐走 Docker Compose 。实际部署前先确认三件事：

• 有稳定磁盘，不要把唯一照片库放在临时盘。
• 有备份策略，至少保留一份异地备份。
• 服务器内存别太小，机器学习、人脸识别会吃资源。

适合放进工作流的位置：手机拍摄素材入口。照片和视频先进入 Immich，精选后再复制到项目文件夹。备份还要单独做，Immich 主要负责管理和浏览。

6. PhotoPrism：长期素材库的搜索和标签系统

项目地址: https://github.com/photoprism/photoprism

PhotoPrism 也是自托管照片管理工具，但它更像一个长期素材库浏览器。它强调搜索、标签、 RAW 支持、地点、相册和 PWA 体验。

它适合放已经整理过的素材：产品截图、活动照片、旅行图、封面参考、旧项目视觉素材。你可以把素材按年份、项目、客户或主题放在目录里，再让 PhotoPrism 建索引。

一个实用分工是：

• Immich 管手机自动备份，保证素材先进库。
• PhotoPrism 管精选素材和历史资料，方便检索和复用。

如果只想要一个工具，普通用户先选 Immich 。素材多、目录历史复杂、需要搜索和标签时，再加 PhotoPrism 。

7. Subtitle Edit：字幕精修工具

项目地址: https://github.com/SubtitleEdit/subtitleedit

Subtitle Edit 负责字幕的人工精修。 Whisper 生成的是草稿，常见问题包括断句不准、时间轴漂移、专有名词识别错、标点不自然。 Subtitle Edit 适合把这些问题集中处理。

它支持 Windows 、 macOS 、 Linux，也有 Flatpak 构建。 Linux 可以这样装依赖：

sudo apt update
sudo apt install -y mpv libmpv-dev ffmpeg

Flatpak 方式：

flatpak install SubtitleEdit-linux-x64.flatpak
flatpak run dk.nikse.subtitleedit

推荐流程：

1. Whisper 先导出 .srt。
2. Subtitle Edit 打开视频和字幕。
3. 先整体校时间轴，再逐段改错字。
4. 导出 .srt 或 .ass。
5. 用 FFmpeg 压进视频，或交给 Remotion 做字幕动画。

如果做双语字幕，可以先保留一版原语言字幕，再复制一版做翻译。不要在同一个文件里来回覆盖，后期很容易丢版本。

8. yt-dlp：素材下载和采集入口

项目地址: https://github.com/yt-dlp/yt-dlp

yt-dlp 是命令行下载器，支持大量视频网站。它适合下载公开视频、课程、播客、直播回放，也能抓取字幕、封面、元数据。

安装方式：

python -m pip install -U "yt-dlp[default]"

常用命令：

# 下载单个视频
yt-dlp "https://www.youtube.com/watch?v=VIDEO_ID"

# 同时下载字幕和封面
yt-dlp --write-subs --write-thumbnail "https://www.youtube.com/watch?v=VIDEO_ID"

# 只下载音频，后面交给 Whisper
yt-dlp -x --audio-format mp3 "https://www.youtube.com/watch?v=VIDEO_ID"

# 按频道或播放列表归档
yt-dlp -o "%(uploader)s/%(playlist)s/%(playlist_index)s - %(title)s.%(ext)s" "PLAYLIST_URL"

把 yt-dlp 放在最前面，可以减少很多手工下载。建议固定输出目录，比如 inbox/video/、inbox/audio/、inbox/subtitles/，后面脚本就能自动接上 FFmpeg 和 Whisper 。

一套可执行的最小方案

如果今天就想搭一套，不要同时部署 8 个。按这个顺序来：

第一步，先搭命令行处理层：

python -m pip install -U "yt-dlp[default]" openai-whisper
sudo apt install ffmpeg

先跑通“下载视频 → 抽音频 → 转字幕”：

yt-dlp -x --audio-format mp3 -o "inbox/%(title)s.%(ext)s" "VIDEO_URL"
whisper inbox/*.mp3 --model turbo --language Chinese --output_format srt

第二步，加字幕精修。把 .srt 放进 Subtitle Edit，校正时间轴和术语。

第三步，加素材库。手机素材多，先上 Immich；历史素材多，再上 PhotoPrism 。

第四步，加生产模板。需要批量出视频时上 Remotion；需要稳定生成封面和配图时上 ComfyUI 。

最后形成一个目录约定：

content-lab/
  inbox/          # yt-dlp 下载和手机导入
  audio/          # FFmpeg 抽出的音频
  subtitles/      # Whisper / Subtitle Edit 字幕
  assets/         # ComfyUI 生成图、封面、截图
  projects/       # 每条视频或文章的项目文件
  archive/        # Immich / PhotoPrism 管理的长期素材

工具本身免费，真正省时间的是流程固定。每次做内容都走同一条路径：素材进 inbox，音频进 audio，字幕进 subtitles，成品进 projects，长期资料进 archive 。这样过几周以后，你会发现自己少做了很多重复劳动。

来源：https://x.com/smartpigai/status/2063488019446038650?s=52