AI 內容工廠一條龍：從廣東話 TTS 到 AI 剪片到 SEO 整合

五年前，一條 YouTube 片要出街，你需要一個錄音室、一個剪接師、一個平面設計師，再加一個 SEO 專員。今日，呢個陣容可以濃縮成一個 terminal 視窗、幾行 config 同一個 AI agent。

問題唔係「AI 做唔做到」，而係「你有冇方法將呢堆工具串成一條自動化 pipeline」。以下係我過去半年砌出嚟嘅內容生產線，由零成本廣東話配音到 SEO 監控，全部行喺 coding agent 之上。

VoxCPM2：廣東話內容嘅成本拐點

香港創作者一直面對一個結構性劣勢：廣東話 TTS 嘅選擇極少，質素似樣嘅每條片要幾百蚊 licensing。VoxCPM2 改變咗個遊戲規則——你只需一段 10-35 秒嘅清潔錄音，就可以 clone 出一把似真嘅廣東話聲線，然後用 script 批量出 TTS。

實際操作係咁：喺 d1581-01-wsl 嘅 RTX 3090 上行住 FastAPI server，一條 curl 就生到配音。我哋平時用 yedda 把聲出教學片旁白，script 行一次大約 5-10 秒出一條幾百字嘅 narration。CFG 設 2.0、timesteps 16 係 sweet spot——太低會亂噏，太高變機械聲。

關鍵係「prompt-mode」呢個機制。VoxCPM2 有兩種 clone 模式：鬆散嘅 reference-only 模式只拎音色做 style 參考，出嚟嘅聲似但唔太準；而 prompt-mode 需要 reference + 精確文字稿，出嚟嘅聲幾乎貼近真人錄音。我哋全部現役聲線已經升咗 prompt-mode，所以每次跑 TTS 都要同時俾準確粵語文字稿。

呢個位唔係技術細節，而係成本結構嘅改變。以前出一條廣東話教學片，配音逐分鐘計，三百蚊起跳。依家你 clone 一次聲之後每條片嘅配音成本接近零。呢個拐點令「廣東話內容長期供不應求」呢個舊常態開始瓦解。

PAI-Pro Canvas + Timeline：用 agent 思維做剪片

配音出到之後，下一步係畫面。傳統 workflow 係逐個 shot 渲染、逐條片匯入 timeline、逐格對。PAI-Pro 俾咗個完全唔同嘅範式：用 Canvas 管理成個 project 嘅 shot graph，用 agent 落指令代替拖拽。

PAI-Pro 嘅核心係一個 directed graph——script 入到去自動拆成 shot-level beats，group 做 scenes 同 acts，成個 production 係一個有向圖，唔係一堆獨立輸出檔。你可以同個 agent 講「shot 3 要 close-up」、「morgue scene 色調 darker」，然後佢會幫你 regenerate 對應嘅 keyframes。

Timeline mode 更加實際：揀好 shots 之後，你可以 reorder、replace、check pacing，最後一條 command export 成片。對比傳統剪接 software，呢種 workflow 嘅好處唔係「快幾多」，而係「可以 parallel」——你可以同時 iterate 幾個 variant，然後揀最好嗰條 export。

當中 pixae 擔當咗圖片生成嘅角色。我哋用佢嘅 multi-model routing 系統去生 thumbnail、b-roll 素材同封面圖，然後 feed 入 PAI-Pro 嘅 canvas。呢個「text → image → video」嘅 chain 令成個 production 由頭到尾唔需要離開 command line。

Video-Recap + PageSpeed MCP：內容嘅二次分發同監控

內容用最大力氣做好之後，最常見嘅錯誤係只用一次。一條長片可以拆成 3-5 條 recap 短片上社交媒體，呢個位 video-recap 嘅自動化發揮咗作用——AI 自動分析整條 timeline，score 每個 moment 嘅 narrative weight，然後 stitch 成精華剪輯。以前呢個工序要剪接師逐條片睇、逐段 cut，而家一條 instruction 搞掂。

另一邊廂，內容上架之後的 SEO 表現同樣需要自動化。PageSpeed Insights MCP Server 呢個工具將 Google Lighthouse 嘅分析能力直接接入你嘅 AI agent——你可以叫 agent「check 今日 homepage 嘅 mobile performance 同 SEO score」，佢會 call PageSpeed API 拎返 Core Web Vitals（LCP、CLS、FCP、TBT、TTFB）連改善建議。

我哋每日 cron job 行一次 pagespeed_analyze，threshold 設 performance 90、SEO 90、accessibility 100——fail 嘅話 agent 會自動開 ticket 連解決方案（例如「render-blocking resources 慳 500ms」、「unused JavaScript 可以減 20KB」）。呢個 loop 確保內容質素同技術質素同步迭代。

俾獨立開發者嘅實戰建議

成條 pipeline 嘅 configuration 都係 code。VoxCPM2 嘅 TTS script 係 bash + curl，PAI-Pro 嘅 instruction 係自然語言 prompt，PageSpeed MCP 係一個 JSON config file。意味住你可以用 git 追蹤每一次改動、rollback 唔理想嘅 configuration、甚至 open source 俾其他人用。

如果你今日由零開始，我會建議呢個優先次序：先搞掂 VoxCPM2 嘅 voice clone（因為配音係 bottleneck），然後用 pixae 批量生 thumbnail 同素材，再接入 PAI-Pro 嘅 canvas 做基本剪接，最後先加 SEO monitoring。唔好一次過想砌晒成條 pipeline——逐個環節跑通、逐個 automation 驗證，先至繼續下一步。

內容工廠嘅門檻從來無試過咁低。問題只係你砌唔砌得靚條 pipeline。