0.2 跑通最小流水线

0.2 跑通最小流水线

本节摘要：本节把 0.1 节的七段骨架缩成一条能跑的最小闭环。环境只要两样：Python 3.10 以上与 ffmpeg，外加 Pillow 画图。然后写一个三十余行的脚本：两段文字先用 Pillow 画成两张 1280 by 720 的字卡，再由 ffmpeg 的 concat 清单拼成各 2.5 秒的两镜，字幕用 SRT 文件烧录进画面，输出一条带字幕的五秒成片——全程本地完成，不依赖任何付费 API。跑通之后，本节给出「替换路线图」：最小闭环里的每个占位实现，在完整流水线里对应的真身是哪一节的哪个模块。0.1 节负责「看得懂」，本节负责「跑得通」。

学习目标

• 装好 Python、ffmpeg 与 Pillow，并通过三条自检命令验证。
• 说清最小闭环里每个步骤对应七段加工里的哪一段。
• 独立跑通「两段文字到五秒成片加字幕」，并排查三类常见故障。
• 拿着替换路线图，知道下一步把哪个占位换成真模块。

一、环境准备

全书的运行环境刻意保持朴素：Python 加 ffmpeg，没有重量级框架。组件清单如下：

安装与自检（Windows 读者在 Git Bash 里执行；ffmpeg 若未入 PATH，到 ffmpeg 官网下载后把 bin 目录加进 PATH）：

# bash —— 环境安装与自检
python -m pip install pillow
python --version                       # 建议 3.10 以上
ffmpeg -version                        # 能打印版本即已安装
python -c "import PIL; print(PIL.__version__)"
​

四条命令都通过，环境就绪。本节不需要任何模型 API 密钥——这是刻意的设计：最小闭环的意义是验证「管线通」而不是「模型好」。

二、最小闭环的设计

把七段加工压缩到一次能看完的规模：

 两段文字 ──▶ [脚本段] 剧本清单（写死在代码里）
                │
                ▼
 两张字卡 ──▶ [素材+生成段] Pillow 画图（占位：将来换成文生图/文生视频）
                │
                ▼
 concat 清单 ─▶ [剪辑段] ffmpeg 拼接（占位：将来换成 moviepy 时间线）
                │
                ▼
 两行 SRT ───▶ [字幕段] 烧录进画面（占位：将来换成 Whisper 对齐）
                │
                ▼
 final.mp4 ──▶ [导出段] 五秒、30 帧、H.264
​

音轨段在最小闭环里缺席（无声成片），后半本第 6 章补齐。每个占位实现将来替换成哪个真模块，本节末尾给路线图。

三、代码实现

一个文件，四十行以内：

# min_pipeline.py —— 最小流水线：两段文字、两张图、一条五秒成片（本地零 API 依赖）
import subprocess
from pathlib import Path

from PIL import Image, ImageDraw, ImageFont

WORK = Path("build")
WORK.mkdir(exist_ok=True)
FONT = "C:/Windows/Fonts/msyh.ttc"  # macOS 可换成系统自带的中文字体路径
SEGMENTS = [
    ("一句想法", "流水线的输入端"),
    ("一条成片", "流水线的输出端"),
]

def make_frame(title, note, index):
    img = Image.new("RGB", (1280, 720), (24, 26, 32))
    pen = ImageDraw.Draw(img)
    big = ImageFont.truetype(FONT, 96)
    small = ImageFont.truetype(FONT, 44)
    pen.text((640, 300), title, font=big, fill=(235, 235, 240), anchor="mm")
    pen.text((640, 470), note, font=small, fill=(140, 200, 255), anchor="mm")
    out = WORK / ("frame_%02d.png" % index)
    img.save(out)
    return out.as_posix()

frames = [make_frame(title, note, i) for i, (title, note) in enumerate(SEGMENTS)]
entries = []
for item in frames:
    entries.append("file '%s'\nduration 2.5\n" % item)
entries.append("file '%s'\n" % frames[-1])  # concat 清单的已知细节：末帧需重复一次文件行
list_file = WORK / "list.txt"
list_file.write_text("".join(entries), encoding="utf-8")
srt_text = (
    "1\n00:00:00,000 --> 00:00:02,500\n一句想法\n\n"
    "2\n00:00:02,500 --> 00:00:05,000\n一条成片\n\n"
)
(WORK / "subs.srt").write_text(srt_text, encoding="utf-8")
subprocess.run(
    [
        "ffmpeg", "-y", "-f", "concat", "-safe", "0", "-i", "list.txt",
        "-vf", "subtitles=subs.srt", "-r", "30", "final.mp4",
    ],
    check=True, cwd=WORK,
)
print("成片已生成：", (WORK / "final.mp4").resolve())
​

三处值得停下来看的设计。其一，段间以文件为契约：字卡是 png 文件，拼接依据是 list.txt，字幕是 subs.srt，段与段之间不传内存状态——这就是 0.1 节「七段以文件衔接」的缩微版。其二，字幕走标准格式：SRT 是字幕段的通用语言，烧录滤镜一条命令完成，将来换成 Whisper 生成的 SRT，这一行不用改。其三，ffmpeg 在产物目录内以相对路径运行（cwd 参数），避开 Windows 盘符冒号在滤镜参数里的转义坑。

四、运行与验收

# bash —— 运行最小流水线并验收产物
python min_pipeline.py
ls build          # 应看到 frame_00.png、frame_01.png、list.txt、subs.srt、final.mp4
ffprobe -v error -show_entries format=duration -of csv=p=0 build/final.mp4
​

验收标准：final.mp4 存在，时长约 5 秒，播放可见两张字卡各 2.5 秒，底部字幕按时间码切换。常见故障三类：

五、从最小到完整：替换路线图

最小闭环的价值在于它把每个占位实现的位置标清楚了。往完整流水线走，逐个替换：

替换的次序建议按「素材与生成 → 剪辑 → 字幕 → 音轨」推进：先把画面的来源换成真模型（质量收益最大），再让剪辑吃上分镜 JSON，字幕与音轨随后。每替换一段，其余段不动——这条纪律在下一章升级为总论。

本节要点回顾

• 环境两件套：Python 加 ffmpeg，Pillow 本节专用，全部自检命令可复制运行。
• 最小闭环七步走：文字、字卡、清单、拼接、字幕、烧录、成片，四十行以内跑通。
• 段间以文件为契约、字幕走 SRT 标准、ffmpeg 用相对路径，三条设计贯穿全书。
• 替换路线图把每个占位实现指回后续章节，替换次序按质量收益排。

闭环跑通只是「能跑」，下一章回答「怎么跑得不散」——契约怎么定、目录怎么摆、失败怎么只重跑那一段。