这次搞视频生成 API 的坑，比我想象中深。不是技术有多难，是“自适应”这三个字，在 AI 时代被重新定义了。以前写爬虫，对付的是 DOM 树和反爬策略，现在要对付的是各家 API 的脾气、计费方式和输出格式的随机性。我那个用了三年的自动化分发系统，第一次显得这么笨重。
核心问题就一个：我的脚本怎么知道它调用的是 RunwayML 还是 Pika，或者明天又冒出来的什么新玩意儿？每个平台的输入参数命名都不一样，有的要“prompt”，有的要“text_prompt”，有的甚至要你把镜头运动参数塞进提示词里。输出更离谱，有的直接给 MP4 链接，有的给个任务 ID 让你再去轮询，还有的返回一堆 JSON 嵌套着你得自己扒拉出视频地址。这根本不是技术问题，这是产品经理没打过架设计出来的接口。我花了整整一个下午，就干了一件事：给每个支持的平台写一个“翻译层”。这个层只做两件事：把我想象中的“通用视频生成请求”，翻译成平台能听懂的方言；再把平台返回的乱七八糟的东西，翻译成一个标准的“视频任务对象”，包含状态、预计完成时间、结果文件地址。听起来简单吧？但 RunwayML 的异步任务回调 URL 设置，藏在文档第三页的小字里，我没看到，第一次跑通的时候视频生成了但我的系统没收到通知，白等了一晚上。
更恶心的是频率限制和成本。Pika 按秒计费，Runway 按生成步骤，还有个国内的在测平台按分辨率分级。我的脚本不能傻乎乎地按固定节奏去调，得学会看余额、看剩余点数、看接口返回的“请稍后再试”的 HTTP 429 状态码。我不得不给脚本加了个“经济模式”和“急速模式”的开关。经济模式下，它会优先选成本低的平台，并且自动把长文案拆成几个关键场景分多次生成，再调用 FFmpeg 拼接。急速模式就是砸钱，同时往三个平台发请求，谁先返回就用谁的，其他的任务立刻取消。这招有点损，但甲方要明天早上看成品的时候，这就是唯一解。
文字复盘转视频素材，流程算是跑通了。我让 ChatGPT 帮我把博客里一段 500 字的项目复盘，提炼成 5 个视觉场景关键词，比如“深夜代码调试”、“数据可视化图表爆炸式增长”、“团队线上会议争吵”。然后脚本拿着这 5 个关键词，去同时生成 5 段 3 秒的视频片段。背景音乐和字幕是另一条流水线，用 TTS 生成语音，再用 AE 脚本（对，还没完全摆脱传统工具）套模板合成。整个流程从触发到出 15 秒的粗剪版，大概 20 分钟。比人工快，但离“一键”还差得远。中间任何一步 API 抖一下，整个流程就卡在那，还得我人工去后台查日志，看是哪个“翻译层”又没翻译对。
搞完这一套，我坐在那发呆。2021 年我回归超级个体的时候，觉得掌握一堆工具链就是自由。现在看，工具链本身成了新的牢笼。我写的不是脚本，是一个不断需要打补丁的“平台外交官”。它的核心能力不再是多线程爬取，而是理解和适应那些由人类产品经理随意定义、又瞬息万变的规则。所谓的“跨平台自适应”，本质上是一种持续的、被动的妥协。但没办法，这就是现在的环境。你不让脚本学会适应，明天你就得自己亲手去适应每一个新平台，那更累。至少现在，当一个新的视频 AI 平台出现，我只需要增加一个“翻译层”，而不是重写整个系统。这大概就是 2024 年，一个老产品经理能抓住的、为数不多的确定性：把变化封装成模块。
