字节在狂推 AI 视频，我就去它的生态大盘里薅出了属于我自己的新流量。这句话不是口号，是上个月我通过一个半自动化的视频流，在某个垂直运动健身赛道，单月新增了八千多粉丝的真实结果。大厂烧钱做基建，我们这些老油条要做的不是仰望，而是立刻动手，找到那个能卡进去的、有利润的缝隙。
字节现在铺 AI 视频工具，从剪映的“图文成片”到火山引擎的模型服务，本质上是在降低内容生产的物理门槛。但他们真正的目的，是把流量和商业闭环锁死在抖音-西瓜-头条这个大盘里。所以，他们的工具一定会有意无意地制造“生态内便利”和“跨平台摩擦”。比如，用剪映 AI 生成的字幕特效，导出到其他平台就可能出现兼容性问题；用火山引擎的模板，最容易一键分发的终点就是抖音。看明白这个，策略就清晰了：不做宏大叙事，不做技术对抗，而是扮演一个“生态内的高效寄生者”。我的目标不是做一个新抖音，而是在抖音的流量池里，用更低的成本和更快的速度，捞出属于我自己的鱼。
具体怎么“薅”？核心是“半自动化流程”加“垂直领域数据喂养”。我选的切口是“低卡健身餐制作过程”。听起来很红海对吧？但AI视频给了新的解法。我不再真人出镜拍整个做菜过程，那太耗时。我的流程是：第一步，用 n8n 搭建工作流，每天自动爬取 Pinterest 和 Instagram 上最新的、高赞的健身餐高清图片。这里有个坑，Pinterest 的图片 DOM 结构改过，单纯用 BeautifulSoup 容易挂，我混合了 Playwright 来模拟滚动，确保拿到的是真正高分辨率的素材。这些图片就是我的原始素材库。
第二步，也是最关键的一步，我不用剪映的通用图文成片，那太“抖音范儿”了。我用本地部署的 SDXL 模型，配合 ControlNet，把这些美食图片“重绘”成一致风格的、偏北欧简约风的静帧画面。同时，用 GPT-4 的视觉识别 API，把图片里的食材识别出来，自动生成两段文案：一段是充满“获得感”的短视频口播文案（“三分钟搞定，吃出马甲线”），另一段是详细的食谱步骤和热量计算，用于图文挂件。这里烧点 API 钱，但换来了内容的独特性。
第三步，封装和发布。我用 PyAutoGUI 写了个脚本，自动化操作剪映专业版。脚本的动作包括：导入我生成好的静帧序列图，调用剪映的“AI 动效”功能给图片加上微小的推拉摇移（让静态图有动态感），自动匹配我文案生成的 AI 配音（选那个偏冷静知性的女声），自动添加步骤文字遮罩，最后渲染导出。整个流程，从爬取图片到生成视频草稿，大概需要 12 分钟人工干预（主要是检查生成结果和调整参数），然后脚本会在后半夜自动上传到抖音和西瓜视频。我设置了十个不同的账号，内容方向有细微差异，有的是纯减脂，有的是增肌餐，用矩阵去测试流量反馈。
流量是怎么来的？不是靠运气。抖音的推荐算法本质上是“内容标签”与“用户兴趣标签”的匹配游戏。我通过这种批量化、风格统一的内容生产，实际上是在高强度、高密度地向算法“喂养”一个非常垂直且清晰的标签：“高品质健身餐教学”。AI 生成的内容在初期可能互动率不高，但胜在数量大、风格稳、标签准。系统会迅速把我识别为这个领域的稳定供给者，然后开始把我的视频推送给曾经浏览过“减肥”、“健身餐”标签的用户。我的视频开头三秒一定是高清特写和明确的价值点（“300大卡吃饱”），完播率自然就上去了。有了基础流量，我再从中挑选数据好的，进行真人语音的二次加工，或者开直播解答细节，把流量沉淀到私域。
这个过程里，我过去十年踩的坑全用上了。2016年死磕爬虫对付平台反爬，现在用来扒素材；2020年带团队时折磨我的 SOP 标准化，现在变成了 n8n 的工作流节点；2023年被 AI 冲击得睡不着觉去学的大模型和提示工程，现在是内容生产的核心引擎。大厂搭好了舞台，提供了灯光和音响（AI工具和流量池），但台上唱什么戏、怎么唱才能留住观众，还得靠我们自己琢磨。我不生产流量，我只是字节生态流量的高效搬运工，顺便在上面打上自己的名字——Flovico。这听起来不那么极客，但很真实。三十五岁了，能优雅地“薅流量”，就是一种高级的生产力。
