8G老显卡做小说推文视频:我的平民工作流全记录
写小说之外,我把网文做成了短视频:8G老显卡跑小说推文视频的平民工作流实录
先说结论:这篇不是教程合集,也不是工具软广,而是我一个连载小说作者,在没花一分钱买云端算力、全靠手里一台 8G 显存老显卡的情况下,把网文章节做成抖音竖屏推文视频的三个月真实流水线记录。有真香的工作流,也有反复踩的坑,观点独立,欢迎讨论。
为什么一个写小说的人会去折腾视频
我的情况比较特殊:白天是电力行业的软件项目负责人,晚上在写一本连载小说《全服唯一:我的技能全是Bug》,同时想给小说做抖音竖屏推文视频引流。市面上做推文视频的,主流路径是"AI配音 + 网图/游戏素材混剪",搬运痕迹重、容易判重,而且素材版权是灰色地带。
我的想法很简单:既然小说是我自己写的,画面能不能也自己"生成"?于是我开始折腾本地 AI 视频生成——核心动机就三个字:版权干净。
我的整体流水线(五步走)
拆章节:把小说章节拆成 8-15 秒的剧情钩子段落,每段就是一个分镜脚本
配音:用本地 TTS 生成旁白,语气贴近小说口吻
画面:把每段脚本喂给本地文生视频模型,生成 5 秒竖屏片段
剪辑:把配音和画面对齐,加字幕、BGM,输出 9:16 竖屏
发布:固定时间段发抖音,观察完播率和转化
这套流程最大的特点:除了电费,几乎零边际成本。下面拆开讲每一环的真实体验。
画面生成:全流程最折腾的一环
先说硬件,我的显卡是 NVIDIA T1000 8GB,属于被主流玩家嫌弃的"老破小"档位。最初我用的是开源文生视频模型 Wan 2.2 TI2V-5B(阿里系开源,官方仓库公开部署文档),8G 显存跑 5B 参数属于"刚好压线"。
真实参数和耗时给大家参考(这是我的实测,不同机器有差异):
单段视频:5 秒,480P 竖屏(9:16),大约 40-60 秒生成一段
显存占用:峰值约 6.5-7GB,8G 卡会紧但能跑
一次性跑太多段会爆显存,我一般排队逐段生成
实测下来,480P 竖屏发抖音完全够用,码率上去反而上传慢。这里要给一个独立观点:8G 显存跑本地视频生成,性价比的甜点位就是"低分辨率短视频",想跑 1080P 长片基本是自我折磨。
踩坑最多的有三个:
提示词太抽象。写"主角在雨中奔跑",模型给你生成一段完全无厘头的画面。我的解法是:提示词里写清楚"镜头运动 + 主体动作 + 场景 + 氛围",把它当导演指令写,而不是当小说句子写。
风格不一致。不同段落生成出来的人物长相会飘。目前我的做法是固定参考图(小说封面角色设定图)做视觉锚点,虽不能完全一致,但观感连贯很多。
生成内容不可控。网文里"魔法特效""系统面板"这类超现实元素,模型经常理解不了,我会主动避开高难度场景,优先选"人物对话、走路、街景"这类模型擅长的。
配音与剪辑:被低估的两环
画面搞定后,配音和剪辑反而成了瓶颈。本地 TTS 我试过几个开源方案,音色稳定性不如商业接口,最后我采用了"本地 TTS + 手动调语速"的组合,旁白语气统一最重要。
剪辑用的是剪映(免费版够用),竖屏 9:16、自动字幕、卡点 BGM 都是现成功能。坦白讲,剪映的自动字幕识别率不错,但小说里的"系统音"要自己加特效字幕才有网文味。
真实成本账单
很多人问这套玩法到底花多少钱,我列一下真实账单:
硬件:显卡是之前就有的,不新增成本
软件:开源模型 0 元,剪映免费版 0 元,TTS 本地部署 0 元
增量成本:电费。8G 卡满载跑一小时大约多花几毛到一块钱
时间成本:这是最大的成本。一条 60 秒的推文视频,从拆稿到成片,我熟手也要 3-4 小时
所以我的独立结论是:这套工作流"省钱"但"费人",适合内容创作者做差异化,不适合指望它批量量产赚快钱。如果你要日更十条,那还是老老实实走传统混剪或者买云端算力。
给想入坑的人三条建议
先跑通一条最短路径:拆一段章节 → 生成一段画面 → 剪成一条视频,不要一上来就搭"完美流水线"
明确视频定位:小说推文的核心是"钩子",前 3 秒抓不住人,后面全白搭,画面只是锦上添花
注意平台规则:AI 生成内容建议按平台要求标注,避免限流;素材版权这块,自己写的小说 + 本地生成画面,是我目前最安心的地方
结尾
三个月下来,这套"自己写、自己生成、自己剪"的平民流水线帮我稳定产出了几十条小说推文视频,虽然播放量有高有低,但每一帧都是自己的,这种感觉挺踏实。
如果你也在用 8G 显存折腾本地视频生成,或者在做小说推文视频,欢迎评论区交流,我尽量把踩过的坑都讲清楚。
参考来源:Wan 2.2 模型为阿里系开源项目,部署方式见其官方 GitHub 仓库公开文档;文中其他数据均为本人实测,价格与工具版本随时间变化,请以官方最新信息为准。

校验提示文案
校验提示文案