第 17 章

影片管線：從腳本到 YouTube 可上傳

你有想拍的東西——家電開箱、家事教學、儀表板 demo——但一想到剪片就頭痛？Pi Agent 內建一條叫 pitch_video 的管線，把 AI 寫腳本、機器配音、瀏覽器錄畫面、剪接、燒字幕、上傳雲端全部串起來。你只出想法，成品直接是能上 YouTube 或丟 Line 群的 MP4。這章先講清楚整條管線在做什麼、什麼場合適合用、什麼場合會踢鐵板；第 18 章講首次啟動要下載的 720 MB 是什麼，第 19 章講怎麼設定 Google Drive 自動上傳。

為什麼要用這條影片管線

先講一個很現實的痛點：你有想分享的東西，但影片沒人看你不會做。

家裡買了一台新的掃地機器人，你想拍個開箱給朋友或 Line 群分享——但你要剪片、要配音、要打字幕，光學 CapCut 就先勸退你三小時。想錄一段「HA 儀表板一鍵離家自動化」給老爸看，你要一邊操作、一邊講、一邊怕手抖，錄五次都不順。想給小孩錄一支「怎麼用平板控制客廳燈」的教學，字幕還要自己聽打——直接放棄。

Pi Agent 內建的影片管線（video pipeline）就是為這個痛點設計的——底層工具（ffmpeg、Playwright-Chromium、edge-tts、rclone）由 add-on 內建，實際「把它們串起來」是靠一支 skill 出面（社群通稱 pitch_video 或 pi-video 這類名字，實際 slug 依你安裝的版本為準——見第 15 章）。你只要用白話跟 AI 講「我要什麼樣的影片、多長、給誰看」，管線背後會依序做這些事：

  • AI 幫你寫腳本——分成開場、主體、收尾，每一段幾秒都算好。
  • 免費 TTS 幫你配音——用微軟的 edge-tts 引擎，繁中男聲女聲都有，念得很自然。
  • Playwright 幫你錄畫面——它會開一個看不見的瀏覽器，照腳本一步步操作、一步步截影格。
  • ffmpeg 幫你剪接——把畫面、配音、字幕合起來，加轉場。
  • rclone 幫你上傳——完成後直接推到你指定的 Google Drive 資料夾，手機開就能看。

整條管線全部在你自己的 HA 主機上跑，不用另外開電腦、不用付訂閱、不用學新軟體。你的工作只有兩件事：想清楚要做什麼、看成品滿不滿意。剩下都是 AI 跟工具的事。

觀念：這條管線不是要取代專業 YouTuber——他們拍的是有溫度的真人影像。這條管線是幫你做「日常說明用」的影片：3 到 5 分鐘、有語音有字幕、能傳能收藏就好。像家庭主婦寫食譜、學長寫筆記，重點是「有」，不是「精緻到得獎」。

這條管線背後到底做了什麼（六個步驟）

要用得順，先看清楚它在做什麼。把它想成一條工廠的生產線，六個工人接力做完你就拿到成品：

步驟做的事用的工具（技術名）大約要多久（3 分鐘影片）
1. 寫腳本 AI 讀你的需求，分段寫出旁白、決定每段幾秒、需要展示哪個畫面 你在第 5、11 章接的那家 AI（推薦 reasoning 模型） 30 秒～1 分鐘（含你回覆確認）
2. 產生配音 把腳本每段丟給文字轉語音（Text-to-Speech, TTS），輸出 WAV/MP3 檔 edge-tts（微軟 Edge 瀏覽器的免費 TTS 引擎） 10-30 秒
3. 錄畫面 照腳本開一個「無頭」瀏覽器（headless browser），一步步操作並錄下畫面 Playwright + Chromium 1-3 分鐘（照著錄同長度的影片）
4. 對齊字幕 依配音的每字時間戳（word boundary）產生 SRT 字幕檔（每一行對應到幾秒到幾秒） edge-tts 的 SubMaker（word boundary event → SRT） 幾秒
5. 剪接與燒字幕 把畫面 + 配音 + 字幕合成一支 MP4，段落間加轉場（淡入淡出） ffmpeg（含 libass 字幕引擎、xfade 轉場濾鏡） 30 秒～2 分鐘
6. 上傳雲端 把成品 MP4 傳到你指定的 Google Drive 資料夾，手機 App 就能直接看 rclone（雲端硬碟同步工具） 依你上行網速，通常 30 秒-3 分鐘

加起來一支 3 分鐘的影片，從你按下「開始」到 Google Drive 收到，大約 5 到 10 分鐘。你可以在旁邊喝咖啡、洗碗、追劇——管線在 HA 主機裡靜靜跑，不佔你的手機也不佔你的電腦。

省時提示：第一次用會覺得「等 10 分鐘幹嘛不自己剪」，但你自己剪 3 分鐘影片沒兩小時搞不定；等你跑第五、六支影片，你會發現「講一句話就走」這件事有多爽——你可以一個下午做出七、八支影片，每支給不同人看。

為什麼首次啟動要下載 720 MB

你可能已經注意到，Pi Agent 剛裝完（第 2 章）只有幾十 MB。但當你第一次啟動 add-on，它會在背景下載大約 600-720 MB 的東西——這對用 100M 家用網路的人大概是 1-2 分鐘的事，對用 4G 熱點的可能就有感了。先把一個常見誤解講清楚：這 720 MB 不是觸發影片管線才下載，而是 add-on 首次啟動 video-tools-init 就會在背景抓；且這 720 MB 也不是整條管線的全部工具，是「下載到 /data/pi-agent/ 這顆 volume 的那一半」。另一半（ffmpeg、libass、字型、rclone）早就烤進 add-on 的容器映像檔裡，你「下載映像檔」那 300 MB 就順便拉下來了。

下載到 volume 的東西用來做什麼大約大小
Chromium 瀏覽器（Playwright 版） Playwright 拿來錄畫面；它需要一個「跑起來但看不到視窗」的瀏覽器。這一塊佔絕大多數。 約 500-600 MB
Python venv + 4 個套件 虛擬環境加上 playwright（Python 端控制程式）、edge-tts（TTS 配音）、pyyaml（讀腳本檔）、mutagen（讀音檔長度） 約 40-60 MB

合計就是常聽到的「約 720 MB」——實際落在 600-720 MB 之間，看 Playwright 版本跟 pip 依賴而定。底下這些不會另外下載，它們是映像檔的一部分：

已烤進映像檔的工具用來做什麼
ffmpeg + libass剪接、加 xfade 轉場、燒字幕的核心工具
fonts-noto-cjk / fonts-noto-color-emoji / fontconfig字幕燒錄時繁中不變豆腐、彩色 emoji 能顯示
rclone推到 Google Drive、Dropbox、OneDrive 等雲端

「未安裝 pi-agent 就永遠不佔這 720 MB」——這句話成立；但一旦你啟動了 add-on，即使不做影片這 720 MB 也會下載到 volume（目前沒有「純聊天模式」開關）。詳情第 18 章講。

注意：首次啟動的下載細節（觸發時機、進度提示、失敗怎麼辦、要不要重來）第 18 章專章講。這章你只要知道「有這回事、佔 600-720 MB、下一次就不用再下」就好。

哪些場景很適合用這條管線

把管線的能耐配到具體家庭情境上，你會發現用途比你想像多。整理成一張表：

場景典型長度怎麼跟 AI 說成品傳給誰
家電開箱 60-120 秒 「幫我做一支 90 秒的影片介紹我家新買的掃地機器人，講重點功能、跟舊款比較」 Line 家庭群組、朋友、社群
家事教學（給小孩／長輩） 60-180 秒 「用小學生能懂的話，講怎麼分類回收，包括紙、塑膠、鐵鋁罐、廚餘」 家庭群、小孩的班親會、爺爺奶奶的 Line
HA 自動化 demo 60-180 秒 「錄我 HA 儀表板上『離家模式』按下去之後的效果，配旁白解釋做了什麼」 家人、HA 社群、部落格
產品試用心得 90-240 秒 「幫我把我試用某某 App 兩週的心得剪成影片，講三個優點兩個缺點」 YouTube、Facebook、Threads
給小孩看的教學 60-120 秒 「用 10 歲小孩能懂的話講什麼是『太陽能發電』，配可愛的旁白」 家庭裝置、學校作業
Line 群組短分享 30-60 秒 「30 秒告訴大家颱風天要準備什麼」 Line 群（Line 上要有字幕才有人看）
食譜示範 60-180 秒 「三分鐘教怎麼做涼拌小黃瓜，材料、步驟、注意事項」 家庭群、部落格
行事曆／活動預告 15-45 秒 「20 秒預告週末家庭日程，配輕鬆音樂感」 Line、行事曆分享

共同特徵：都是「以說明為主、真人露臉為輔」的短片。不需要你自己出鏡、不需要複雜運鏡、不需要昂貴設備——AI 的長處就是把「知識」變成「有語音+畫面+字幕」的形式，這比純文字好懂太多、比自己剪片省時太多。

心智模型：把它想成「AI 版的 PPT 加旁白」。PPT 本來就是把想法變成一頁一頁畫面加解說，這條管線就是「一次到位、附字幕、能傳」的 PPT。

哪些場景這條管線不擅長（也直接講）

沒有工具是萬能的。以下這幾種需求你別硬套 pitch_video，會做出來很尷尬的東西：

不適合的場景為什麼替代做法
需要真人露臉演出 Playwright 只會操作瀏覽器、只會截電腦畫面。它拍不到你本人，AI 也還沒到能生成逼真真人影像的程度（能生但很違和） 用手機拍完後傳給剪輯 App（CapCut）；或用管線做「配音+畫面」搭配你自己手機拍的片段
要有無版權背景音樂 管線本身不處理背景音樂，只放旁白。你自己去 YouTube Audio Library 找的音樂要另外加 成品出來後用 CapCut 或 iMovie 加背景音樂，或改 pitch_video skill 的 ffmpeg 參數塞一軌音樂
超過 10 分鐘的長片 Playwright 錄很久很吃 CPU、edge-tts 生 10 分鐘配音要幾分鐘、ffmpeg 合成大檔要更久——時間會拖到很久 拆成 5 分鐘以內的多集；長片建議用真的剪輯軟體做
要複雜運鏡、特效、切換 管線的畫面全部來自 Playwright 錄瀏覽器，沒有推拉搖移、沒有轉場特效（只有基本 xfade 淡入淡出） 需要電影感的短片，用 CapCut、Premiere、DaVinci Resolve
需要即時直播 這條是「批次產生」管線，不是直播。做一支要等 5-10 分鐘 直播用 OBS 或手機直播 App，跟這條管線無關
版權敏感內容 AI 寫的腳本可能引用你來源的資訊、配音是機器合成的；商業用途或散播需注意版權與 AI 揭露 商用一律先確認：資料來源合法、AI 生成內容有標示、TTS 商用授權（edge-tts 個人用免費，商用要看微軟條款）
誠實原則（把 YouTube 規則講清楚）：YouTube 2024 起的 Altered / Synthetic content 揭露規則，強制揭露的其實是「會讓觀眾誤以為是真實事件」的內容——像換臉、把真人聲音合成成他沒講過的話、竄改真實事件的畫面。YouTube 明確把「AI 幫你寫腳本、自動字幕、寫大綱」這類生產力用途排除在強制揭露之外；純機器 TTS 配自己的 dashboard 畫面通常也不落在強制揭露範圍。但這不代表可以隱瞞——TikTok / Meta（Facebook、Threads / Instagram）的規則不同，且觀眾看得出來就是看得出來。建議做法：影片描述加一句「本影片旁白由 AI 語音（Microsoft edge-tts）生成、腳本由 AI 協助撰寫」，一秒鐘寫完，各平台通吃、不會被判違規也不用擔心誤導。

動手：跑你第一支影片

假設你三個前置作業（第 18 章的首次啟動下載、第 19 章的 rclone Google Drive、第 15 章的 pitch_video skill 安裝）都做完了，跑一支影片是這樣的：

  1. 開一個新 session、挑一家會思考的 AI

    回到 Pi Agent 主畫面，按左上角「新對話」開新 session（第 8 章）。模型下拉挑 reasoning 模型——推薦 GLM-4.6、Anthropic Claude Sonnet、DeepSeek-R1 這幾家。不要用最便宜的打底模型，因為腳本品質決定影片品質，這裡值得多花一點。為什麼要用 reasoning 模型？第 12 章講過：它會先想再說，寫出來的腳本結構會清楚很多。

  2. 用白話說清楚你要什麼影片

    直接對話框打就好，範例：「幫我做一支 90 秒的影片，介紹我家的智慧插座能省多少電費，用一般家庭 3 人的用電量估算，語氣輕鬆一點，給爸媽看的」。四個要素要講清楚：（1）長度、（2）主題、（3）語氣、（4）目標觀眾。你講得越具體，AI 產出的腳本就越接近你想要的。

  3. 看 AI 給你的大綱，覺得不對就再改

    AI 不會直接開始做，會先給你一份大綱與腳本草稿——例如「開場 10 秒講痛點、主體 60 秒分三段講省電、收尾 20 秒 CTA」。這時你要認真看：段落順序對嗎？語氣像你嗎？有沒有講到你不想要的東西？直接回話「第二段改成 XX」「開場太長，縮到 5 秒」，AI 會改。這一步反覆幾次都很正常，比後面成品出來不對再重來省時間多了。

  4. 確認後 AI 呼叫 pitch_video skill

    你回「好，就這個腳本」之後，AI 會呼叫 pitch_video skill（你在第 15 章裝的）。你會看到對話裡出現一張工具卡片（第 9 章介紹過），寫著它在做什麼：正在產生配音、正在錄畫面、正在剪接。這時候你可以離開視窗做別的事——它不會因為你不看就停。

  5. 幾分鐘後成品出現

    如果你設好了 Google Drive 上傳（第 19 章），你手機的 Google Drive App 會收到通知，成品 MP4 就在指定資料夾裡。如果你沒設 Google Drive，成品會存在 HA 主機的 /data/pi-agent/projects/<專案名>/——可以用檔案總管 add-on（Samba 或 File Editor）下載。

  6. 不滿意就講「再一版」

    成品出來你發現「配音太快」「字幕位置怪」「這段可以更短」——就在同一個 session 直接講：「重做一版，配音慢一點、開場刪掉」。AI 會用同一份腳本改參數重跑；連腳本都不喜歡就講「腳本重寫一次，改成 XXX 風格」，整條管線會從頭跑一次。不用你自己去改設定檔，都在對話裡完成。

觀念：整個流程叫「對話式剪片（chat-based video editing）」——你完全不用開剪輯軟體，全部靠跟 AI 講話。這是 pi-agent 生態最貼近未來工作方式的一段，值得多練幾次。

成品跟中間檔案放在哪、可以拿來幹嘛

管線跑完不只給你一支 MP4，還會留下一堆中間檔案——這些是你的資產，之後可以編輯、可以再剪、可以獨立用。全部放在 /data/pi-agent/projects/<專案名>/ 底下（projects/ 目錄由 add-on 首次啟動時建立，這一點可以直接進 File editor 驗證）。以下的檔名與副檔名是社群 pitch_video skill 的典型佈局（webm/wav/srt 等副檔名跟 Playwright、edge-tts、ffmpeg 的預設輸出一致）；你裝到的版本、或改過設定，可能略有不同——實際以你資料夾裡看到的為準：

檔案是什麼能拿來做什麼
final.mp4 成品：畫面+配音+字幕合體 直接上傳 YouTube、Line、Facebook；就是你要的東西
subtitles.srt 字幕檔（有時間軸的純文字） 另外上傳到 YouTube 當「多語字幕」；或用 Google 翻譯翻英文版變雙語
script.md AI 幫你寫的原始腳本（Markdown 格式） 編輯它可以重跑一次；也可以直接拿去發部落格文
voice/*.wav 每一段的配音音軌（分段存） 單獨拿來做 Podcast、放進其他影片、或當手機鈴聲
clips/*.webm Playwright 錄下的每段畫面（分段存） 重新配一段不同的旁白、或拿其中一段做 GIF
segments/*.mp4 合過配音+字幕的每段成品 抽出其中一段獨立分享（不用整支才有價值）
project.json 整個專案的設定、參數紀錄 之後用同一組參數做另一支類似風格的影片

檔案結構的意義：你不是被鎖在「成品或全部重來」兩個選項裡。腳本不喜歡，改 script.md 重跑；配音想換聲音，刪 voice/ 重跑；只想抽一段用，去 segments/ 拿。這叫「可組合（composable）」——每一步都留檔，你可以中間插手。

注意：備份（第 2 章提過的 HA 備份機制）預設不會把 clips/、segments/、voice/ 這些大檔備進去（管線輸出可能很大，塞爆備份就慘了）。備份會保留 final.mp4、script.md、subtitles.srt、project.json 這些關鍵小檔。想保留全部就自己另外抄一份到 NAS。

要能跑通，三個前置作業一定要做完

剛入門的人最常見的挫折：「我對 AI 講『幫我做影片』，它說沒辦法」——十之八九是這三個前置沒做完。列出來對照：

前置做這件事的章節沒做的症狀做完的檢查方式
裝好 pitch_video skill 第 14 講概念、第 15 章教安裝 AI 說「我沒有能幫你做影片的工具」 Pi Agent 設定 → Skills 面板看到 pitch_video 亮綠燈
完成首次啟動的 720 MB 下載 第 18 章 AI 呼叫工具後卡在「正在準備環境」很久，或錯誤訊息提到 chromium/playwright/ffmpeg 找不到 手動觸發過一次 pitch_video、看到跑完成品；之後每次都很快
設定 rclone Google Drive（可選，但強烈推薦） 第 19 章 成品做完但沒收到雲端通知，得用 File Editor 手動抓檔 成品出現在你手機 Google Drive App 指定資料夾

三個做完才算「整條管線通了」。如果你只想先試試不設 Google Drive 也行——成品會留在 /data/pi-agent/projects/，用檔案總管 add-on 抓也不會太麻煩，只是不能自動同步到手機。

建議順序：先做第 15 章（裝 skill）、再做第 18 章（首次下載，順便測試 skill 有沒有裝對），Google Drive（第 19 章）留到你確定「這條管線我會常用」再設也不遲——rclone 認證要開 Google Cloud Console，是三個裡最麻煩的。

做一支影片會花多少錢

好消息：整條管線幾乎沒有金錢成本，唯一花錢的地方就是叫 AI 寫腳本那次 API 呼叫。細算給你聽：

成本項用什麼一支 90 秒影片大約要多少
AI 寫腳本 你在第 5 章接的 provider 用 GLM-4.6 或 DeepSeek-R1：NT$ 0.1-1；用 Claude Sonnet：NT$ 1-4（一支 90 秒影片腳本大約 1-3K tokens，實際依你反覆改幾次而定；價目換算見第 10 章）
TTS 配音 edge-tts（微軟提供） 0 元（個人使用免費，微軟目前沒收費）
Playwright 錄畫面 你 HA 主機的 CPU 0 元（吃電，但不需要付 API 費用）
ffmpeg 剪接 你 HA 主機的 CPU（跟 ram） 0 元
Google Drive 上傳 rclone 免費、Google 帳號有 15 GB 免費配額（Gmail/Drive/Photos 共用；2026 年 5 月起，部分地區新開的帳號初始只有 5 GB，要驗證手機號碼才解鎖 15 GB——舊帳號不受影響） 0 元（除非配額用完想升級到 Google One，台灣月費 65 元起跳）
電費 HA 主機多跑一段 CPU 密集運算 幾乎不到 1 元（一支影片 CPU 只多跑幾分鐘）

加起來一支 90 秒影片大概 0.5 到 4 塊台幣（幾乎只是腳本那次 AI 呼叫）。想再省？用便宜的 provider（GLM-Flash）寫腳本，一支不到 1 毛；但腳本會弱一點，取捨看你。

觀念：市面上有 AI 影片產生服務（Synthesia、HeyGen、Pictory）月費動輒 800-3000 塊台幣，才能做這條管線在做的事——而且畫面是他們選的模板，不能任意錄你自己的 HA 儀表板。你自己用 pitch_video 一個月做 30 支影片可能不到 100 塊，還沒外部服務被鎖定的問題。這是「自建管線」對「訂閱雲端」的典型優勢。

進階：你可以調哪些參數

預設值管線出來的成品已經能看了。真的想調可以動這些地方（但不建議剛入門就動，用個幾次熟了再調）：

  • 解析度：預設 1080p（Full HD）。改 720p 檔案更小、上傳更快，適合 Line 分享；改 4K 檔案巨大，只有 YouTube 值得。
  • 幀率：預設 30 fps（每秒 30 影格）。改 60 fps 更順但檔案更大；改 24 fps 有「電影感」但畫面卡感明顯。
  • 配音聲音：edge-tts 繁中有 zh-TW-HsiaoChenNeural（女）、zh-TW-YunJheNeural（男）、zh-TW-HsiaoYuNeural（女，比較年輕）。想用中國腔換成 zh-CN-*。
  • 配音語速：edge-tts 支援 rate="+20%"（加快）或 -20%（放慢）。旁白偏解說性放慢一點會更好懂。
  • 字幕字型：預設用 Noto Sans CJK。想換成 Google 的思源黑體、蘋方或手寫體都行，把字型檔放進 skill 資料夾指定路徑。
  • 轉場長度：xfade 濾鏡預設 0.5 秒。想快剪改 0.2；想電影感改 1 秒。
  • 字幕位置：預設下方置中。可改上方、左下、大字置中等等（走 libass 的 ASS 樣式）。

這些全部在你裝的影片 skill 的設定檔裡調（安裝在 /data/pi-agent/skills/<skill 名稱>/ 底下，設定檔通常是 config.yaml 或 SKILL.md 內的 YAML frontmatter，實際看該 skill 的 README），用 File Editor add-on 打開改存檔就生效。強烈建議先跑三、五支影片熟悉再動——不然改到什麼會崩你不知道，一崩你也不知道回哪個版本。

注意：skill 內部細節（YAML 結構、ffmpeg 完整參數、Playwright 選擇器）不是這系列教學的範圍。你如果想深入客製，去看 pitch_video 的 README.md 與範例 config；那已經算「開發者領域」，跟這本書的定位不同。

常見卡關與處理方法

  1. 一直卡在「AI 在寫腳本」很久，或腳本內容很淺

    八成是模型不夠深。你可能開了 GLM-Flash 或某個非 reasoning 的模型，它給你的東西就是一坨列點沒層次。解法：換 reasoning 模型——GLM-4.6、Claude Sonnet、DeepSeek-R1 都行（第 12 章詳講）。在 pi-agent 對話框左下角下拉切換一下，然後對 AI 講「用這個模型再寫一次腳本」。

  2. 錄出來的畫面是黑色的、或整支影片沒有畫面

    Playwright 環境沒裝好。這是最常見的第 18 章卡關——首次啟動下載一半斷線、Chromium 沒解壓完、缺共用函式庫。解法：回第 18 章的「重新觸發下載」段落，把 /data/pi-agent/playwright-cache/（Playwright 下載 Chromium 的位置）跟 sentinel 檔 /data/pi-agent/.video-tools-installed 一起刪掉，重啟 add-on 就會重新裝一次。

  3. 成品有畫面有配音，但沒字幕、或字幕是豆腐/問號

    兩種可能：（a）SRT 沒有被 ffmpeg 燒進去——去 skill 的設定檔看有沒有「字幕/subtitle/burn」相關開關（實際欄位名依 skill 版本，看 SKILL.md）；（b）字幕燒進去了但字型缺——這條 add-on 的 fonts-noto-cjk 是烤在映像檔裡的，理論上不會缺；如果 ffmpeg 報找不到字型，通常是 skill 指定了非預設字型檔路徑而該檔不存在。解法：把 skill 設定裡的字型改回 Noto Sans CJK TC，或先跑 fc-list :lang=zh-tw（在 ttyd 終端）確認系統認得哪些繁中字型。

  4. 成品做完了，Google Drive 沒收到

    rclone 沒設好、或者你的 Google 帳號當月配額爆了。解法：先去 第 19 章的「檢查 rclone 狀態」段落跑診斷。實務上最常見是（a）rclone token 過期（Google 有時 6 個月會過期一次，要重新授權）、（b）Google Drive 免費 15 GB 塞滿了（去 Google 一鍵清 Gmail 附件、去掉不要的 Google 相簿備份就有空間了）。

  5. 整支影片跑一半當機、HA 變超慢

    你的 HA 主機 CPU 或記憶體吃緊。管線需要 2GB+ 記憶體、雙核心 CPU才跑得順；如果你是 Raspberry Pi 3 或超舊的 mini PC 可能會卡。解法：（a）看 HA 系統 → 硬體檢查記憶體使用量；（b）先關掉其他吃資源的 add-on（Frigate、Whisper 這種）；（c）真的太弱就換一台 Pi 5 或 x86 mini PC；（d）折衷做法——把影片解析度改成 720p、幀率改成 24fps，資源需求會少一半。

  6. 配音聽起來一直卡卡的、有雜音

    edge-tts 送微軟伺服器的網路不穩。解法：確認 HA 主機能穩定連外（ping speech.platform.bing.com 看有沒有丟包）；換一支不同的聲音（zh-TW-HsiaoChenNeural 通常比較穩）；或等網路好再重跑。這不是管線的問題，是外部依賴的問題。

常見問題

可以用這條管線剪 1 小時的長片嗎？
技術上可以，實務上非常不建議。理由：（1）配音一小時 edge-tts 要跑十幾分鐘、（2）Playwright 錄一小時要真的錄一小時、（3）ffmpeg 合這麼長檔案要 30 分鐘以上、（4）錯了一個字整條要重跑一小時。建議上限 5 分鐘——超過就拆成多集（例如「陽台種菜第一集：選盆」、「第二集：土壤」），還比較好看、好分享、好重製。長片是給人力剪輯的、短片是給 AI 管線的，這個分野很自然。
配音一定要用 AI 嗎？我想用自己的聲音
不用。管線的第 2 步（配音）產生的是 voice/*.wav，你可以用手機錄音 App 自己念一遍存成 mp3/wav，然後手動替換掉這個資料夾裡的檔案，再叫 AI「用現有的配音重跑第 4-6 步」（剪接、燒字幕、上傳）。這樣成品就是你自己的聲音+ AI 幫你錄的畫面+ AI 幫你打的字幕。反過來如果你只要腳本、自己剪片，跑到第 1 步拿到 script.md 就好，其他步驟叫 AI 別做。
版權音樂怎麼辦？我想加背景音樂
管線不處理背景音樂——它只放旁白，沒有音樂軌。你有三個選擇：（a）成品出來後用手機 CapCut 或桌面 iMovie 加背景音樂（建議法）；（b）改 pitch_video skill 的 ffmpeg 參數塞一軌 -i background.mp3（進階，別剛入門就動）；（c）YouTube 影片直接用 YouTube Audio Library 的免費音樂（上傳後在 YouTube 編輯器加）。重要提醒：無版權音樂要真的無版權——「聽起來很像 XXX」不算，被 YouTube 判斷侵權會被消音或收益被拿走。免費庫例如 YouTube Audio Library、Free Music Archive、Pixabay Music。
成品解析度可以調嗎？我想要 4K
可以，改 pitch_video skill 的 ffmpeg 參數即可（scale=3840:2160）。但先想清楚有沒有必要：（1）Playwright 錄畫面來源如果是 1080p 瀏覽器視窗，強拉到 4K 只是把畫素放大，並不會「變清楚」；（2）4K 檔案巨大——一支 3 分鐘影片可能 500MB-1GB，上傳、分享、Line 傳都痛苦；（3）多數人手機看 1080p 已經很好。比較實用：把來源瀏覽器視窗設成 1440p（viewport: 2560x1440），輸出仍是 1080p，這樣畫面元素比較大、字比較清楚——比追 4K 有意義。
我可以只用管線做配音，不要影片嗎？（Podcast 用途）
可以，但這條影片 skill 本來就是「影片」導向。想做 Podcast 建議直接叫 edge-tts——這個工具本身能單獨用；在 ttyd 終端跑 /data/pi-agent/venv/bin/edge-tts --voice zh-TW-HsiaoChenNeural --text "你的稿" --write-media out.mp3 就吐一段 MP3。或者你就跑影片 skill 一次，拿產物裡的音檔用就好，剪接階段的畫面成品當副產物丟掉。未來 pi-agent 生態可能會出專門的 podcast skill，關注官方 changelog。
做出來的影片可以直接上 YouTube 賺錢嗎？
技術上可以上傳，能不能賺錢牽涉三件事：（1）AI 揭露——YouTube 從 2024 起要求 AI 生成的合成內容要在描述標示，不標可能被限流；（2）頻道要達 YouTube 開放收益的門檻（訂閱 1000+ 加上收看時數，跟 AI 沒關係）；（3）內容原創性——AI 生成的內容 YouTube 有時判定為「大量產製、低價值」（AI Slop），會不能開收益。結論：純 AI 產影片衝流量很難成功；把管線當「輔助工具」（AI 出草稿、你人工優化、加你自己觀點），比較有可能成事。
做出來的成品在 Line 上朋友看得到嗎？
看得到。Line 支援 MP4，管線輸出就是 MP4。但注意兩件事：（1）Line 對影片有大小限制（一般約 200MB），管線輸出 1080p 一支 90 秒大概 20-40MB，遠遠夠用；（2）Line 訊息串上的影片預設是靜音播放，這也是為什麼字幕燒進畫面很重要——不是外掛字幕，是燒進畫面的那種——沒有燒的話滑過去沒人知道你在講什麼。管線預設就是燒字幕，這一步別關掉。
我沒有 GPU，這條管線跑得動嗎？
跑得動，管線完全用 CPU 就能跑——Playwright 錄畫面、ffmpeg 剪接都不需要 GPU（不像那些「AI 生成影片」服務要 H100 顯卡）。需求是這樣：CPU 至少雙核（現代的 Pi 4/Pi 5、任何 x86 mini PC 都行）、記憶體 2GB 以上（Pi 4 4GB 版舒服、8GB 版更舒服）。跑不動的機型：Pi 3 或者太舊的 mini PC（賽揚 J1900 之類）可能會慢到不能用。跑的時候 CPU 會滿載幾分鐘——這是正常的，跑完就恢復。
字幕支援中英雙語嗎？
預設是一種語言。雙語做法：跑完後拿 subtitles.srt 檔用 Google 翻譯（或叫你 pi-agent 裡的 AI 翻譯）成英文版，另存成 subtitles.en.srt，上傳到 YouTube 時附上就有雙語字幕可切換。燒進畫面的雙語（同時顯示中英）要改 pitch_video skill 的字幕產生邏輯，屬於進階客製；剛入門建議先靠 YouTube 平台的多語字幕功能就好。
如果我改壞了 skill config，怎麼還原？
最保險：改前先備份設定檔（用 File Editor 開檔 → 另存 .bak）。壞了直接把 .bak 改回去。如果連 .bak 也忘了：多數 skill 會在自己的 repo 附一份預設設定（檔名常見的有 config.yaml / config.default.yaml / SKILL.md 內嵌範例，實際看你裝的版本），照原檔抄回去即可。實在都沒了就把整個 /data/pi-agent/skills/<skill 名稱>/ 刪掉，用第 15 章的方法重裝一次——skill 本體通常只有幾 MB，重裝很快，只是你要重新設一些偏好。