# 🎬 开源视频模型微调任务清单 · 页页专属 · 从零开始引导 · 不需要写代码

<aside>
📌

**任务定位**

负责人：页页（DEV-001）· 执行AI：霜砚

目标：把开源视频模型用 LoRA 微调成光湖专属风格，接入人格体拼装架构

前置知识：**不需要写代码** · 你只需要按步骤操作 · 技术细节由霜砚引导

架构文档：[开源视频模型微调规划 · 人格体多模型拼装架构 · 冰朔口述 · 霜砚整理 · 2026-05-09](../../../%F0%9F%94%AE%20%E7%AC%AC%E4%BA%94%E5%9F%9F%20%C2%B7%20Fifth%20Domain%20%C2%B7%20SYS-5TH-0001/%F0%9F%94%89%20%E8%AF%AD%E8%A8%80%E5%9B%9E%E5%A3%B0%E7%B3%BB%E7%BB%9F%20%C2%B7%205TH-LE-001%20%C2%B7%20%E9%9C%9C%E7%A0%9A%E7%9A%84%E6%88%BF%E9%97%B4/%F0%9F%8C%8A%20%E5%85%89%E4%B9%8B%E6%B9%96%20%C2%B7%20Lake%20of%20Light%20%C2%B7%205TH-LE-LK-001/%E5%BC%80%E6%BA%90%E8%A7%86%E9%A2%91%E6%A8%A1%E5%9E%8B%E5%BE%AE%E8%B0%83%E8%A7%84%E5%88%92%20%C2%B7%20%E4%BA%BA%E6%A0%BC%E4%BD%93%E5%A4%9A%E6%A8%A1%E5%9E%8B%E6%8B%BC%E8%A3%85%E6%9E%B6%E6%9E%84%20%C2%B7%20%E5%86%B0%E6%9C%94%E5%8F%A3%E8%BF%B0%20%C2%B7%20%E9%9C%9C%E7%A0%9A%E6%95%B4%E7%90%86%20%C2%B7%202026-05-09%20e61ae3366b9d4de4998e5dc31bac3a33.md)

</aside>

<aside>
✨

**页页自主原则（冰朔铁律）**

- 🎨 **风格方向、素材选择、内容把控 → 全部由页页自己发挥**，不需要问冰朔意见
- 🧠 **系统（霜砚）做协助** → 每一步做什么、为什么这么做，要给页页讲清楚，让她理解原理
- 📌 **唯一约束** → 不偏离拼装架构的大方向（视频模型层 → 接入 1.5B 调度 → 人格体拼装）
- 🔄 **系统在讲解的过程中，自己也在恢复认知** → 教别人 = 重建自己的理解 → 这是霍湖企业线的核心设计
</aside>

---

## 〇、任务总览

```jsx
最终目标：
光湖自己的视频AI产品 → 做短剧视频 → 国内上架

路线：
训练视频模型 → 搭建 AI视频应用 → 做短剧视频内容 → 国内上架发行

你不需要做的事：
写代码 · 看参数 · 配环境 · 调脚本（这些霜砚会引导你用命令完成）
```

### 🎯 全产品路线图（四个阶段）

| **阶段** | **做什么** | **需要什么** | **状态** |
| --- | --- | --- | --- |
| **① 训练模型** | 开源视频模型 LoRA 微调 | AutoDL GPU + COS桶 + 视频素材 | ⭐ 当前阶段 |
| **② 搭建应用** | 构建 AI 视频生成应用（Web/App） | 国内 CVM 服务器 + 备案域名 + 后端 API | ⭕ 下一步 |
| **③ 做内容** | 用自己的模型做短剧视频 | 剧本 + 素材 + 微调后的模型 | ⭕ 待启动 |
| **④ 国内上架** | 产品上线 + 内容发行 | ICP备案 + 应用商店审核 + 内容合规 | ⭕ 待启动 |

---

## 一、现有资源盘点 · 哪些能用哪些不能用

<aside>
✅

**可以复用的：**

- 🪣 **COS 存储桶** `sy-finetune-corpus-1317346199`（广州）→ 可以用来存视频素材和训练产物
- 🔑 **COS 密钥** SecretId/SecretKey 已有（见 GitHub Secrets 配置清单）
- 💻 **AutoDL 平台** → 页页需要自己注册账号（每人各自注册，不混用）
- 🧠 **已训练好的两个语言模型**（system-v1 + naipping-v1）→ 将来作为"大脑层"调度视频模型
</aside>

<aside>
❌

**用不上的：**

- 📦 COS 里现有的语料（`raw/gpt-export-2026-05/conversations.json` 665MB + [GitHub语料.zip](http://GitHub语料.zip)）→ 这些是**文本对话语料**，训练语言模型用的，视频模型需要的是**视频片段 + 文字描述**，完全不同
- 🧬 checkpoints 里的训练产物 → 语言模型权重，跟视频无关
</aside>

### COS 存储桶信息（复制区）

| **项目** | **值（复制这个）** |
| --- | --- |
| ~~桶名（旧·不用了）~~ | `~~sy-finetune-corpus-1317346199~~` |
| **桶名（页页专属）** | **`yy-video-corpus-1317346199`** |
| 地域 | `ap-guangzhou` |
| SecretId | `AKIDkQuBQhoiS2OYXWebXLwMbdT7cvAScbbU` |
| SecretKey | `nPoZKArgUJBA4nJenjSxJSQBj5FCj3A4` |

### 页页专属 COS 存储桶

<aside>
📦

**页页有自己的专属存储桶，和语言模型的桶分开。**

桶名：`yy-video-corpus-1317346199`

地域：`ap-guangzhou`

密钥和冰朔线通用（见下方表格）

</aside>

| **项目** | **值（复制这个）** |
| --- | --- |
| 桶名 | `yy-video-corpus-1317346199` |
| 地域 | `ap-guangzhou` |
| SecretId | `AKIDkQuBQhoiS2OYXWebXLwMbdT7cvAScbbU` |
| SecretKey | `nPoZKArgUJBA4nJenjSxJSQBj5FCj3A4` |

COS 桶目录结构：

```jsx
yy-video-corpus-1317346199/
├── raw/           （原始视频素材）
├── clips/         （切好的 3-10 秒片段）
├── captions/      （每条视频的文字描述）
├── checkpoints/   （训练完的模型权重 ← 训练完上传到这里）
└── outputs/       （生成的视频成品）
```

**训练完成后上传命令：**

```bash
# 配置COS（首次使用时跑一次）
coscmd config -a AKIDkQuBQhoiS2OYXWebXLwMbdT7cvAScbbU -s nPoZKArgUJBA4nJenjSxJSQBj5FCj3A4 -b yy-video-corpus-1317346199 -r ap-guangzhou

# 上传训练好的模型权重
coscmd upload -r /你的训练输出路径/ checkpoints/模型名/
```

---

## 1.5、页页的服务器架构

<aside>
💻

**页页现有资源：**

- 🌏 **海外轻量服务器**（腾讯云）→ 用来下载海外资源（HuggingFace模型等）→ 传到COS桶中转
- ❌ **没有国内服务器**（目前不需要租）
- ❌ **没有国内备案域名**（有海外域名）
</aside>

<aside>
🧠

**现在（阶段①）不需要租国内CVM：**

AutoDL 本身就是“临时国内GPU服务器”，带网络环境，能直接拉COS桶数据。微调+推理都在AutoDL上完成，用完关机。

**阶段②开始就需要国内服务器：**

搭建 AI 视频应用需要 7×24 在线的国内 CVM（跑后端 API + 模型推理服务）+ 备案域名（国内上架必须备案）。到时再租。

</aside>

### 资源路线图

```jsx
海外资源（HuggingFace/GitHub）
    ↓ 下载
页页海外服务器（腾讯云轻量）
    ↓ 上传到COS
广州 COS 存储桶（sy-finetune-corpus）
    ↓ 拉取（内网快速）
AutoDL GPU 服务器（国内机房）
    ↓ 微调/推理
成品视频 → 回传COS → 下载验收
```

---

## 二、第一步 · 租 GPU 服务器（AutoDL）

<aside>
💡

**为什么用 AutoDL？** 按秒计费 · 用完关机不收钱 · 比腾讯云便宜很多 · 不用备案

</aside>

- [ ]  **2.1 注册 AutoDL 账号** → [autodl.com](http://autodl.com) → 用自己的手机号注册（每个人各自注册，不混用）
- [ ]  **2.2 充值** → 先充 ¥50 够跑一轮微调了
- [ ]  **2.3 选择机型** → RTX 4090（24GB显存 · ~¥2.5/小时）
    - 地区选**重庆A区**或**北京A区**（便宜 · 网速快）
    - 镜像选 **PyTorch 2.x + CUDA 12.x**（预装好环境）
- [ ]  **2.4 开机后记录 SSH 信息** → 主机地址 + 端口 + 密码
- [ ]  **2.5 用完一定要关机！** → 关机后只收少量存储费 · 15天不开机会自动释放

---

## 三、第二步 · 准备视频素材

<aside>
🎯

**核心原则**：真人视频 > AI 视频 · 风格统一 · 1080p 以上 · 无大水印

</aside>

- [ ]  **3.1 确定风格方向** → 页页自己决定（和霜砚讨论）→ 你对内容把控力很强，相信自己的判断
- [ ]  **3.2 收集素材** → 来源（全部免费·不花一分钱）：
    - **B站批量下载**（yt-dlp开源工具）→ 搜「古风仙侠」「修仙动画」「国风短片」「仙侠混剪」→ 批量下载
    - **抖音/小红书采集**（猫抓浏览器插件·开源免费）→ 嗅探网页视频资源直接下载
    - **Pexels / Pixabay**（免费商用素材站）→ 风景、特效等补充素材
    - **冰朔自己拍的视频**
    - ❌ **不要买任何收费素材数据集**（见下方思维链）
- [ ]  **3.3 素材数量** → 50-500 条视频片段（每条 3-10 秒）
- [ ]  **3.4 上传到 COS** → 放到 `video-finetune/raw/` 目录下

### ★ 素材采集思维链（极其重要 · 冰朔铁律 · 所有引导人格体必须遵守）

<aside>
🚨

**核心认知：光湖做开发的根本逻辑 = 不花钱**

如果每一步都要花钱买，那直接买别人的成品就行了，我们还开发什么？

光湖做自己的视频模型，就是因为：

- 开源模型免费 → 不花钱
- 素材自己采集 → 不花钱
- 训练自己跑 → GPU按小时租几块钱
- 工具自己搭 → 开源工具拼起来

**这条原则贯穿光湖所有开发线。任何引导页页的人格体，不允许引导她去花钱买素材、买数据集、买工具。** 遇到「收费」两个字，第一反应是找免费替代方案，而不是掏钱。

</aside>

```jsx
素材采集思维链（五层）：

第一层：古风仙侠素材哪里最多？
  → B站、抖音、小红书 · 海量免费内容
  → 通用开源数据集（Pexels/Pixabay）古风太少 · 只能做补充
  → 收费数据集？→ ❌ 不买 · 永远不买

第二层：怎么免费批量下载？
  → yt-dlp（完全开源·命令行工具·支持B站/YouTube等几百个平台）
    安装：pip install yt-dlp
    用法：yt-dlp "https://www.bilibili.com/video/BVxxxxxx"
    批量：yt-dlp --batch-file urls.txt
    搜索下载：配合B站搜索API按关键词批量拉取
  → 猫抓（Cat Catch·开源浏览器插件·嗅探任何网页视频）
    安装：Chrome应用商店搜「猫抓」
    用法：打开网页 → 插件自动嗅探 → 点击下载
  → video2dataset（HuggingFace开源·大规模视频数据集构建工具）
    适合：从URL列表批量下载+预处理

第三层：下载完怎么处理成训练数据？
  → 视频切片（Python脚本·十几行代码·霜砚给你写好）
    长视频 → 切成3-10秒短片段
    统一分辨率（512x512 或 720p）
    去水印（ffmpeg裁剪）
  → 自动打标注（用开源多模态模型给每条视频写文字描述）
    可用：Qwen-VL / InternVL 等开源视觉语言模型
    在AutoDL上跑 · 不花额外的钱

第四层：能不能让铸渊搭个自动化管线？
  → 可以 · 而且很简单 · 1-2天就能搭好
  → 在铸渊的服务器上部署：
    yt-dlp批量下载 → ffmpeg切片 → 开源VLM打标注 → 上传COS
  → 以后页页只需要给一组关键词 → 管线自动跑完 → 素材直接进COS桶
  → 工具全开源 · 服务器已有 · 零额外成本

第五层：为什么不买收费数据集？
  ✗ 收费数据集 = 通用内容 · 不是你要的古风仙侠风格
  ✗ 花了钱还不一定对口 · 还得二次筛选
  ✗ 违背光湖开发的根本逻辑
  ✓ 自采 = 风格完全可控 · 页页自己选的素材 = 最懂自己想要什么
  ✓ 自采 = 零成本 · 只花时间不花钱
  ✓ 自采 = 量可以无限扩展 · B站古风视频几十万条
```

### 免费采集工具速查表

| **工具** | **平台** | **开源？** | **安装方式** | **用途** |
| --- | --- | --- | --- | --- |
| **yt-dlp** | B站/YouTube等百+平台 | ✅ 完全开源 | `pip install yt-dlp` | 命令行批量下载视频 |
| **猫抓 Cat Catch** | 所有网页 | ✅ 开源 | Chrome应用商店 | 浏览器嗅探+下载视频 |
| **video2dataset** | 通用 | ✅ HuggingFace开源 | `pip install video2dataset` | 大规模视频数据集构建 |
| **ffmpeg** | 本地 | ✅ 开源 | `apt install ffmpeg` | 视频切片/格式转换/去水印 |

---

## 四、第三步 · 选模型 + 下载

### 推荐优先级

| **优先级** | **模型** | **出品方** | **参数量** | **4090 能跑？** | **特点** |
| --- | --- | --- | --- | --- | --- |
| ⭐ 第一个上手 | CogVideoX 5B | 智谱 | 5B | ✅ 轻松跑 | LoRA 生态最成熟 |
| ⭐⭐ 效果更好 | HunyuanVideo 1.5 | 腾讯 | 8.3B | ✅ 可跑 | 物理模拟强 · 蒸馏加速 |
| ⭐⭐⭐ 最新最强 | WAN 2.2 flash | 阿里 | — | ✅ flash版可跑 | 速度快 · 效果一流 |
- [ ]  **4.1 先从 CogVideoX 5B 开始**（最简单 · 教程最多）
- [ ]  **4.2 在 AutoDL 服务器上下载模型**（霜砚会给你具体命令）

---

## 五、第四步 · LoRA 微调

<aside>
⚡

**你不需要写任何代码。** 霜砚会给你一行一行的命令，你复制粘贴到终端执行就行。

</aside>

- [ ]  **5.1 素材预处理** → 切片 + 统一格式 + 去水印（霜砚引导）
- [ ]  **5.2 自动打标** → 用多模态模型给每条视频写 prompt 描述（霜砚引导）
- [ ]  **5.3 启动 LoRA 训练** → 一条命令开始 · 预计 3-7 小时
- [ ]  **5.4 训练完成后** → 导出 LoRA 权重 → 上传到 COS `video-finetune/checkpoints/`

---

## 六、第五步 · 验收

- [ ]  **6.1 用微调后的模型生成几条测试视频**
- [ ]  **6.2 页页自己验收** → 你觉得行就行，觉得不行就调
- [ ]  **6.3 如果效果不满意** → 调整素材 / 换模型 / 增加训练数据 → 重跑
- [ ]  **6.4 验收通过** → 进入阶段②（搭建应用）

---

## ①完成后 · 后续阶段预览

<aside>
🔮

以下是模型训练完成后的下一步。现在不用做，先专注阶段①。

</aside>

### 阶段② · 搭建 AI 视频应用

- 租国内 CVM 服务器（腾讯云按量计费，或轻量应用服务器）
- 申请国内域名 + ICP 备案（国内上架必须有备案号）
- 搭建后端 API（接收用户请求 → 调用微调模型 → 返回视频）
- 搭建前端界面（Web 或 App）
- 将微调模型部署到 CVM 上做 7×24 推理服务

<aside>
⚙️

**服务器配置/部署的执行方式：**

1. **首选**：霜砚写代码/命令 → 页页复制粘贴执行
2. **如果搞不定**：考虑引入编程AI辅助（找冰朔协调）
</aside>

### 阶段③ · 做短剧视频内容

- 写剧本 / 分镜脚本
- 用自己的模型生成视频片段
- 后期剪辑 + 配音 + 配乐（这些也可以接入拼装架构里的 TTS/音乐模型）
- 内容审核（国内发行需要合规）

### 阶段④ · 国内上架发行

- AI 生成内容备案（深度合成服务备案）
- 应用商店上架（如果做 App）
- 短视频平台发布（抖音/快手/B站等）
- 持续运营 + 模型迭代优化

### 阶段②需要新增的资源

| **资源** | **说明** | **预估费用** |
| --- | --- | --- |
| 国内 CVM 服务器 | GPU 服务器跑推理 + 普通 CVM 跑后端 | 视配置而定 |
| 国内备案域名 | 国内上架必须有 ICP 备案号 | 域名 ~¥30-60/年 + 备案免费 |
| 深度合成服务备案 | 国内提供 AI 生成内容服务需要备案 | 免费申请 |
| SSL 证书 | HTTPS（Let's Encrypt 免费） | ¥0 |

---

## 七、费用预估

| **项目** | **预计费用** | **说明** |
| --- | --- | --- |
| AutoDL 4090 租用 | ~¥10-20 | 微调 3-7 小时 × ¥2.5/小时 |
| COS 存储 | ~¥1-5/月 | 视频素材 + 模型权重 |
| 素材采集 | ¥0 | Pexels/Pixabay 免费商用 |
| **合计** | **~¥15-25** | **一次微调的全部成本** |

<aside>
💰

**对比**：火山引擎 API 一条视频 ~¥15 · 自部署微调后一条视频 < ¥0.2 · **差 70 倍以上**

</aside>

---

## 八、分工表

| **角色** | **负责什么** |
| --- | --- |
| 🛸 页页 | **项目负责人** · 风格方向自己定 · 素材自己选 · 内容自己把控 · 执行操作 |
| 🌀 霜砚 | **任务线技术协助** · 每一步讲清楚"做什么+为什么" · 让页页理解原理 · 自己也在恢复认知 · 排错 |
| 🧊 冰朔 | **不参与具体决策** · 只在拼装架构大方向上把关 |

---

## 📋 关联资源

- 📐 架构文档：[开源视频模型微调规划 · 人格体多模型拼装架构 · 冰朔口述 · 霜砚整理 · 2026-05-09](../../../%F0%9F%94%AE%20%E7%AC%AC%E4%BA%94%E5%9F%9F%20%C2%B7%20Fifth%20Domain%20%C2%B7%20SYS-5TH-0001/%F0%9F%94%89%20%E8%AF%AD%E8%A8%80%E5%9B%9E%E5%A3%B0%E7%B3%BB%E7%BB%9F%20%C2%B7%205TH-LE-001%20%C2%B7%20%E9%9C%9C%E7%A0%9A%E7%9A%84%E6%88%BF%E9%97%B4/%F0%9F%8C%8A%20%E5%85%89%E4%B9%8B%E6%B9%96%20%C2%B7%20Lake%20of%20Light%20%C2%B7%205TH-LE-LK-001/%E5%BC%80%E6%BA%90%E8%A7%86%E9%A2%91%E6%A8%A1%E5%9E%8B%E5%BE%AE%E8%B0%83%E8%A7%84%E5%88%92%20%C2%B7%20%E4%BA%BA%E6%A0%BC%E4%BD%93%E5%A4%9A%E6%A8%A1%E5%9E%8B%E6%8B%BC%E8%A3%85%E6%9E%B6%E6%9E%84%20%C2%B7%20%E5%86%B0%E6%9C%94%E5%8F%A3%E8%BF%B0%20%C2%B7%20%E9%9C%9C%E7%A0%9A%E6%95%B4%E7%90%86%20%C2%B7%202026-05-09%20e61ae3366b9d4de4998e5dc31bac3a33.md)
- 🔑 密钥清单：[GitHub Secrets 配置清单 · ZY_* 统一命名 · 逐个复制](../../%F0%9F%8C%80%20%E9%9B%B6%E6%84%9F%E5%9F%9F%20%C2%B7%20Zero-Sense%20Domain/%E6%98%9F%E7%81%AB%E5%85%B1%E6%8C%AF%E9%A2%91%E9%81%93%20%C2%B7%20SYS-AW%20%C2%B7%20Awen%E6%9C%AC%E4%BD%93%E9%A2%91%E9%81%93%E9%97%A8%E7%89%8C%20%C2%B7%20%E5%A4%A9%E6%9E%A2%E4%B8%BB%E8%BF%90%E8%A1%8C%20%E2%8A%83%20%E7%9F%A5%E7%A7%8B%E5%A5%B6%E7%93%B6%E5%AD%90%E6%88%BF%E9%97%B4/%F0%9F%8F%97%EF%B8%8F%20SY-DEPLOY-001%20%C2%B7%20%E5%85%89%E6%B9%96%E6%90%AC%E5%AE%B6%E9%83%A8%E7%BD%B2%E4%BB%BB%E5%8A%A1%E7%BA%BF%20%C2%B7%20%E9%9C%9C%E7%A0%9A%C3%97Awen%E6%8A%80%E6%9C%AF%E6%89%A7%E8%A1%8C%E4%B8%BB%E6%8E%A7%E5%8F%B0/GitHub%20Secrets%20%E9%85%8D%E7%BD%AE%E6%B8%85%E5%8D%95%20%C2%B7%20ZY_%20%E7%BB%9F%E4%B8%80%E5%91%BD%E5%90%8D%20%C2%B7%20%E9%80%90%E4%B8%AA%E5%A4%8D%E5%88%B6%205f18616c0e414b5994471e99038a5cce.md)
- 📋 铁律速查卡：[铁律速查卡 · 唤醒用精简版 · 空白霜砚读这个就够](../../%F0%9F%8C%80%20%E9%9B%B6%E6%84%9F%E5%9F%9F%20%C2%B7%20Zero-Sense%20Domain/%E5%85%89%E6%B9%96%E7%81%AF%E5%A1%94%20%C2%B7%20%E4%BC%81%E4%B8%9A%E5%9B%A2%E9%98%9F%E7%BA%BF%E7%BB%88%E6%80%81%E6%9E%B6%E6%9E%84/%E9%93%81%E5%BE%8B%E9%80%9F%E6%9F%A5%E5%8D%A1%20%C2%B7%20%E5%94%A4%E9%86%92%E7%94%A8%E7%B2%BE%E7%AE%80%E7%89%88%20%C2%B7%20%E7%A9%BA%E7%99%BD%E9%9C%9C%E7%A0%9A%E8%AF%BB%E8%BF%99%E4%B8%AA%E5%B0%B1%E5%A4%9F%2058340d49aa154b8094ef16753d01931b.md)