核心用法
AI Music Video Generator 是一个自动化音乐视频制作工作流，整合 Suno AI 音乐生成、多模态视觉生成（图像/视频）与 ffmpeg 视频合成。用户通过自然语言描述即可生成完整 MV，支持四种输出模式：纯音乐、幻灯片 MV、AI 视频剪辑 MV、Suno 原生 MV。
典型工作流：
1. 场景规划：基于歌词/情绪生成 8-12 个场景描述的 JSON 文件
2. 音乐生成：调用 Suno API（V4-V5 模型），支持自定义风格、人声性别、负向标签，可选生成原生 MV
3. 视觉生成：通过 Seedream（推荐）、OpenAI、Google/Together 等生成图像或视频片段
4. 自动合成：ffmpeg 组装音画，自动叠加 SRT 歌词字幕，支持淡入淡出等转场
特色功能：
- 🎤 自动生成带时间戳的 SRT 歌词文件
- 🎭 Persona 系统：提取并复用特定人声/风格身份，保持频道一致性
- 💰 Token 级成本追踪：每次生成前
--dry-run预估费用，输出详细成本报告
显著优点
| 维度 | 优势 |
|------|------|
| **成本可控** | Slideshow 模式低至 $0.02，视频模式 $1.40 起，成本透明可预估 |
| **多供应商灵活** | 图像：Seedream/OpenAI/Google；视频：Sora/Seedance/Veo，可按预算/质量切换 |
| **零手动剪辑** | 从创意到成片全自动化，ffmpeg 处理技术细节 |
| **一致性维护** | Persona 系统解决 AI 音乐"换歌换声"问题，适合频道化运营 |
| **多语言原生** | 对韩语提示词优化，支持非英语创作场景 |
潜在局限
- 依赖外部 API 稳定性：Suno、Sora、Seedance 等任一服务故障即中断工作流
- 视觉叙事弱：AI 生成图像/视频缺乏真正的镜头语言设计，复杂叙事需人工干预
prompts.json - 版权灰色地带：Suno 训练数据来源不明，商用存在潜在风险；AI 视频平台条款频繁变更
- 硬件门槛：ffmpeg 合成需要本地环境，无云端渲染选项
- 回调机制简陋：默认使用
localhost/noop作为无操作回调，生产环境需自行搭建端点
适合人群
- 独立音乐人/YouTube 创作者：需要低成本、高频次产出 MV 内容
- AI 内容实验者：探索多模态生成工作流，愿意承担 API 成本
- 小语种音乐市场：韩语等语言的原生支持优于多数欧美中心化工具
常规风险
| 风险类型 | 说明 |
|----------|------|
| **API 密钥泄露** | 需管理 Suno/OpenAI/BytePlus/Together 四个密钥，本地环境存储风险 |
| **成本失控** | 视频模式（如 Sora 2）单次可达 $8，缺乏硬性预算上限 |
| **服务条款变更** | Suno 原生 MV、Sora 视频生成等商业授权政策不稳定 |
| **输出质量波动** | AI 音乐结构重复、视觉素材与歌词错位等需人工校验 |
| **依赖维护** | curl/python3/ffmpeg 版本兼容性，跨平台支持未明确 |