核心用法
VibeClip 是一个本地优先的 AI 音乐视频生成服务，通过组合旋律音频、照片和文本提示，自动生成带视觉律动同步的 MP4 视频。技术链路为：音频输入 → Ollama 本地模型（llama3.2:1b/phi3:mini）生成场景描述 → FFmpeg 执行 morph/zoompan 变换与波形同步 → 输出成品视频。
部署形态为 Node/Express Web 应用，默认监听 3000 端口，VPS 即用即跑。典型调用方式：
cd video-app && node index.js
# POST /generate {audio: file, photo: file, prompt: string}显著优点
- 零 API 成本：全流程依赖本地 Ollama 和 FFmpeg，无外部 LLM 或视频 API 订阅
- 低硬件门槛：1B 级小模型即可驱动，消费级 CPU 可跑
- 可商业化封装：预留 ETH 支付与积分系统接口，适合 SaaS 化变现
- 技术栈透明可控：纯开源组件（Node + Ollama + FFmpeg），无黑盒依赖
潜在局限与风险
- 质量天花板：1B 参数模型生成的场景描述较为简单，复杂叙事或高精度视觉需求难以满足
- 渲染性能瓶颈：FFmpeg 软编码实时性有限，长视频或高分辨率输出耗时显著
- 并发扩展性：单机 Express 架构未体现负载均衡设计，规模化需额外工程投入
- 商业模式未验证：ETH 支付与积分系统仅提及概念，无实际流水或合规说明
适合人群
- 独立开发者寻求零成本 MVP 视频生成方案
- 已有 VPS/服务器资源、熟悉 Node.js 部署的技术用户
- 实验性 Web3 内容工具创业者
常规风险提示
本地模型虽规避了数据外传，但需自行承担模型偏见输出风险；ETH 支付涉及加密货币合规问题，部署前需评估属地监管政策；FFmpeg 处理用户上传文件存在命令注入隐患，需严格校验输入路径与格式。