他把参考剪到12.8秒，成本也降了

有人上传一张照片，等大约4分钟，就能拿到一段约13秒的赛车恶搞视频，还配着原创背景音乐。这个叫 MemeMotion 的小站只做一件事，没有提示词输入框，用户选好照片付钱，剩下的全部固定在服务器上。

作者把整个搭建过程写成了日志，包括管线怎么跑、哪些环节比看起来难、以及哪些错误让他不得不重跑。他声明没有跑分数据，只有一个数据点的地方会直接说明。MemeMotion 是非官方的，与 TikTok、原视频创作者以及 Crazy Frog 版权方均无关联，动作参考来自 @wdmowski 的原帖，原片版权归其创作者所有。

先定约束，再写代码

动手之前，作者给自己划了几条线：一个模板、一个按钮，没有提示词框；按视频付费，不做订阅，一个积分换一条视频，套餐为 7.99美元1条、14.99美元2条、27.99美元4条，一次性付款；生成前必须用谷歌账号登录，任务、积分和下载都归属账户；成品视频和源照片在任务完成7天后删除；绝不为做不成的事收费，先检查照片再扣钱，生成失败自动退款。

整条管线跑在一个 Cloudflare Worker 里：D1 存用户、任务和积分账本，R2 存照片、参考素材和输出，一个队列的生产者/消费者处理任务，两个定时触发器负责清扫和清理。

扣钱之前先看脸

模型需要一张清晰的正脸。如果传的是合影或侧脸照，照样会扣费，结果还很差。所以第一件事是在动任何积分或预算之前跑一个便宜的检查：画面里恰好一张、大致正面的脸。

Worker 没法在进程内跑人脸关键点模型，作者也不想为这个再引入一家供应商，于是检查用的是同一家供应商上的一个小视觉模型。代码注释写得很直白：扣费前的照片检查，恰好一张、大致正面的脸，在任何积分或预算被动用之前运行。

两个细节在实践中很关键：太小的脸框通常是海报或背景里的人脸，所以小于画面 1.5% 的框会被忽略；如果检查服务本身报错，请求按失败关闭处理，返回 503 且不扣任何费用。悄悄放行意味着为大概率失败的任务收费。

参考片段本身就是产品。这是一个视频到视频的任务：固定的动作参考加上用户的照片。把参考素材弄对，占了大部分工作量。参考素材私密存放在 R2，通过短时效签名链接交给模型，绝不作为公开素材出现在站内，页面只展示用虚构人物做出的成品，并标注原帖出处。

作者在原型阶段换过不止一个模型，代码里至今留着三家供应商的开关，默认是一个重铸风格的模型，保留参考素材的运镜、节奏和姿态，把照片里的人换进去。它按输出秒数计费，输出长度等于参考长度，这就引出了整个项目里最有用的一个 bug。

那个毁掉身份的近距离镜头

最早的成品在大部分片段里看着都对，但最后1到2秒，脸会从上传的照片漂移回模板素材里的那个人。原因是参考素材的结尾：镜头快速近距离掠过，带着严重的运动模糊。在那个镜头里，模型几乎没有清晰的东西可以锚定新脸，于是退回到了它在参考里能看到的那个人。

修复不需要任何付费重跑。作者把参考素材剪掉，让那个镜头消失，代码里把重铸参考时长定为 12.8秒，并收紧提示词，要求照片里的人“在每一个镜头里，包括任何镜头近距离掠过时”都保持是骑手。

一个副作用：计费跟着输出长度走，参考变短也让每条视频更便宜。这也是站点写“约13秒”而不是15秒的原因。

因为管线假设输出长度等于参考长度，运行器会检查这一点，容差故意设得很小。同一个模块还会在需要时把 MP4 的时间表重写为恒定帧率，并有一个名为“接受小的编码器漂移，拒绝被缩短或拉长的片段”的测试。短了一秒的片段会破坏下一步的音乐同步，所以最好在这里就拦住。

不管返回什么音频都不能发出去。参考素材在准备时已经去掉了音频，但作者不单独信任这一点，所以有一个小的 MP4 盒子遍历器，从结果里丢掉音轨并把孤立的采样字节清零。注释写明：参考片段的音频不得随成品发布，如果文件不是能证明静音的 MP4，调用方应拒绝存储。

音乐是为站点生成的原创背景音，不是任何现有歌曲，私密存在 R2，通过一个托管的 ffmpeg 合并端点合入。省掉所有滤镜工作的技巧是：音轨被剪到 13.0秒，带一个在 12.8秒结束的0.5秒淡出，正好是片段长度，合并永远不会在淡出中途切断音乐。混流是尽力而为，失败的话任务仍以静音版本成功。用户两个版本都拿到：默认带音乐，另有一份静音拷贝，因为有些平台希望你在应用内自己加声音。

钱、队列和退款

这是作者建议任何做付费生成器的人最先设计好的部分。每个用户同时只有一个活跃任务，靠 D1 里活跃任务的唯一索引强制。如果有人在一条视频还在跑时又付了钱，会被扣费并停为等待名额，等前一个任务结束或定时清扫时启动；如果永远无法启动，积分只退一次。

还有站点级的每日支出上限。生成按输出秒数花真金白银，所以有供应商支出的每日上限，外加每用户每日限额。到达上限时，新任务停为等待预算，不扣积分也不预留预算，定时任务在预算释放后按最旧优先提升停驻任务。支出越过阈值时，每天发一次管理员告警。

失败会被分类，而不是盲目重试：供应商的审核拒绝是终局，绝不重新提交，退还积分，给用户一条平实的消息；其他失败最多自动重跑一次，用新的幂等键，避免供应商把它去重到失败请求上，然后退款；退款按任务去重，重试风暴不会退两次。提交也绝不意外做两次：提交时的网络失败不代表任务没被创建，在第二次提交之前，运行器会查找该任务已有的请求，状态检查失败绝不触发提交。

任务完成后，用户收到一封“就绪”邮件或一封“失败”邮件，视频在账户里。分享面板链接到站点而不是视频，视频在用户自己发布文件之前保持私密；在手机上，TikTok 和 Instagram 走原生分享面板，带下载兜底。留存由代码强制而非政策文本：任务完成时设置 7天后过期，清理任务从 R2 删除成品和原始照片，失败或从未完成的任务在创建7天后清理。

作者列了几条会改的做法：调提示词之前逐镜头看参考素材，最大的质量修复就是去掉参考里的一个镜头，而且没花钱；从第一天起就把输出长度做成服务器常量，文案里写了一阵子“15秒”，参考一变就得改遍所有地方；先写退款路径再写正常路径，停驻、一次重跑和按任务去重，当成状态机来推理比打补丁容易得多；保持单一事实来源，价格放在一个 JSON 目录里，Stripe 和界面都读它，文案和结账就不会漂移。

能站得住的数字只有三个：输出约13秒，参考是12.80秒；完成时间约4分钟，这来自第一个线上任务，是单个数据点而非平均值；留存7天。