后台会上传一批图片、视频、音频、文案素材。
视频没有剧情、甚至也没有完整的相关性。
可能是风景、车景（车行驶时车外的风景或者车内的景饰品）布娃娃、花、猫、商场等元素。
第一阶段需求：
1、将文案写到视频上，只是写上去不用念出来。
2、将音频配到视频上去
3、然后比如说上传了20个视频，20个文案，20个配音。需要可以生成N多个成品。
这里有两种方式，简单的一种是N=20*20*20。复杂的一种是20个视频素材用代码处理成远大于20个不同的视频，这里的不同是指抖音、快手识别为不同的视频元素。

第二阶段需求：
利用生成图片、生成视频的AI平台的API接口，直接用文字生成素材。且生成的素材不能是一眼假的这种，最好是一个提示词能生成N多条素材的这种。