现在的文章生成的视频，多用文章匹配图片，把图片组合成视频。效果很不好。
想了一下，用视频组合成视频的方案。
首先抓取互联网海量图片，给每张图片加上关键词索引。这是基础数据库。
然后抓取互联网海量视频，把每个视频切分为3秒超短视频。给每个视频建立关键词索引。这里关键是关键词索引怎么得到。
把3秒视频切分为30张小图片，每张小图片匹配之前的图片关键词索引。得到每张小图片的关键词。把30张小图片关键词组合为3秒短视频关键词索引。
这样得到每个视频的关键词索引。

现在用户输入文章，首先切分文章标签，可以根据标签查询得到可能对应的短视频，再把短视频拼接为长视频。
这样应该可以实现文章生成动态视频效果。

这里，得到的效果必然是不尽如人意，只能是比现在的效果好一点。

所以需要预先对图片性质分组，对用户输入的文章性质进行识别。这又要进行海量文章的获取即标签分组，比如法律文书，公务文书，影视评测，词性就不一样。

考虑到成本，难怪现在图片识别api价格不低了。
不过其中也可以引申出其他收费项目，比如文本纠错服务。