从数据采集到短视频制作：用Python玩转同人角色情感分析

曾经在刷《小马宝莉》同人社区的时候经常会看到类似“Can I get a kiss, sunset?”这样一句话。如果你不了解余晖烁烁Sunset Shimmer这个角色可能会觉得这只是一句粉丝玩笑但如果你追过《小马宝莉小马国女孩》系列就会明白这句话背后其实承载了角色从叛逆到温柔的巨大转变也承载了粉丝对“救赎型角色”天然的偏爱。这篇文章不打算只停留在角色解读层面。既然你点进来了我会用一套可复用的“数据采集 情感分析 词云生成 AI 绘图 短视频制作”工作流带你从技术角度拆解“余晖烁烁 / MLP”这类同人创作主题为什么粉丝会对“Can I get a kiss, sunset?”产生共鸣以及当你想围绕这个主题做图、做视频、做内容分析时应该怎么一步步落地。无论你是《小马宝莉》的老粉还是对同人文化感兴趣的内容创作新手又或者只是想把 Python 数据分析能力用在有趣的题材上这篇文章都适合你。整个流程不需要太高的编程门槛代码部分我会尽量完整给出你只需要按步骤复制运行即可。2. 角色背景余晖烁烁为什么让人想“给一个吻”在开始动手技术操作之前有必要先把这个角色讲清楚因为后续所有数据分析和内容创作都是围绕角色特质展开的。如果不懂角色做出来的内容就容易流于表面。2.1 余晖烁烁是谁余晖烁烁Sunset Shimmer是《小马宝莉》系列中的一个重要配角最初也是一位代表性角色。在《小马宝莉小马国女孩》的时间线里她曾是塞拉斯蒂亚公主的学生因为渴望力量试图夺取 Twilight Sparkle 的王冠被水晶之镜传送到了人类世界。在人类世界里她一度是坎特洛特高中的“校霸”用控制人心的方式维持自己的地位。但随着 Twilight 来到人类世界并和她对抗余晖烁烁经历了从反派到盟友的转变。后来她凭借自己对人类世界和魔法世界的了解多次帮助主角团化解危机成为团队中不可或缺的一员。她的成长线非常清晰从“我要控制一切”变成“我愿意为朋友留下”从害怕被抛弃变成主动保护别人。2.2 为什么“Can I get a kiss, sunset?”会让粉丝兴奋这句话听起来像一句轻浮的搭讪但在同人社区语境里它远远不是字面意思那么简单。粉丝喜欢用这句话表达的是对余晖烁烁形象转变的认可对角色“外表强势、内心柔软”这种反差感的喜爱对同人情感关系的想象与延伸对角色从孤独走向被接纳的一种温柔回应。在粉丝文化里“Can I get a kiss”也可以是一句亲昵的互动梗。它不代表低俗更多是一种同人创作中常见的情感表达。理解了这一点我们后面做的数据分析、AI 绘图、视频脚本才会更贴近粉丝的真实感受。2.3 这篇文章的技术挑战我们要做的事情本质上是一条完整的“同人主题内容生产流水线”用 Python 获取同人社区中与余晖烁烁相关的公开文本数据对文本做情感分析了解粉丝情绪倾向生成词云与高频词表提炼创作关键词用 AI 绘图工具生成余晖烁烁同人画面用 MoviePy 或剪映把图片和文字串成一条短视频。这套流程本身不限于“余晖烁烁”这个角色你完全可以把它替换成任何你喜欢的 IP 或角色。这也是我写这篇文章想真正教给你的东西一个可以复用的同人内容分析框架。3. 环境准备与工具清单在开始写代码之前先确认环境。本文示例以 Windows Python 3.9 为基础其他操作系统大同小异。3.1 本地环境我使用的是Windows 10 / 11Python 3.9VS Code 或 PyCharmChrome 浏览器用于查看公开页面结构。版本不需要完全一致重点是 Python 版本不要低于 3.8因为部分依赖库对旧版本支持不好。3.2 Python 依赖库在命令行中执行pip install requests parsel pandas snownlp jieba wordcloud matplotlib moviepy各库的作用如下库名作用requests发送 HTTP 请求获取网页内容parsel解析 HTML提取需要的文本pandas数据清洗与整理snownlp中文情感分析jieba中文分词wordcloud生成词云图matplotlib绘制图表或显示词云moviepy视频合成如果安装速度慢可以换成清华镜像源pip install requests parsel pandas snownlp jieba wordcloud matplotlib moviepy -i https://pypi.tuna.tsinghua.edu.cn/simple3.3 AI 绘图与视频工具AI 绘图Stable Diffusion WebUI、Midjourney、即梦、LiblibAI 都可以。视频剪辑剪映、必剪、MoviePy 都可以。语音合成剪映自带文字转语音也可以用 Edge-TTS 脚本生成配音。不同工具的参数差异比较大本文会更侧重提示词写法和视频合成逻辑具体界面操作以你使用的工具为准。4. 第一步用 Python 获取同人社区文本数据要做内容分析得有数据。同人社区的数据来源很多包括贴吧、微博、B 站评论区、Lofter、AO3 等。实际工作中需要根据目标平台写不同的解析规则。我在这里给出的方案是一种通用思路只采集公开可访问的页面不涉及登录、验证码、付费内容。4.1 采集前必读这里必须先说清楚合规问题只能采集公开可见的数据不能突破登录权限必须遵守目标网站的 robots.txt控制请求频率不要给对方服务器造成压力采集到的数据仅用于个人学习与分析不能用于任何商业用途如果涉及用户原创内容引用时要尽量避免大段转载只做数据统计和关键词提炼。我们在学习阶段可以用静态 HTML 页面做示例不绑定任何具体平台。4.2 用 requests 获取页面内容先来看一个最简单的请求示例import requests headers { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36 } url 你的目标页面地址 resp requests.get(url, headersheaders, timeout10) resp.encoding resp.apparent_encoding print(resp.status_code) print(resp.text[:500])这里有几个细节需要注意resp.encoding如果不设置中文页面容易出现乱码timeout必须设置防止请求卡死User-Agent务必设置部分网站会拦截没有 UA 的请求。4.3 解析 HTML 提取文本拿到页面 HTML 后就可以用 parsel 提取目标内容。假设页面结构中有多个包含文章的div classpost-content可以用下面的代码提取from parsel import Selector def parse_page(html): sel Selector(texthtml) results [] # 以 CSS 选择器为例需要根据实际页面结构调整 contents sel.css(div.post-content::text).getall() for content in contents: content content.strip() if content: results.append(content) return results在实际项目中页面结构往往没有这么简单。你需要先在浏览器里按 F12找到正文内容对应的 HTML 标签和 class 名称再替换上方的 CSS 选择器。4.4 保存为结构化数据把多条内容保存到 CSV 文件方便后续分析import pandas as pd def save_to_csv(texts, filenamemlp_sunset_data.csv): df pd.DataFrame({text: texts}) df df.dropna().drop_duplicates() df.to_csv(filename, indexFalse, encodingutf-8-sig) print(f共保存 {len(df)} 条数据到 {filename}) if __name__ __main__: # 模拟几条数据实际使用时替换为 parse_page 的结果 sample_texts [ Can I get a kiss, sunset?, 余晖烁烁真的很适合救赎向的故事。, 从反派到主角团的伙伴她的成长让人感动。, 喜欢 Sunset Shimmer 和 Twilight 之间的互动。, 这个角色真的太有魅力了。 ] save_to_csv(sample_texts)encodingutf-8-sig可以保证 Excel 打开 CSV 时中文不乱码。5. 第二步用 SnowNLP 做情感分析有了文本数据之后我们要回答一个问题粉丝表达的情感到底是偏向正面、中立还是负面5.1 为什么选择 SnowNLPSnowNLP 是一个 Python 中文文本处理库内置情感分析模型使用简单。虽然它的模型在特定领域下不如大模型精准但对于“粉丝对角色评价”这种场景已经足够作为参考。如果你处理的是英文数据可以直接使用 NLTK 中的VADER或者在 SnowNLP 内部先翻译成中文再分析。本文以中文数据为例。5.2 情感分析代码import pandas as pd from snownlp import SnowNLP df pd.read_csv(mlp_sunset_data.csv) def get_sentiment(text): if not isinstance(text, str) or len(text.strip()) 0: return None s SnowNLP(text) return s.sentiments df[sentiment] df[text].apply(get_sentiment) # 划分情感倾向 def classify(score): if score is None: return 未知 if score 0.6: return 正面 elif score 0.4: return 负面 else: return 中性 df[label] df[sentiment].apply(classify) print(df.head(10))输出结果中sentiment是 0 到 1 之间的数值越接近 1 越正面越接近 0 越负面。5.3 如何解读结果假设你最后得到的结果是正面占比 72%中性占比 20%负面占比 8%这说明社区整体对“余晖烁烁”这个角色的接受度很高。你可以进一步提取正面的样本看看大家高频提到的是哪些词汇比如“成长”“救赎”“友情”“温柔”“帅气”。这就告诉我们在做同人创作时把这些关键词放进画面、文案、视频脚本里更容易触发粉丝共鸣。5.4 一个完整的分析脚本把采集、清洗、情感分析合并到一个脚本中import pandas as pd from snownlp import SnowNLP def analyze_csv(input_filemlp_sunset_data.csv, output_filemlp_sunset_sentiment.csv): df pd.read_csv(input_file) df[sentiment] df[text].apply( lambda x: SnowNLP(x).sentiments if isinstance(x, str) and x.strip() else None ) df[label] df[sentiment].apply( lambda s: 正面 if s and s 0.6 else (负面 if s and s 0.4 else 中性) ) df.to_csv(output_file, indexFalse, encodingutf-8-sig) print(df[label].value_counts()) if __name__ __main__: analyze_csv()6. 第三步用 jieba wordcloud 生成词云要让分析结果更直观我强烈建议生成一张词云图。词云的核心逻辑是先分词再统计词频最后绘图。6.1 中文分词直接用整段文本画词云效果很差因为中文没有天然空格。所以需要先用 jieba 分词import jieba import pandas as pd df pd.read_csv(mlp_sunset_sentiment.csv) stopwords set() with open(stopwords.txt, r, encodingutf-8) as f: for line in f: stopwords.add(line.strip()) words [] for text in df[text].dropna(): for w in jieba.cut(text): w w.strip() if len(w) 2: continue if w in stopwords: continue words.append(w) word_str .join(words) print(word_str[:200])stopwords.txt是停用词表需要你自己准备通常包含“的”“了”“是”“在”这类无意义词。你可以从网上下载通用中文停用词表也可以手动维护。6.2 绘制词云from wordcloud import WordCloud import matplotlib.pyplot as plt wc WordCloud( font_pathC:/Windows/Fonts/simhei.ttf, # Windows 中文字体路径 width800, height600, background_colorwhite, max_words200 ).generate(word_str) plt.figure(figsize(10, 8)) plt.imshow(wc, interpolationbilinear) plt.axis(off) plt.savefig(sunset_wordcloud.png, dpi150) plt.show()注意font_path必须指定一个中文字体否则词云会出现乱码方框。Windows 常用字体路径是C:/Windows/Fonts/simhei.ttf。6.3 从词云结果反推创作方向词云图里越大的词说明在粉丝文本里出现频率越高。如果出现“救赎”“成长”“友谊”“魔法”“温柔”这些词你在做 AI 绘图和视频时就可以围绕这些关键词设计画面和文案。比如“救赎”对应余晖烁烁放下执念的瞬间“友谊”对应她与主角团并肩作战的场景。这一步本质上是在做“主题关键词提取”它是连接数据分析和内容创作的关键桥梁。7. 第四步用 AI 绘图生成同人画面数据分析和词云已经帮我们定好了创作方向。下面来看如何把这些关键词变成实际画面。7.1 AI 绘图的提示词结构一个稳定的 AI 绘图提示词通常包含四个部分主体、动作、环境、画风。以“余晖烁烁主题”为例Sunset Shimmer, humanized style, long red and yellow gradient hair, confident smile, standing on the school rooftop at sunset, warm lighting, friendship atmosphere, anime style, high quality, clean background中文提示词示例用于部分国产工具余晖烁烁拟人化红黄渐变长发自信微笑站在学校天台黄昏暖光伙伴们站在身后治愈系氛围唯美插画风格高清背景干净几点建议把词云里的高频词融入提示词但不要堆砌太多角色特征描述越具体越好包括发色、瞳色、服装状态画风关键词建议放在提示词末尾如果生成结果不理想先调整“环境”和“画风”部分。7.2 用 Python 批量生成“提示词变体”如果你希望一次生成多张图做对比可以用 Python 脚本自动组合提示词。以最基础的模板拼接为例base Sunset Shimmer, humanized, {hair}, {emotion}, {scene}, anime style, high quality hair_list [long red and yellow gradient hair, wavy golden hair, twin-tailed flame hair] emotion_list [soft smile, confident smirk, gentle look] scene_list [sunset school rooftop, crystal mirror gate, friendship ballroom] for hair in hair_list: for emotion in emotion_list: for scene in scene_list: prompt base.format(hairhair, emotionemotion, scenescene) print(prompt) print(---)这个脚本会把不同发色、神态、场景组合起来生成本文写作时“从关键词到画面”的中间素材。需要说明的是AI 绘图工具的型号和 Prompt 语法各有差异以上只是通用思路具体参数需要依据你用的平台调整。如果你使用 Stable Diffusion建议同时指定负向提示词例如lowres, bad anatomy, bad hands, extra fingers, blurry, watermark7.3 生成短视频素材包AI 绘图一般一次生成一张图。做短视频通常需要 4 到 6 张图建议图片风格保持一致。操作方法是固定画风关键词只改变动作或场景关键词或者直接在图生图模式下导入第一张图作为参考图再微调 Prompt。图片准备好后把它们统一放到一个文件夹里./sunset_video/images/0001.png ./sunset_video/images/0002.png ./sunset_video/images/0003.png ./sunset_video/images/0004.png下一步就可以合成视频了。8. 第五步用 MoviePy 把图片串成同人短片有了图片接下来要解决的问题是怎么把这些图片变成一条带字幕、带配音的视频。8.1 用 MoviePy 合成基础短视频下面是一段可以直接运行的 MoviePy 示例代码作用是把图片序列按时间顺序拼成视频并在每张图上叠加文本。from moviepy.editor import ImageClip, CompositeVideoClip, TextClip, concatenate_videoclips from PIL import Image, ImageDraw, ImageFont import os image_folder sunset_video/images image_files sorted([f for f in os.listdir(image_folder) if f.endswith((.png, .jpg))]) clips [] for img_file in image_files: img_path os.path.join(image_folder, img_file) # 每张图展示 4 秒 clip ImageClip(img_path, duration4) # 统一缩放宽度为 1080 clip clip.resize(width1080) clips.append(clip) if not clips: raise ValueError(图片文件夹中没有找到可用图片) video concatenate_videoclips(clips, methodcompose) video.write_videofile( sunset_video/output.mp4, fps24, codeclibx264, audio_codecaac ) print(视频生成完成)MoviePy 在合成前需要安装 FFmpeg。如果你在旧版本 MoviePy 中遇到ImageClip或TextClip不兼容问题也可以改用 2.x 版本的写法from moviepy import ImageClip, concatenate_videoclips clip ImageClip(img_path, duration4)8.2 添加字幕MoviePy 的TextClip对字体要求比较严格Windows 上需要指定字体路径from moviepy.editor import TextClip text_clip TextClip( Can I get a kiss, sunset?, fontsize80, fontC:/Windows/Fonts/msyh.ttc, colorwhite, stroke_colorblack, stroke_width2, duration4 ).set_position((center, bottom))然后把文字片段放在图片片段上方composite CompositeVideoClip([clip, text_clip])建议把每张图对应的文字单独做一条 TextClip这样就能形成“一张图 一句文案”的节奏感。8.3 添加背景音乐或配音MoviePy 支持音频合成。最简单的做法是准备一段背景音乐from moviepy.editor import AudioFileClip audio AudioFileClip(bgm.mp3).subclip(0, video.duration) video video.set_audio(audio) video.write_videofile(sunset_video/output_with_audio.mp4, fps24)如果你需要把文案生成配音推荐使用 Edge-TTS生成非常自然的中文或英文语音。Edge-TTS 是一个命令行工具安装方式pip install edge-tts生成语音edge-tts --text Can I get a kiss, sunset? --voice en-US-AriaNeural --write-media sunset_voice.mp3这样你就有了一条完整结构的短视频图片画面、字幕文案、配音或背景音乐。9. 常见问题与排查清单在实践过程中下面几个问题出现频率最高。问题现象常见原因解决思路中文乱码网页编码识别失败使用resp.apparent_encoding或手动指定编码词云全是方框未指定中文字体下载或指定系统黑体字体文件SnowNLP 评分不准确短文本情绪表达不完整合并同主题文本后再分析MoviePy 找不到 FFmpeg未安装 FFmpeg 或版本过低下载 FFmpeg 并配置到系统 PATH视频画面比例不一致图片尺寸不同先统一 resize 再拼接AI 绘图人物手部崩坏模型对复杂手部结构不擅长使用负向提示词或控制生成区域请求被目标网站拦截请求频率过高或缺失 UA降低频率设置随机休眠CSV 打不开乱码编码不是 UTF-8-sig保存时使用encodingutf-8-sig另外说明一下如果你不是专业做爬虫的建议优先使用目标平台官方提供的导出功能或者直接复制公开文本内容做少量标注不要写大规模爬虫脚本。重点放在分析思路和内容创作上而不是绕过平台限制。10. 最佳实践与工程建议整个流程走通不难但要做得好还是有不少细节值得沉淀。10.1 数据采集遵守最小化原则只采集你真正需要的数据不要把所有页面都爬下来。比如做“余晖烁烁”主题分析就从公开评论、公开帖子中采集标题和正文不采集用户隐私信息。请求间隔建议至少 1 到 3 秒最好在代码里加上随机等待import time import random time.sleep(random.uniform(1, 3))10.2 数据处理保持可追溯把原始文本和情感分析结果分开保存。我习惯用三个文件raw_data.csv原始文本cleaned_data.csv清洗后的数据analysis_result.csv情感分析、词频统计结果。这样每一步都能回溯也和数据分析工程的思路保持一致。10.3 提示词版本管理AI 绘图提示词不要只存在脑子里。每次生成后把提示词、参数、生成结果文件路径保存到一个prompt_log.csv里方便后续复盘。示例格式prompt,negative_prompt,steps,cfg,seed,image_path Sunset Shimmer, humanized...,lowres,bad anatomy,25,7,12345,images/0001.png10.4 视频项目目录规范化建议按下面的目录结构组织视频项目sunset_video/ ├── images/ ├── audio/ ├── output/ ├── scripts/ └── prompt_log.csv把脚本和素材分开保证项目可维护。剪辑软件如果崩溃了也能快速恢复。10.5 版权边界要清晰这一点很重要。请记住官方宣传图和动画截图可以用于个人学习、同人讨论但不要直接用于商业宣传AI 绘图引用角色形象时尽量使用“同人风格”描述而不是生成官图风格的高精度仿图去侵权粉丝二创作品应遵守具体平台的同人创作规则视频背景音乐需要选用无版权音乐或有授权音乐不要直接使用商业歌曲如果需要发布到公共平台请在简介中明确标注“非官方同人作品”。同人文化是建立在热爱与尊重之上的。技术可以帮我们更快做出内容但守住界限才能走得更远。11. 总结与下一步学习方向这条工作流走完之后你会发现一件事一句“Can I get a kiss, sunset?”背后其实是角色、粉丝情感、创作工具和数据分析组合在一起的结果。再往后如果你想继续深入可以从这几个方向发力学习更完整的数据分析流程比如用 scikit-learn 做文本分类把正面、中性、负面判断变成可评估的模型学习 Stable Diffusion 的细节参数控制了解 ControlNet、LoRA、提示词权重让同人画面更贴近你的构想学习 MoviePy 的进阶合成能力比如关键帧动画、转场特效、字幕动态效果学习短视频平台的推荐逻辑把你做好的同人短片在合规前提下发布出去观察数据表现。如果你是为了写一篇关于《小马宝莉》或余晖烁烁的同人分析文章前面 1 到 6 章的内容已经足够支撑一篇有数据、有观点、有素材的创作笔记如果你是想做一条视频那 7 到 8 章的代码和流程可以直接拿来用。希望这篇笔记能帮你更顺地完成自己的余晖烁烁主题创作。如果你在跑通流程时遇到问题欢迎把自己的报错信息整理好按章节和步骤去排查大部分问题都能在日志里找到线索。