本文介绍了作者使用 Codex 和 Remotion 框架制作个人 IP 视频的实践。作者将脚本、分镜、视觉设计、React 代码、动画、预览、修改、渲染成片的整个流程交给 AI 和代码完成，实现了视频的程序化生产。文章详细讲解了 Remotion 的核心概念（用 React 做视频）、如何给数字人和真人添加特效、以及如何通过自然语言指导 Codex 修改代码。作者认为，视频正在变成一种可编程的内容，内容创作者应建立自己的内容系统，以提高生产效率和竞争力。
作者分享了开源数字人项目 Kanvis 的经历与思考。他认为在 AI 时代，真正的稀缺资源不是使用 AI 的能力，而是“可验证性”。通过公开代码、倒逼产出、筛选需求和建立信任，开源不仅避免了重复造轮子，更构建了个人信用。作者强调工具只是表象，核心在于利用 AI 重新设计业务流程，降本增效，并最终希望通过开源构建一个共同成长的生态系统。
文章作者复现了利用 Codex 和 HyperFrames 自动生成视频的爆款流程，详细介绍了本地渲染和数字人模式的区别，并开源了支持多平台切换的 Kanvis Video Skill，旨在解决平台绑定和高成本问题。
文章介绍了 Kanvis Article to Video v0.3.0 的更新，该工具通过建立“三模一核”模型，支持真人增强、无脸视觉和数字人三种模式，帮助知识IP和文字创作者高效将文章转化为视频，解决了制作门槛高、流程繁琐等痛点。
