AI 自动做短视频工作流揭秘
本文作者分享了利用AI工具自动制作短视频的完整工作流,核心是使用Codex串联所有环节。流程包括:通过微信读书Skill获取选题素材,用Codex优化标题和文案,利用审核工具规避违规,调用豆包语音模型生成配音,自动提取字幕、生成图片,最后用hyperframers剪辑并自动上传至抖音等平台。作者强调所有工具均为开源项目,并建议读者根据自身需求搭建个性化流程。
本文作者分享了利用AI工具自动制作短视频的完整工作流,核心是使用Codex串联所有环节。流程包括:通过微信读书Skill获取选题素材,用Codex优化标题和文案,利用审核工具规避违规,调用豆包语音模型生成配音,自动提取字幕、生成图片,最后用hyperframers剪辑并自动上传至抖音等平台。作者强调所有工具均为开源项目,并建议读者根据自身需求搭建个性化流程。
文章提供了具体的AI短视频制作工作流和开源工具,实用性强,但深度和细节有限,时效性较好。
作者用 Claude 制作 3D 历史纪录短片,通过将制作经验封装成开源 skill(code-doc-film),把《郑和下西洋》片子的制作时间从 116 分钟压缩到 55 分钟,只需两句指令。skill 本质是一个包含说明文档和脚本的文件夹,核心是一张「翻车表」:记录镜头钻山、音画不同步、史实错误、渲染纯色等 7 类踩坑问题及自动化校验方案。文章同时坦承 skill 的局限:人物建模粗糙、未做过的题材仍慢、事实核对只保证有出处不保证正确。
作者介绍了一套基于 Codex 与 Excalidraw 的自动化 Skill,只需在 Claude Code 中输入一行命令,即可生成不露脸、无需剪辑的手绘白板风格知识视频,输出 1080p 成片、封面、发布稿和资料来源。文章详解了白板视频的留存优势、账号运营方法(定位、选题、标题、多平台分发、红线规范),并拆解七步制作流程:查证、写旁白、生成贴纸、画场景、做封面、配音渲染与验收。
剪映官方推出 Agent,走封闭全家桶路线,能力仅限软件内并售卖 AI 会员。与此相反,逸尘开源的逆向项目 jianying-headless 将剪映控制权交还外部 Agent:可用 Codex 一条指令批量粗剪、加字幕、配 BGM;借助 DeepSeek 和豆包 ASR,一小时视频成本不到一块钱;生成的是剪映原生工程文件,可随时人工微调。作者认为这是目前最自由、成本最低的视频剪辑自动化方案,并建议大家尽快 Fork 以防项目被下架(404)。该项目替代了此前用 Computer Use 模拟鼠标操作的笨办法。
作者详细拆解了用 AI 制作百万播放长视频的完整开源流程。环境配置包括 Claude Code(效果最佳的 AI 智能体)、火山引擎 TTS(提供 2.0 音色和逐字时间戳)、Remotion 视频合成框架及字体等辅助工具。制作管线分五个阶段:调查写稿(构建事实链、来源台账)、配音与时间戳、素材搜索匹配(强调真实影像占比)、Remotion 画面合成(三层视觉语言、MG 图解、时间预算控制)、混音封面与发布。文章还包含内容规则、踩坑记录及开源 Skill 清单,帮助读者从一句话生成 10 分钟成片。
作者实测开源 AI 视频工具 Hypit,验证其能否把已验证的爆款短视频复刻成可反复修改、批量运行的代码化工作流。文中通过两个案例展示:一是复刻抖音'从夯到拉'榜单视频,由 Codex 拆解内容、Hypit 串联脚本、配音(MiMo)、字幕与画面动画;二是不给参考视频,仅凭一句创意生成完整硬件榜单成片。两条视频总成本约 1100 积分(约 1 美元/条),并对比了 Creatify、revid.ai 等竞品,指出 Hypit 在整片克隆、批量变体和成本上的独特优势。
文章介绍开源项目 Hypit,称其为'AI 时代的合法印钞机'。Hypit 让 Coding Agent(如 Claude Code、Codex)学会完整地制作视频——包括脚本、配音、字幕、B-roll、特效和渲染。核心能力是'克隆'爆款视频:自动拆解视频的镜头切换、台词、字幕风格、节奏等结构,变成可编辑组件,然后像换皮一样批量生成变体,把过去 3-5 天的剪辑工作压缩到十几分钟。作者实测一条命令即可复刻广告片并快速换人物出新片,认为这将重构内容生产线,适用于短视频、MCN、知识付费和广告制作等场景。
文章介绍GitHub上57.3K Stars的开源项目OpenMontage。它并非简单的文生视频工具,而是将Claude Code、Codex、Cursor等AI Coding Agent改造成完整视频制作团队。用户只需一句话,Agent即可自主完成从资料研究、脚本、分镜、素材生成、配音、字幕、音乐到剪辑渲染的全流程,甚至能分析参考视频的节奏和视觉语言来规划制作方案。项目包含12套制作Pipeline、100+工具、700+ Agent Skill,接入Remotion、FFmpeg及多种AI模型。作者认为这代表了AI从'帮你做素材'到'替你完成工作'的转变,未来将是管理Agent而非操作工具的时代。
作者开源了一套AI视频自动化生产工作流BoomEarth,一周内在多个平台涨粉2000多。该工作流从定稿到出片仅需20-30分钟,内置九套视频风格,支持自定义IP形象。文章详细介绍了部署步骤:安装Git、Node.js、FFmpeg等基础环境,接入本地IndexTTS2配音,配置生图与ASR字幕服务,并通过Agent编排内容理解、画面生成、配音字幕、视频合成与质检归档的完整流程。文章强调先跑通30秒短验证片再扩展,按阶段恢复失败任务,避免重复扣费,实现部署一次、重复使用的低门槛视频生产线。
文章介绍了一套无需剪辑和编程经验的 AI 视频制作流程:用户只需准备定稿文案、MiniMax 生成的完整配音、人物图片和录屏素材,交给 Codex 即可自动完成语音识别、时间轴划分、画面编排、Remotion 代码编写和视频渲染。文章讲解了 A-roll/B-roll 的划分原则、用 video-shotcraft 镜头库选择动效、如何用"六层任务书"描述需求,以及通过关键帧审核、短样片反馈到最终导出的分阶段工作流,让用户以导演和审核者的角色完成知识口播视频制作。
作者开源了一个名为 douyin-image-post-scheduler 的 Codex Skill,实现 AI 操纵浏览器自动发抖音的完整流水线:图文素材批量验证、自动起标题、选话题标签、按时间窗排期、发布前逐条核验。全程在用户自己登录的 Chrome 中运行(Computer Use)。细节上采用固定随机种子保证排期可复现、支持断点续传避免重复发布、能区分「审核中」和「已排期」状态。作者提醒这是非官方工具,仅用于发布自己的内容。