由 Redman2024 
很多人装好 Codex，第一反应还是拿它写代码。
但对做内容的人来说，它更值钱的用法，可能是把一篇文章变成一条视频。
先把“自动生成爆款”这几个字放一边。
AI 能自动的是重复劳动：整理口播、生成声音、对字幕、排分镜、做动效、渲染文件。
它不能替你自动完成三件事：选题、观点、验收。
所以真正应该搭的不是“一键爆款神器”，而是一条每次都能复用、每一步都能检查的视频生产线。
我把它压成这一条：
主题/文章 → narration.md → final.wav → timing.json + captions.srt → storyboard.md → 15 秒样片 → final.mp4
0｜先说清楚，你到底要做什么
不要一上来就说：“帮我做一条高级的视频。”
先把 6 个约束交代清楚：
- 给谁看；
- 解决什么问题；
- 做多长；
- 横版还是竖版；
- 发到哪个平台；
- 观众看完只做哪一个动作。
比如，不要写“做一条 Codex 视频”。
把它缩成：
给刚装好 Codex、完全不会剪辑的人，做一条 60 秒竖版视频。演示如何把一篇 3000 字工具测评变成能发布的短视频。结尾让他先跑通第一条样片。
目标越具体，后面的口播、声音和画面越不容易跑偏。
1｜先把文章改成“人能说出口”的口播
文章不是口播稿。
很多 AI 改写的问题是：每个字都认识，但念起来不像人话。
我的建议是让 Codex 先只交付 narration.md，不要同时做分镜和视频：
请读取 article.md，把它改成一条 60—90 秒口播稿。
目标受众：第一次用 Codex 做视频的人。
保留核心事实和我自己的判断，不要逐段缩写全文。
开头先说清楚最终能得到什么，中间只保留三步方法。
链接、脚注和排版符号不要读出来。
最后把需要我核对的事实单独列出。
现在只生成 narration.md，不做分镜和视频。生成后，自己从头念一遍。
嘴巴会比眼睛更快发现翻译腔、机械排比、句子太长，以及英文和数字读不顺的问题。
如果初稿仍有明显的书面腔、机械排比或翻译腔，可以再让 humanizer-zh 做一轮中文润色；但事实、链接和你的观点不能交给“去 AI 味”自动改掉。
2｜普通 TTS 和自己的声音，先选一条
第一次跑流程，普通 TTS 就够了。
你可以使用手边已有的语音工具，或者让 Codex 评估 edge-tts。它的优势是快，适合验证流程；但它调用的是在线 TTS，不是本地离线模型。
如果准备长期做个人 IP，再考虑 CosyVoice 一类方案。
这里必须分清三个文件：
reference.wav：本人或已经得到授权的参考录音；reference.txt：参考录音真正说出的逐字稿；narration.md：这条视频要生成的新内容。
声音复刻不要碰没有授权的声音。
正式口播也不要一次生成到底。按语义切成几段，逐段试听，再合并为 final.wav。某个专有名词念错，只重做那一段。
3｜整个工作流最关键的顺序：先定声音，再做画面
narration.md 决定说什么，final.wav 决定什么时候说。
不要按照字数平均分字幕时间。
同样十个字，有人半秒说完，有人中间停两次。字幕、关键词和画面都应该跟真实声音走。
可以直接这样交代：
请以 final.wav 为唯一时间尺。
用 narration.md 核对字幕文字，用音频转写结果取得每句话的真实开始和结束时间。
输出 captions.srt 和 timing.json。
如果口播稿与实际声音不一致，请列出差异，不要自行猜测。这个顺序能省掉大量返工。
声音改一句，如果时间轴已经做完，字幕、镜头和动效都要跟着挪。
4｜分镜不用学电影术语，只回答一个问题
把口播切成 4—8 段。
每段只问：观众听到这句话时，最需要看到什么？
可以是：
- 原始界面截图；
- 一个步骤卡；
- 前后对比；
- 时间线；
- 数据图；
- 品牌角色正在演示这个动作。
原图能合法使用就安排实际展示；没有素材就明确标记缺口，不要用无关 AI 图把画面塞满。
Redman 的内容默认使用 redman-basic-v1：洋红肤色、雀斑、透明眼镜、深棕刺发和黑色涂鸦衬衫。领域服装以后可以扩展，但不能把身份也一起换掉。
5｜先做前 15 秒，方向对了再做全片
这是第二个最省时间的动作。
把 narration.md、final.wav、captions.srt、timing.json、storyboard.md 和 assets/ 交给成片工具后，不要马上渲染 3 分钟完整版。
先看 15 秒，只检查三件事：
- 开头是不是太慢；
- 字幕能不能看清；
- 画面有没有真的解释口播。
反馈也不要只说“高级一点”。
要说：“第 6 秒标题太小”“截图至少停 3 秒”“字幕挡住人物”“第一个镜头进入太慢”。
AI 最擅长执行具体修改，不擅长猜审美形容词。
6｜HyperFrames、Remotion、video-use 怎么分工
我会这样选：
- 第一条不出镜知识视频：先用 HyperFrames。它更适合围绕本期内容重新安排页面、字幕和动效；HyperFrames Launches 可以用来查看公开示例项目。
- 栏目已经稳定：再用 Remotion Agent Skills 固定结构。每期替换标题、数据、图片和声音，适合持续量产。
- 已经拍了真人口播：先用 video-use 转写并整理有效片段，再补字幕、步骤卡和信息画面。
这三条路的上游文件可以共用。
口播、最终声音、字幕、时间轴和品牌资产不必重做，变化的只是最后怎么组装成片。
HyperFrames 里面还有几项容易在复制文章时丢失的 Skill 名称：
/faceless-explainer：把文章、笔记或主题整理成不出镜讲解视频；/hyperframes-creative：负责口播节奏、故事结构和非动画层面的创意方向；/media-use：管理图片、声音、字幕与其他媒体资产；/hyperframes-animation：处理动画规则、场景蓝图和转场。
想补充画面风格时，可以再看 HyperFrames Community Skills；想参考产品介绍、界面演示和宣传片镜头，可看 video-shotcraft。这两个属于扩展项，第一条视频不用全装。
还有一个安全提醒：社区 Skill 不是装上就天然可信。安装前要看 SKILL.md、脚本、依赖、联网、凭证和付费动作。API Key 放环境变量或凭证管理器，不要扔进项目文件。
7｜不要只做一条视频，要做成一套系统
一条视频只是一次测试。
真正有复利的是这个循环：
用户问题 → 具体选题 → 口播 → 视频 → 数据 → 下一条
先选一个你能连续讲十期的方向。
第一条跑通口播、声音、时间轴和样片；第二条复用文件结构；第三条开始固定片头、字幕和角色资产；有了几期数据以后，再决定要不要做更复杂的自动化。
做到这一步，Codex 才不是“帮你做过一条视频”。
它开始变成一套可以持续产出、持续优化的内容生产系统。
如果你想要我把这套目录、3 段提示词和 Redman Basic 角色用法整理成可以直接复制的模板，评论区打「自动视频」。
用数字科技赚new money，先把内容生产变成可以重复调用的资产。
我的频道：
YouTube：https://www.youtube.com/@redman-tech
Redman博客：https://redman.blog
Redman网赚导航站：https://www.redman3721.com
Redman推特（X）：https://x.com/redman_talk
TG资源发布群：https://t.me/redman_tech
TG万人交流群：https://t.me/redman3721
最前沿的AIGC资讯、最赚钱的web3套利项目、最硬核的网络技术！不卖课、主打交个朋友。的web3套利项目、最硬核的网络技术！不卖课、主打交个朋友。