用AI做了一个月视频，想跟你分享这套没人讲的心法

用户4242

7月16日修改

最近刷到不少教 Codex + Remotion 做视频的教程，套路基本一样：装个插件，丢个 prompt，画面出来了，收工。​

然后你照着做，发现做出来的东西根本没法发。只有画面没有声音，或者配了音但音画对不上，画面就是一页一页的 PPT 在翻，满屏都是字。教程里演示的那三十秒确实能跑通，但从能跑通到能发布，中间隔着的全是没人讲的细节。​

我这一个月发的视频，全是用 AI 做的。口播视频、手绘故事视频都有，中间踩的坑不少，也攒出了一套自己的流程。今天把这套心法全部公开，包括我沉淀出来的三个 skill 直接开源。​

先说一个前提。这篇不是技术教程，你不需要懂 Remotion 怎么写、React 是什么。活是 AI 干的，你要懂的是整体框架：每一步该做什么、该盯什么、坑在哪。框架对了，剩下的交给 AI 就行。​

一. 一句话心法

整套流程压缩成一句话：

先写逐字稿，生成音频，拿到字幕文件，用字幕文件驱动所有动画，最后配音效和 BGM，低画质调试，确认没问题再出高画质。​

那些教程做出来的视频为什么烂，原因就藏在这句话里。它们把视频当成"生成画面"来做，但视频其实是一条以声音为轴的时间线。字幕文件是整条视频的唯一基准，画面、动画、音效全部要对齐到它。没有这条轴，你做出来的就是一堆各自为政的画面。​

后面每一节，都是这条流水线上的一环。

二. 工具怎么选

我主要用两个东西：HyperFrames 和 Remotion。

HyperFrames 快，出结果简单，适合做 PPT 式的演示、文章内容可视化这类东西。但复杂动画它撑不住。​

Remotion 上手门槛高一点，它是用代码来定义视频，每一帧都可以精确控制。代码是 AI 写的，你不用管。要长期做视频，最后一定会走到它这里，因为它能沉淀模板，这条视频调好的东西，下条视频直接复用。​

选择标准很简单：试水、赶时间、做个演示，用 HyperFrames。认真长期做，用 Remotion。​

工具本身不展开讲了，教程到处都是。决定成片质量的不在工具，在后面这些细节。​

三. 音频是整条视频的骨架

大部分人做 AI 视频，声音是最后才想起来配的。这个顺序就错了。声音应该是第一步。​

一切从逐字稿开始

不管做什么视频，先把逐字稿写完，口语化的也行。它决定了整条时间线的长度和节奏，后面所有东西都从它推导。​

配音的两条路线

第一条，自己录口播。录完以后把气口去掉，就是那些换气声和空白停顿，然后把音频转成字幕文件。我用的是火山的字幕 API，它能给到每一个字在音频里的时间点，精确到毫秒。​

用AI做了一个月视频，想跟你分享这套没人讲的心法​