我用AI，从0做了一条40秒的产品视频，顺便搭了一条完整的“个人工作室流”

这件事情其实挺突然的。

就是有个新产品，对方直接甩给我一份Word，里面是功能、卖点，还有他们希望对外讲的东西。

我当时脑子里的想法很简单： 这不就是AI该干的活吗？

第一步：直接上AI，结果被打回

于是我几乎没怎么加工，就把整份内容丢给了 ChatGPT，让它直接帮我出一版40秒的视频脚本，顺带把字幕和分镜也一起做了。

几秒钟就出来了。

第一眼看上去其实挺唬人的，结构也有，节奏也在，甚至连画面都帮你想好了，我当时的感觉是：差不多可以用了。

然后我就发给甲方。

很快就被打回来了。

对方说得很直接：内容没问题，但重点不对。

那一刻其实有点尴尬，因为你很难说哪里错了，但就是“不对劲”。

后来回头看，其实问题很简单——我把一堆信息丢给AI，但没有告诉它，哪些是必须被放大的。

第二步：重新对齐“到底要说什么”

所以我停下来，没有继续改prompt，而是重新跟对方聊了一轮。

这一轮聊得比之前细很多

聊完之后，我手里的东西反而更少了，但更清晰了。

然后我再回到 ChatGPT，这一次就不再是“帮我写脚本”，而是让它围绕这些已经确认的重点，重新组织一条40秒的表达。

第二版一出来，感觉立刻就不一样了。

不是更华丽，而是更“有方向”。

第三步：把“人话”变成“机器能执行的东西”

脚本这一步搞定之后，我就想往下走了。

但很快发现一个很现实的问题：

这东西人能看懂，但工具用不了。

所以我把这份脚本丢进 Claude 的代码环境，用一个skill把它转成 seedance 视频脚本和提示词。（skill来自：松果先森 ：

@songguoxiansen）

这一轮其实挺有意思的，同一段内容，被拆成镜头、动作、场景之后，你会明显感觉它“变形了”。

所以我没有直接拿去用，而是对了一遍，确认哪些镜头是我要的，哪些地方需要再调。

第四步：开始生成视频，但问题才刚开始

我把整套东西丢进小云雀，第一版很快就出来了。

然后问题也很快出现了。

甲方盯着一个点说：

产品标签糊了，看起来不像真的

这个问题说大不大，但挺致命的。

所以这一轮我没有去动整体，而是把标签单独拎出来处理，用 image2 的方式单独生成，然后改提示词。

重新生成一版。

第二版好很多，但还差点意思。

再调一轮。

差不多第三版的时候，这条视频基本就站住了。

第五步：拼装画面、字幕和声音

接下来其实就是拼装。

我把视频导进剪映，然后把之前在 ChatGPT 里生成好的、带时间戳的字幕一起导进去。

直接用“字幕转语音”，把配音也一起做了。

这一段几乎是自动对齐的，只要字幕时间没问题，语音基本不会出错。

第六步：补最后一层“成片质感”

到这一步，其实已经是一条完整视频了。

但我又做了一步：把视频和字幕丢进 Hyperframes，在 Codex 环境里跑了一轮。

这一步的感觉很明显：

原本需要手调的字幕样式、动效、节奏统一，它会帮你一次性补上。

更像是从80分，拉到可以直接交付。

最后：导出

最后只做一件事：

调整清晰度，导出。

这条40秒的视频，就结束了。看看成果吧，所有的字幕，标题，标签，动画，都是自动生成的，是不是还不错

写在最后

整个过程走下来，我有个很直观的感受：

这不是在用几个AI工具，而是在把一条原本需要几个人配合完成的流程，压缩到一个人身上。

你一会儿在干文案，一会儿在干分镜，一会儿在做制作，一会儿在做后期。

工具都在那，但每一步要不要推下去，怎么推，还是你在做判断。

这条视频看起来只有40秒，但背后其实是一整条被压缩过的工作室流程。

我只是刚好，把它用AI跑通了一遍。