Auparavant, réaliser une vidéo — scénario, voix off, montage et sous-titrage — nécessitait un temps d'apprentissage considérable pour chaque étape, ce qui décourageait souvent les gens avant même d'avoir commencé.
Désormais, ces tâches peuvent être confiées directement à Codex.
Vous lui donnez un article ou simplement un thème, vous fournissez les Skills vidéo correspondants, et Codex peut générer le texte parlé, la voix, le storyboard, les sous-titres, les effets de mouvement et la vidéo finale. Pas besoin d'apprendre le montage au préalable, ni de comprendre le code ; tant que vous savez décrire clairement la vidéo que vous souhaitez, vous pouvez commencer.
Dans cet article, je vais vous expliquer l'ensemble du processus, du début à la fin. Nous commencerons par créer une vidéo à partir d'un article sans montrer votre visage, puis nous ajouterons la méthode de montage pour les voix off réelles. Même un débutant en vidéo pourra suivre pour produire sa première version.
Mon flux de travail est le suivant : Article ou Thème → Texte parlé → Voix off → Timeline → Storyboard → HyperFrames → Vérification de la vidéo finale.
Ce tutoriel commence par le chemin le plus simple. Vous avez seulement besoin de savoir ouvrir Codex, créer un dossier et y placer l'article ; vous pouvez lui dicter quoi faire phrase par phrase pour le reste.
Premièrement, confiez les outils nécessaires à Codex
Un Skill peut être compris comme un manuel d'instructions pour Codex. Il indique à Codex quels outils appeler, dans quel ordre les utiliser, et à quels problèmes faire attention lorsqu'il rencontre des tâches de voix off, de storyboard ou de montage.
La méthode d'installation peut être résumée en une phrase : Copiez le lien GitHub ci-dessous dans Codex, laissez-le lire la description du projet, effectuer l'installation et vérifier s'il est utilisable. Laissez les commandes spécifiques à Codex ; vous n'avez pas besoin de les copier vous-même.
Les outils utilisés dans ce flux de travail vidéo peuvent être visualisés par étape :
HyperFrames inclut déjà plusieurs rôles : /faceless-explainer est chargé d'organiser les articles ou les thèmes en explications sans montrer le visage, /hyperframes-creative gère le rythme de la voix off et le storyboard, /media-use s'occupe des images, du son et des sous-titres, et /hyperframes-animation gère les changements visuels. Généralement, il vous suffit de dire à Codex « utilise /hyperframes pour faire cette vidéo », et il sélectionnera les parties nécessaires.
Des styles visuels peuvent également être ajoutés selon les besoins. Si vous voulez réaliser une vidéo de type collage, vous pouvez donner à Codex le vox-explainer de HyperFrames Community Skills ; si vous voulez des effets d'écriture ou de dessin, choisissez p5-paint-animation dans le même dépôt ; pour des présentations de produits, des démos d'interface ou des plans promotionnels, laissez Codex se référer à video-shotcraft. Ce sont des extensions de style et vous n'avez pas besoin de toutes les installer pour votre première vidéo.
Après avoir intégré les outils dans le flux de travail, Codex effectuera d'abord le montage du contenu, puis gérera le son, le storyboard et la vérification finale de la vidéo. Vous avez seulement besoin de confirmer si les résultats de chaque étape correspondent à votre intention.
Créez maintenant un nouveau dossier, par exemple codex-video, et ouvrez-le dans Codex. Placez-y votre article, vos images et l'audio généré plus tard, puis donnez le lien du dépôt HyperFrames à Codex pour terminer la préparation de la première ligne directrice.
Pourquoi certaines vidéos d'articles génèrent un trafic continu
Serena a fait une tentative très spécifique : au lieu de parler vaguement de « l'IA peut faire des vidéos », elle a choisi le créneau de contenu « analyse de livres » et a utilisé Codex et HyperFrames pour créer des vidéos adaptées à Douyin.
Les lecteurs cliquent parce qu'ils voient un chemin complet : choisir un créneau que les gens regardent déjà, trouver un livre, écrire un script, faire une vidéo, et répéter la même structure pour le livre suivant. La production vidéo n'est que la méthode d'exécution au milieu ; ce qui attire vraiment les gens au début, c'est « cette méthode peut-elle m'aider à développer mon compte ».
Sa séquence de production réelle mérite également d'être suivie : d'abord déterminer la durée de 30 secondes, le format vertical et la plateforme de publication ; écrire le script séparément ; diviser le script en segments ; générer la voix finale ; obtenir le timing des sous-titres en fonction de la voix ; puis laisser HyperFrames organiser les visuels ; prévisualiser, modifier et enfin rendre.
Il y a un ordre très important ici : Finalisez d'abord les mots et l'audio final, puis faites les visuels. Si vous changez une phrase de l'audio, les sous-titres et le timing des plans changeront tous. Faire les effets de mouvement trop tôt ne mène qu'à des reprises répétées plus tard.
Vous n'êtes pas obligé de faire un compte de livres. Vous pouvez analyser des outils d'IA, expliquer des méthodes de travail, parler de cas d'industrie, ou transformer vos longs articles en séries vidéo. Fixez d'abord le périmètre du contenu et utilisez la même structure pour chaque vidéo afin que Codex puisse vous aider à travailler de plus en plus vite.
Étape 1 : Transformer l'article ou le thème en texte parlé
Le texte parlé est le squelette de toute la vidéo. Peu importe la beauté des visuels, si le début n'accroche pas ou si la méthode n'est pas claire, la vidéo sera difficile à terminer.
Il y a trois chemins ici.
Option 1 : Seulement un thème, laissez Codex écrire directement
Par exemple, si vous prévoyez de faire une vidéo sur « Comment Codex fait des vidéos », dites quatre choses à Codex : qui est le public, quel problème cela résout, combien de temps dure la vidéo, et ce que vous voulez que le public fasse après avoir regardé.
1Je veux faire une vidéo verticale de 60 secondes sur le thème « Utiliser Codex pour la première fois pour faire une vidéo. »23Le public sait seulement utiliser Codex et n'a jamais écrit de script ou monté de vidéo.4Commencez par leur dire le résultat final, puis expliquez clairement : générer le script, choisir une voix, utiliser HyperFrames pour les visuels, et vérifier la vidéo finale.5Chaque phrase doit être facile à lire à voix haute, pas de sous-titres formels, pas d'accumulation de jargon.6Terminez en leur demandant d'exécuter leur première vidéo avec un thème.78Ne fournissez que le texte parlé pour l'instant ; ne faites pas de storyboard ou de vidéo pour le moment.
Plus le thème est spécifique, plus le script est facile à écrire. Réduire « faire des vidéos IA » à « transformer une critique d'outil en explication verticale de 60 secondes » indique à Codex quel contenu garder.
Option 2 : Vous avez déjà un article, laissez Codex l'adapter en langage parlé
Enregistrez l'article sous le nom article.md et placez-le dans le dossier du projet avec les images. Dites ensuite à Codex :
1Veuillez lire article.md et l'adapter en un texte parlé de 90 secondes.23Gardez les idées principales et les cas les plus utiles de l'article ; ne vous contentez pas de résumer chaque paragraphe.4Commencez par dire ce que le lecteur va obtenir, ne gardez que trois étapes au milieu, et expliquez chaque étape avec des phrases faciles à comprendre.5Ne lisez pas les liens, les notes de bas de page ou les symboles de formatage de l'article.6Veuillez lister séparément les faits que je dois vérifier.78Ne générez que narration.md pour l'instant.
Lors de la conversion d'articles en scripts, le problème le plus courant est que « les mots sont reconnaissables, mais ils ne sonnent pas comme une personne qui parle ». Donnez le lien pour humanizer-zh à Codex, laissez-le l'installer et traiter narration.md : gardez les faits et les idées personnelles, mais ajustez le langage de traduction, le parallélisme mécanique et les phrases trop formelles.
Après l'adaptation, vous devez encore le lire à voix haute vous-même. Votre bouche trouvera beaucoup de problèmes que vos yeux ont manqués.
Option 3 : Laissez HyperFrames prendre en charge toute la vidéo sans visage
Si vous n'avez que du matériel et n'avez pas encore pensé à un script ou à des visuels, vous pouvez entrer /faceless-explainer via /hyperframes. Il organisera les thèmes, les articles ou les notes en une direction d'explication, une narration et un storyboard.
Ce chemin est plus facile et convient pour faire rapidement une première version. Les deux premières options sont meilleures lorsque vous avez des points de vue clairs et que vous voulez contrôler strictement le contenu du script.
Quelle que soit l'option choisie, le script devrait idéalement avoir ces quatre parties :
- Accroche : Présentez d'abord le résultat ou un problème spécifique.
- Problème : Dites au public où il est actuellement bloqué.
- Méthode : Expliquez le processus en deux ou trois étapes.
- Prochaine étape : Donnez une action qu'ils peuvent entreprendre immédiatement après avoir regardé.
Par exemple, l'introduction vidéo de ce tutoriel pourrait être : « Vous avez installé Codex mais vous ne savez pas quoi faire ? Vous pouvez commencer par l'utiliser pour faire une vidéo. Donnez-lui un article, et il peut gérer le script, la voix, les sous-titres et les visuels. Aujourd'hui, parcourons le flux de travail le plus court. »
Étape 2 : Choisissez un TTS standard ou clonez votre propre voix
Une fois le script finalisé, décidez qui le lira. Pour la première fois, un TTS standard suffit ; une fois que vous pouvez mettre à jour le contenu de manière stable, gérez ensuite le clonage de la voix personnelle.
Le plus simple : Utilisez un TTS existant
TTS signifie entrer du texte pour obtenir un MP3 ou WAV. Vous pouvez utiliser n'importe quelle fonction de synthèse vocale que vous avez sous la main, ou donner l'open-source edge-tts à Codex, le laisser l'installer, sélectionner une voix chinoise et générer l'audio et les sous-titres.
Écoutez d'abord dix secondes pour confirmer la voix, la vitesse et les pauses avant de générer le texte complet. Un TTS standard ne sonnera pas comme vous, mais son avantage est la vitesse, ce qui le rend adapté pour vérifier le contenu et les flux de travail visuels.
Pour une utilisation à long terme de votre propre voix : CosyVoice
CosyVoice est un ensemble d'outils de génération vocale open-source. Donnez-lui un enregistrement de référence propre et le texte mot pour mot correspondant, et il peut générer une nouvelle narration avec des caractéristiques de locuteur similaires.
Trois choses ne doivent pas être mélangées ici :
- reference.wav : Votre propre enregistrement de référence ou un enregistrement autorisé.
- reference.txt : Chaque mot réellement prononcé dans l'enregistrement de référence.
- narration.md : Le nouveau script à générer pour cette vidéo.
Le texte de référence doit correspondre exactement à l'enregistrement. Si vous changez un mot à la volée, le texte doit également être changé. La musique de fond, les échos et une réduction de bruit agressive affecteront la qualité de la référence ; essayez d'enregistrer une voix claire et naturelle dans un environnement calme.
L'installation locale de CosyVoice nécessite quelques étapes de plus que le TTS standard. Les débutants peuvent donner le dépôt officiel directement à Codex :
1Aidez-moi à installer CosyVoice :2https://github.com/QwenAudio/CosyVoice34Veuillez d'abord lire le README officiel, puis vérifier l'environnement actuel de l'ordinateur et terminer l'installation.5Après l'installation, ne générez qu'un seul court test audio ; ne générez pas directement l'intégralité du script.
Il préparera l'environnement d'exécution et téléchargera les modèles vocaux localement, ce qui prend plus de temps que le TTS standard. Vous n'avez pas besoin d'exécuter les commandes une par une ; si une étape échoue, laissez le message d'erreur complet dans le chat Codex et laissez-le vérifier. Après l'installation, vous devez toujours écouter le test audio vous-même pour juger si la voix vous ressemble et si l'articulation est naturelle.
Lors de la génération du script formel, ne fournissez pas tout l'article en une seule fois. Divisez-le en plusieurs segments en fonction du sens, écoutez d'abord chaque segment pour confirmer la prononciation des noms propres, de l'anglais et des chiffres, puis synthétisez final.wav. Si un segment a un problème, vous n'avez qu'à refaire ce segment.
Si vous ne voulez pas cloner votre voix pour l'instant, ignorez simplement CosyVoice. Les HyperFrames et Remotion ultérieurs ne reconnaissent que le fichier audio final et ne se soucient pas de la provenance du TTS.
Étape 3 : Faites en sorte que les visuels suivent la voix finale
Vous devriez maintenant avoir deux fichiers finalisés : narration.md et final.wav. À partir de ce moment, final.wav est la véritable timeline de la vidéo.
Laissez Codex transcrire l'audio final pour obtenir les heures de début et de fin réelles de chaque phrase, puis générez les sous-titres. Le script détermine ce que disent les sous-titres, tandis que la transcription audio est chargée de dire aux sous-titres quand apparaître.
N'allouez pas de temps en fonction du nombre de mots. Dix mots peuvent être prononcés en une demi-seconde, ou il peut y avoir deux pauses entre eux. Les sous-titres, les mots-clés et les images doivent tous apparaître en suivant la voix réelle.
Vous pouvez simplement lui donner une instruction comme celle-ci :
1Veuillez établir une timeline basée sur final.wav.2Utilisez narration.md pour vérifier le texte des sous-titres et utilisez les résultats de la transcription audio pour obtenir les heures de début et de fin réelles de chaque phrase.3Générez captions.srt et timing.json.4Si le script ne correspond pas à la voix réelle, veuillez lister les écarts ; ne devinez pas.
Étape 4 : Divisez le script en un storyboard
Le storyboard ne nécessite pas d'apprendre d'abord la terminologie professionnelle. Coupez le script en 4 à 8 segments, et pour chaque segment, répondez à une question : Quelle est la chose la plus importante que le public doit voir à l'écran lorsqu'il entend cette phrase ?
Si l'article contient déjà des captures d'écran, des photos, des graphiques ou des cartes de personnages, privilégiez l'utilisation de ces matériaux. Laissez le public voir d'abord la vue d'ensemble, puis zoomez sur la partie discutée. Pour les phrases sans images existantes, vous pouvez utiliser des mots-clés, des cartes d'étapes, des comparaisons, des timelines et des infographies simples.
Les exigences pour Codex peuvent être très courtes :
1Veuillez créer un storyboard basé sur narration.md, timing.json et le dossier assets.2Pour chaque plan, spécifiez : la narration correspondante, l'heure de début, l'heure de fin, le visuel principal, les matériaux requis et la position des sous-titres.3Les images déjà dans l'article doivent être programmées pour un affichage réel ; marquez d'abord les endroits où les matériaux manquent, ne les remplissez pas avec des images non pertinentes.
Si vous ne savez pas à quoi ressemblent les effets de mouvement, vous pouvez consulter deux bibliothèques d'effets publiques :
- HyperFrames Launches : Contient des projets HyperFrames complets pour voir comment les vidéos finales sont décomposées en storyboards.
- video-shotcraft : Fournit des recettes de plans Remotion et des aperçus dynamiques, mieux adaptés aux présentations de produits, aux démos d'interface et aux promos.
video-shotcraft est une bibliothèque de référence de plans optionnelle, pas une installation obligatoire pour les vidéos d'articles. Donnez le lien du dépôt à Codex, et il peut lire les recettes de plans à l'intérieur. Expliquez d'abord clairement les informations, puis choisissez un ou deux effets de mouvement appropriés ; les visuels seront plus stables.
Étape 5 : Créez la première version de la vidéo avec HyperFrames
À ce stade, le script, la voix, le timing des sous-titres et le storyboard sont tous prêts. Maintenant, confiez ces fichiers à HyperFrames :
1En utilisant /hyperframes, transformez le projet actuel en une vidéo d'explication verticale 9:16.23Veuillez lire narration.md, final.wav, captions.srt, timing.json, storyboard.md et le dossier assets.4Les visuels doivent suivre le timing audio réel, et les sous-titres ne doivent pas bloquer le contenu principal.5Privilégiez l'utilisation des images originales et des cartes de personnages de assets ; utilisez des infographies simples pour les plans où les matériaux manquent.6Terminez les 15 premières secondes comme échantillon et ouvrez l'aperçu ; je continuerai avec la vidéo complète après avoir confirmé la direction.
Regarder les 15 premières secondes vous permet de détecter trois problèmes tôt : l'intro est-elle trop lente, les sous-titres sont-ils lisibles, et les visuels expliquent-ils réellement la narration. Une fois la direction correcte, continuez avec la vidéo complète.
Après la génération du projet, dites directement à Codex : « Ouvre l'aperçu local HyperFrames et donne-moi l'URL de l'aperçu et le dossier du projet. »
Lors des modifications, ne dites pas simplement « rends-le plus haut de gamme » ou « rends-le plus beau ». Dites à Codex des objets et des positions spécifiques, par exemple : « Le titre à 6 secondes est trop petit », « Cette capture d'écran doit rester au moins 3 secondes », « Les sous-titres cachent la personne », « Le premier plan entre trop lentement ». Ce type de feedback est plus facile à exécuter pour lui.
Après vérification, dites à Codex : « Rends la version actuellement confirmée sous forme de final.mp4, et vérifie si le fichier se lit normalement après la fin. »
Voir la page d'aperçu signifie seulement que le projet peut s'ouvrir. Le véritable signe d'achèvement est que final.mp4 a été généré et que vous l'avez regardé du début à la fin, en confirmant que la voix n'est pas coupée, que les sous-titres ne sont pas décalés et que les images ne sont pas recadrées.
Comment choisir entre HyperFrames et Remotion
Les deux peuvent transformer du texte, du son, des images et des timelines en vidéos. Vous avez juste besoin d'en choisir un comme outil de production final.
HyperFrames ressemble plus à laisser Codex réorganiser les visuels en fonction de ce contenu spécifique. Remotion ressemble plus à créer d'abord un modèle d'émission, puis à remplir le contenu dans des positions fixes pour chaque épisode.
Pour emprunter la voie Remotion, donnez le lien pour Remotion Agent Skills à Codex et laissez-le terminer l'installation. Utilisez ensuite /remotion-create pour construire la vidéo, /remotion-studio pour ouvrir l'aperçu, et enfin /remotion-render pour le rendu. Les fichiers en amont narration.md, final.wav, les sous-titres, la timeline et les images peuvent toujours être utilisés ; vous n'avez pas besoin de les refaire.
Mon conseil est simple : exécutez la première avec HyperFrames. Après avoir fait quelques épisodes et constaté que la structure des plans s'est stabilisée, laissez Codex l'organiser en une chronique Remotion fixe.
Si vous avez filmé une voix off réelle, ajoutez video-use
Le flux de travail précédent peut être complètement sans visage. Lorsque vous êtes prêt à faire face à la caméra, placez narration.md à côté de la caméra et filmez par segments. Si vous faites une erreur, arrêtez-vous et recommencez à partir de cette phrase ; vous n'êtes pas obligé de recommencer depuis le début à chaque fois.
video-use traite les séquences déjà filmées. Il transcrit d'abord la vidéo, trouve ce qui a été dit dans chaque segment, et confirme avec vous quel contenu garder avant de commencer à organiser le montage, les sous-titres et les visuels supplémentaires.
Pour l'installation, vous pouvez donner ceci directement à Codex :
1Aidez-moi à installer https://github.com/browser-use/video-use.2Lisez d'abord install.md, terminez les dépendances, FFmpeg et l'enregistrement du Skill Codex.3Ne transcrivez aucune vidéo après l'installation ; attendez que je place les séquences dans le dossier.
video-use nécessite l'installation de l'intégralité du dépôt car son assistant de montage et ses scripts se trouvent à côté du Skill. Il a également besoin de FFmpeg, qui est l'outil sous-jacent pour le traitement vidéo et audio. Lors de l'utilisation de la transcription vocale par défaut, vous devez également configurer une clé API ElevenLabs, qui est la clé permettant à l'outil d'accéder au service de transcription vocale. Confiez simplement les éléments manquants à Codex pour vérification.
Après le tournage, placez la vidéo brute dans un dossier séparé et dites à Codex :
1Veuillez utiliser video-use pour traiter la voix off réelle dans ce dossier.2Inventoriez d'abord les séquences et transcrivez-les, en trouvant les répétitions, les pauses, les erreurs et les positions de redémarrage.3Donnez-moi d'abord un plan de montage, listant les segments à garder et à supprimer ; je confirmerai avant que vous ne coupiez.4Ajoutez des sous-titres chinois après la finalisation, et utilisez les images correspondantes de assets pour compléter les visuels lorsque des étapes sont mentionnées.5Enfin, générez une version de prévisualisation, et générez final.mp4 après vérification des erreurs.
Le flux de travail complet pour cette branche est : Texte parlé → Tournage réel → video-use Organise les segments valides → Sous-titres et visuels supplémentaires → Vidéo finale.
HyperFrames et video-use peuvent également être utilisés ensemble. video-use coupe d'abord la voix off réelle de manière fluide, puis HyperFrames produit les titres, les cartes d'étapes, les démos de captures d'écran et les intros/outros. L'un gère les séquences réelles, l'autre gère les visuels informatifs ; la répartition des tâches sera plus claire.
Enfin, transformez la vidéo en un système d'acquisition de contenu
Une seule vidéo n'apporte qu'un seul test. La partie vraiment précieuse est de continuer à aborder le même type de problème.
Les analyses de livres de Serena sont mémorables car l'objet du contenu est très clair : un livre, un point de vue qui mérite d'être partagé, une courte vidéo, et le livre suivant utilise la même structure. Vous pouvez remplacer cela par votre propre domaine, par exemple analyser un outil d'IA chaque semaine, résoudre un problème de bureau à chaque fois, ou expliquer un cas d'industrie dans chaque épisode.
Cette boucle de contenu peut être très simple :
1Problème de l'utilisateur cible2→ Choisir un thème spécifique3→ Écrire un texte parlé4→ Faire une vidéo5→ Regarder les commentaires et les retours de complétion6→ Décider de quoi parler ensuite
L'accroche pour l'acquisition de clients doit également atterrir sur des résultats spécifiques. « J'ai fait une vidéo avec l'IA » montre seulement que vous savez utiliser des outils ; « J'ai transformé une critique d'outil de 3000 mots en un tutoriel pour débutants de 60 secondes » fera s'arrêter les personnes qui ont vraiment besoin de cette chose.
Ne vous précipitez pas pour construire un système automatisé massif. Choisissez un thème dont vous pouvez parler pendant dix épisodes consécutifs et exécutez le premier avec Codex : finalisez le script, générez la voix, alignez la timeline et produisez la vidéo avec HyperFrames. Réutilisez la structure de fichiers pour le deuxième, et commencez à conserver des intros fixes et des styles de sous-titres pour le troisième.
En faisant cela, Codex se transforme véritablement de « vous aide à faire une vidéo » à « vous accompagne dans la production continue d'une catégorie de contenu ».
Je suis Miles, un expert en algorithmes d'IA passé d'une grande entreprise technologique à un FDE. J'ai fait de la R&D, de l'optimisation et du déploiement d'algorithmes, ainsi que de la formation et de la livraison en entreprise. Mon compte X a atteint 10 000 abonnés en 15 jours et a écrit trois longs articles avec des millions d'expositions en une semaine, dont deux ont ensuite dépassé les 2 millions.
Suivez-moi @miles_mazy, grandissons ensemble et gagnons de l'argent ensemble.
