Edição de vídeo automatizada com Codex: um guia passo a passo do meu fluxo de trabalho de mais de US$ 7.000 no Douyin

Estou usando este fluxo de trabalho de edição há mais de dois meses e já passei por nada menos que 10 versões. Neste artigo, vou explicar o processo completo e os detalhes da forma mais clara possível para os meus amigos.

Você pode seguir a lógica do artigo ou enviar este artigo diretamente para o Codex e deixar a IA criar uma Skill para você.

Olá, amigos, estou aqui para entregar o rascunho!

Na semana passada, escrevi um artigo introdutório sobre o Codex e sou muito grato pelo apoio — ele alcançou mais de um milhão de visualizações.

https://x.com/xilo2991/status/2070051136187621452

Na época, muitos amigos perguntaram se eu poderia compartilhar a edição automatizada mencionada no artigo.

Claro. Hoje, estou aqui para conversar com vocês sobre como alcançar a edição automatizada com o Codex para maximizar a eficiência da criação de vídeos.

A Lógica Subjacente do Fluxo de Trabalho

Seja você criando conteúdo ou fazendo e-commerce, a maneira mais fácil de conseguir tráfego rapidamente é copiar sucessos virais.

Porque sucessos virais são conteúdos já validados pelo mercado, desde que você os siga rápido o suficiente, o tráfego geralmente não será ruim. (Claro, preste atenção à diferença entre copiar e plagiar.)

O cerne deste fluxo de trabalho é copiar sucessos virais.

Suponha que você veja um vídeo viral e queira fazer seu próprio vídeo seguindo aquele ritmo e estrutura. A forma tradicional é entrar manualmente no CapCut (Jianying) e combinar quadro a quadro com o vídeo de referência, encontrar materiais, cronometrá-los e alinhar as legendas. Um vídeo pode levar duas ou três horas.

Mas com este fluxo de trabalho, você só precisa preparar o vídeo de referência e sua própria biblioteca de materiais; o Codex pode completar automaticamente o resto.

O Codex identificará automaticamente cada transição de cena no vídeo de referência, encontrará o melhor material correspondente na sua biblioteca, gerará automaticamente narrações e legendas e, por fim, fornecerá um rascunho do CapCut que você pode abrir e editar.

O processo inteiro pode levar apenas alguns minutos.

Eu uso principalmente este fluxo de trabalho ao fazer vídeos de produtos para o Douyin.

Antes do Codex, eu conseguia editar no máximo 6 vídeos por dia. Mas com o Codex, só preciso encontrar vídeos virais adequados como referência e preparar os materiais do produto. O resto é geração automática, revisão e ajustes finos.

Consigo facilmente terminar 30 vídeos por dia, um aumento de eficiência de pelo menos cinco vezes.

Mas vamos ser claros: o posicionamento deste fluxo de trabalho é produção automática, não criação de alto padrão.

Ele é adequado para vídeos do tipo mashup que exigem a montagem de vários segmentos, como e-commerce, marketing ou Vlogs mashup.

O vídeo de referência fornece a estrutura e o ritmo, sua biblioteca de materiais fornece os visuais, as narrações e legendas são geradas automaticamente, e o vídeo final é produzido automaticamente.

Se você quer criar conteúdo original de alta qualidade que exija uma linguagem cinematográfica muito precisa, transições complexas e expressão emocional delicada, este processo pode não ser adequado.

Porque a lógica atual de correspondência automática ainda não consegue alcançar um entendimento semântico e controle emocional tão precisos.

Também estou pesquisando como otimizar este processo para vídeos originais e compartilharei com os amigos assim que estiver estável.

Preparação do Fluxo de Trabalho

OK, de volta ao fluxo de trabalho de edição automatizada. Abaixo, explicarei passo a passo como construir este fluxo de trabalho. Antes de começar, você precisa preparar duas coisas.

1. Instalar as Ferramentas Correspondentes

Este fluxo de trabalho é baseado no Codex, então você precisa primeiro ter o Codex. Se você nunca o usou, confira meu artigo introdutório da semana passada.

Especificamente, este fluxo de trabalho requer estas ferramentas principais:

• FFmpeg: Usado para operações básicas como divisão, mesclagem e conversão de formato de vídeo. Esta é a base e deve ser instalada.
• Ambiente Python: Como todo o processo é escrito em Python, você precisa de pelo menos Python 3.8.
• Ferramentas de Narração: Se você quiser narrações automáticas, a mais estável é o modelo de voz Doubao da ByteDance; se quiser clonar vozes, use o VoxCPM, uma ferramenta gratuita de código aberto.
• CapCut (Jianying): O rascunho final gerado está no formato CapCut, então você precisa da versão desktop instalada.

Entre estes, FFmpeg e Python são dependências principais.

Você pode copiar o texto a seguir para o Codex para ajudá-lo a verificar o ambiente e instalar as ferramentas que faltam:

1Ajude-me a verificar o ambiente necessário para edição automatizada de vídeo:
2
31. Verifique se o FFmpeg está instalado; se não, ajude-me a instalá-lo.
42. Verifique se a versão do Python é >= 3.8; se não, ajude-me a instalar ou atualizá-la.
53. Verifique se o CapCut (Jianying) Professional está instalado; se não, informe-me o link de download.
64. Instale as dependências Python: opencv-python, numpy, pillow
7
8Após a verificação, informe-me o que está pronto e o que preciso resolver manualmente.

Para narrações, depende das suas necessidades. Se você está fazendo vídeos de e-commerce, o modelo de voz Doubao é o mais estável. Ele usa as mesmas vozes de IA do CapCut. O preço é baixo — gerar um vídeo de 1 minuto custa cerca de 0,4-0,8 RMB.

Se você quiser usar sua própria voz ou clonar a de outra pessoa, use o VoxCPM. Encontre o link no GitHub e envie para o Codex instalar.

2. Criar Pastas

Após instalar estes, você precisa criar uma pasta de projeto. Eu geralmente organizo assim:

1Pasta do Projeto/
2  assets/           # Sua biblioteca de materiais
3  work/            # Área de trabalho, crie uma pasta com data para cada edição
4  final/           # Produtos finais
5  AGENTS.md        # Arquivo de configuração do projeto

A pasta assets é sua biblioteca. Coloque todos os materiais potencialmente úteis lá. Eles podem ser gerados por IA ou filmados por você, mas devem ser preparados com antecedência como ativos reutilizáveis.

Os materiais podem ser categorizados por aparência, função ou cena.

A pasta work é para projetos ativos. Toda vez que você fizer um novo vídeo, crie uma pasta com data como 2026-07-05 e coloque o vídeo de referência, arquivos intermediários e o rascunho final lá.

AGENTS.md é o arquivo de configuração contendo os objetivos do projeto, especificações de saída e critérios de aceitação. Isso é crucial porque o Codex o usa para entender suas necessidades.

PS: Meu próprio arquivo AGENTS é um pouco longo, então coloquei no final para referência.

Construindo o Fluxo de Trabalho de Edição

1. Deconstruir o Vídeo de Referência

O objetivo principal aqui é dividir o vídeo de referência em cenas independentes e extrair quadros-chave para cada cena como base para a correspondência de materiais.

Encontre um vídeo que você queira usar como referência. Baixe-o, coloque-o na pasta work e dê a ele um nome claro.

Em seguida, envie isto para o Codex:

1Preciso deconstruir um vídeo de referência.
2
3Localização do vídeo de referência: @(insira seu nome de arquivo)
4
5Ajude-me com:
61. Use o FFmpeg para identificar transições de cena (através da análise de diferença entre quadros).
72. Extraia quadros-chave para cada cena e salve-os como imagens.
83. Extraia a faixa de áudio separadamente.
94. Gere um arquivo recipe.json registrando hora de início, hora de término, duração e caminho do quadro-chave para cada cena.
105. Se houver texto, gere um script de narração baseado no áudio, segmentado por cena.
11
12Após a conclusão, siga os requisitos do AGENTS.md, salve na pasta correspondente e informe-me quantas cenas foram identificadas.

Este arquivo recipe.json é o núcleo de todo o processo.

Após a deconstrução, você verá muitos pequenos clipes de vídeo e capturas de tela. Verifique se a divisão é razoável. Se não for, você pode pedir ao Codex para ajustar.

2. Filtrar e Corresponder Materiais

Este passo é o mais crítico e demonstra o valor da automação.

Tradicionalmente, você pesquisaria sua biblioteca cena por cena. Com este fluxo de trabalho, você apenas diz ao Codex onde sua biblioteca está, e ele realiza a correspondência visual.

Prompt para o Codex:

1Preciso corresponder e substituir materiais da biblioteca.
2
3Informações do projeto:
4- Caminho do recipe.json: (caminho do passo anterior)
5- Caminho da biblioteca de materiais: assets/
6- Caminho de saída: work/(seu caminho)
7
8Requisitos de correspondência:
91. Leia os quadros-chave do recipe.json.
102. Percorra a biblioteca e extraia quadros-chave para cada ativo.
113. Recomende o melhor material correspondente através de cor, brilho e composição (forneça pontuações de confiança).
124. Aplique regras: evite usar o mesmo material por 3 cenas consecutivas; evite composições repetitivas óbvias.
135. Gere fragment_plan.json e matches.json.
146. Copie (não mova) os materiais selecionados para material/fragment01/, etc.
15
16Princípio: Se a confiança estiver abaixo de 0.6, marque como "material ausente."

O Codex calcula a similaridade com base em características visuais. Materiais com alta pontuação são priorizados.

matches.json registra os resultados finais. Um princípio chave: É melhor deixar um material em branco do que forçar um irrelevante.

3. Gerar Narração

Após a correspondência, gere a narração. Como o Codex usa OCR/ASR, verifique se há erros no script primeiro.

Prompt:

1Preciso gerar narrações. O script está em @(seu script.txt)
2
3Requisitos:
41. Chame a API Doubao TTS para gerar áudio independente para cada cena.
52. Leia a duração real de cada arquivo de áudio.
63. Se a duração diferir da cena de referência, registre a diferença.
74. Mescle em final_voice.mp3.
85. Atualize recipe.json com as durações reais.

O Codex ajustará o ritmo do vídeo com base no áudio. Se uma narração levar 5 segundos para uma cena de referência de 3 segundos, a cena do vídeo final será estendida para 5 segundos.

4. Gerar Rascunho e Projeto CapCut

Gerar o rascunho do CapCut é complexo porque o formato é rigoroso em relação a IDs e caminhos. Incluí regras no prompt para evitar erros.

Prompt:

1Preciso gerar o vídeo final e o rascunho do CapCut.
2
3Entrada:
4- recipe.json, matches.json, caminho do material, arquivo de narração, script.
5
6Saída:
71. Renderizar vídeo de pré-visualização: work/remix.mp4
82. Arquivo de legenda: work/captions.srt
93. Rascunho CapCut: work/jianying_draft/
10
11Requisitos:
12- Corresponder materiais de acordo com recipe.json e matches.json.
13- Use a duração da narração como linha de base.
14- Garanta que Content ID, Metadata ID e Root Index ID sejam consistentes e únicos.
15- Use caminhos absolutos para os materiais.

Verifique se o rascunho abre corretamente, se os materiais aparecem e se as legendas/áudio estão sincronizados.

Palavras Finais

Todo o processo, desde a referência até o rascunho, leva cerca de 20 a 30 minutos. Com uma biblioteca pronta, pode levar apenas 5 minutos por vídeo.

Assim que o fluxo de trabalho estiver funcionando bem, diga ao Codex: Ajude-me a encapsular este fluxo de trabalho em uma Skill. Na próxima vez, basta chamar a Skill.

Espero que isto ajude. Boa sorte! 🍀

(Modelo AGENTS.md omitido por brevidade nesta tradução, mas incluído no texto original.)