Ранее создание видео — написание сценария, озвучка, монтаж и субтитры — требовало значительного времени на освоение, что часто заставляло людей сдаваться, даже не начав.
Теперь эти задачи можно напрямую передать Codex.
Вы даете ему статью или просто тему, предоставляете соответствующие навыки для видео, и Codex может написать текст, озвучить, создать раскадровку, добавить субтитры, анимацию и смонтировать финальное видео. Вам не нужно сначала учиться монтировать или разбираться в коде; достаточно четко описать желаемое видео, и вы можете начинать.
В этой статье я объясню весь процесс от начала до конца. Мы начнем с создания видео на основе статьи без демонстрации лица, а затем добавим метод монтажа для озвучки реальным человеком. Даже новичок в видео сможет следовать инструкциям и создать свою первую версию.
Мой рабочий процесс: Статья или Тема → Текст для озвучки → Озвучка → Таймлайн → Раскадровка → HyperFrames → Проверка финального видео.
Этот урок начинается с самого простого пути. Вам нужно только знать, как открыть Codex, создать папку и поместить в нее статью; остальное вы можете объяснять ему пошагово.
Сначала передайте Codex необходимые инструменты
Навык (Skill) можно понимать как инструкцию по работе для Codex. Он сообщает Codex, какие инструменты вызывать, в каком порядке их выполнять и на какие проблемы обращать внимание при работе с озвучкой, раскадровкой или монтажом.
Метод установки можно объединить в одну фразу: Скопируйте ссылку на GitHub ниже в Codex, дайте ему прочитать описание проекта, завершить установку и проверить работоспособность. Оставьте конкретные команды Codex; вам не нужно копировать их самостоятельно.
Инструменты, используемые в этом рабочем процессе для видео, можно просмотреть по этапам:
HyperFrames уже включает несколько ролей: /faceless-explainer отвечает за преобразование статей или тем в объяснения без показа лица, /hyperframes-creative занимается ритмом озвучки и раскадровкой, /media-use управляет изображениями, звуком и субтитрами, а /hyperframes-animation отвечает за визуальные изменения. Обычно вам нужно просто сказать Codex "используй /hyperframes для создания этого видео", и он выберет необходимые части.
Визуальные стили также можно добавлять по мере необходимости. Если вы хотите создать коллажное образовательное видео, вы можете передать Codex vox-explainer из HyperFrames Community Skills; если вам нужны эффекты рукописного ввода или рисования, выберите p5-paint-animation из того же репозитория; для представления продуктов, демонстрации интерфейсов или рекламных роликов дайте Codex ссылку на video-shotcraft. Это расширения стилей, и для вашего первого видео их все устанавливать не нужно.
После добавления инструментов в рабочий процесс Codex сначала выполнит редактирование контента, затем обработает звук, раскадровку и финальную проверку видео. Вам нужно только подтвердить, соответствуют ли результаты на каждом этапе вашему замыслу.
Теперь создайте новую папку, например, codex-video, и откройте ее в Codex. Поместите в нее вашу статью, изображения и сгенерированный позже аудиофайл, затем дайте Codex ссылку на репозиторий HyperFrames, чтобы завершить подготовку к первой основной линии.
Почему некоторые видео на основе статей приносят постоянный трафик
Серена предприняла очень конкретную попытку: вместо расплывчатых разговоров о том, что "ИИ может создавать видео", она выбрала нишу "разбор книг" и использовала Codex и HyperFrames для создания видео, подходящих для Douyin.
Читатели кликают, потому что видят полный путь: выбрать нишу, которую люди уже смотрят, найти книгу, написать сценарий, сделать видео и повторить ту же структуру для следующей книги. Создание видео — это всего лишь метод выполнения в середине; то, что действительно привлекает людей в начале, — это "может ли этот метод помочь мне развить аккаунт".
Ее фактическая последовательность производства также стоит того, чтобы ее повторить: сначала определить 30-секундную продолжительность, вертикальный формат и платформу для публикации; написать сценарий отдельно; разбить сценарий на сегменты; сгенерировать финальную озвучку; получить тайминг субтитров на основе озвучки; затем позволить HyperFrames расположить визуальные элементы; просмотреть, изменить и, наконец, отрендерить.
Здесь есть очень важный порядок: Сначала утвердите текст и финальное аудио, затем занимайтесь визуалом. Если вы измените одно предложение в аудио, изменятся субтитры и тайминг кадров. Слишком раннее выполнение анимации приведет только к многократным переделкам позже.
Вам не обязательно делать канал о книгах. Вы можете разбирать ИИ-инструменты, объяснять методы работы, рассказывать о кейсах из индустрии или превращать свои длинные статьи в видео-серии. Сначала определите область контента и используйте одну и ту же структуру для каждого видео, чтобы Codex мог помогать вам работать все быстрее и быстрее.
Шаг 1: Превратите статью или тему в текст для озвучки
Текст для озвучки — это скелет всего видео. Какими бы красивыми ни были визуальные эффекты, если начало не захватывает или метод неясен, видео будет трудно досмотреть до конца.
Здесь есть три пути.
Вариант 1: Только тема, пусть Codex пишет напрямую
Например, если вы планируете сделать видео на тему "Как Codex создает видео", сообщите Codex четыре вещи: кто аудитория, какую проблему это решает, какой длины видео и что вы хотите, чтобы аудитория сделала после просмотра.
1Я хочу сделать 60-секундное вертикальное видео на тему "Первый раз использую Codex для создания видео."23Аудитория знает только, как использовать Codex, и никогда не писала сценарии или не монтировала видео.4Начните с сообщения им конечного результата, затем четко объясните: генерация сценария, выбор голоса, использование HyperFrames для визуала и проверка финального видео.5Каждое предложение должно быть легко читаемым вслух, без формальных подзаголовков и нагромождения жаргона.6Закончите, попросив их запустить свое первое видео с темой.78Пока предоставьте только текст для озвучки; не делайте раскадровку или видео.
Чем конкретнее тема, тем легче писать сценарий. Сужение "создания ИИ-видео" до "превращения обзора инструмента в 60-секундное вертикальное объяснение" сообщает Codex, какой контент сохранить.
Вариант 2: Уже есть статья, пусть Codex адаптирует ее в разговорный язык
Сохраните статью как article.md и поместите ее в папку проекта вместе с изображениями. Затем скажите Codex:
1Пожалуйста, прочитай article.md и адаптируй ее в 90-секундный текст для озвучки.23Сохрани ключевые идеи и наиболее полезные примеры из статьи; не просто суммируй каждый абзац.4Начни с того, что получит читатель, оставь только три шага в середине и объясни каждый шаг простыми для понимания предложениями.5Не зачитывай ссылки, сноски или символы форматирования из статьи.6Пожалуйста, вынеси отдельно факты, которые мне нужно проверить.78Пока сгенерируй только narration.md.
При преобразовании статей в сценарии самая распространенная проблема заключается в том, что "слова узнаваемы, но они не звучат как речь живого человека". Дайте Codex ссылку на humanizer-zh, позвольте ему установить его и обработать narration.md: сохранить факты и личные мысли, но скорректировать кальки с других языков, механический параллелизм и слишком формальные предложения.
После адаптации вам все равно нужно прочитать текст вслух самостоятельно. Ваш рот найдет много проблем, которые пропустили глаза.
Вариант 3: Позвольте HyperFrames взять на себя все видео без лица
Если у вас есть только материалы, и вы еще не придумали сценарий или визуал, вы можете ввести /faceless-explainer через /hyperframes. Он организует темы, статьи или заметки в направление объяснения, повествование и раскадровку.
Этот путь проще и подходит для быстрого создания первой версии. Первые два варианта лучше, когда у вас есть четкие точки зрения и вы хотите строго контролировать содержание сценария.
Независимо от того, что вы выберете, сценарий в идеале должен состоять из четырех частей:
- Крючок: Сначала представьте результат или конкретную проблему.
- Проблема: Сообщите аудитории, на каком этапе они застряли.
- Метод: Объясните процесс в два-три шага.
- Следующий шаг: Дайте действие, которое они могут выполнить сразу после просмотра.
Например, вступление к видео этого урока может быть таким: "Установили Codex, но не знаете, что делать? Вы можете начать с создания видео. Дайте ему статью, и он обработает сценарий, голос, субтитры и визуал. Сегодня давайте пройдемся по самому короткому рабочему процессу."
Шаг 2: Выберите стандартный TTS или клонируйте свой голос
Как только сценарий утвержден, решите, кто будет его читать. Для первого раза достаточно стандартного TTS; как только вы сможете стабильно обновлять контент, тогда занимайтесь клонированием личного голоса.
Самый простой способ: используйте существующий TTS
TTS — это ввод текста для получения MP3 или WAV. Вы можете использовать любую функцию преобразования текста в речь, которая у вас есть под рукой, или передать Codex edge-tts с открытым исходным кодом, позволить ему установить его, выбрать голос на нужном языке и сгенерировать аудио и субтитры.
Сначала прослушайте десять секунд, чтобы подтвердить голос, скорость и паузы, прежде чем генерировать полный текст. Стандартный TTS не будет звучать как вы, но его преимущество — скорость, что делает его подходящим для проверки контента и визуальных рабочих процессов.
Для долгосрочного использования собственного голоса: CosyVoice
CosyVoice — это набор инструментов для генерации голоса с открытым исходным кодом. Дайте ему чистую эталонную запись и соответствующий ей дословный текст, и он сможет сгенерировать новое повествование с похожими характеристиками диктора.
Здесь нельзя путать три вещи:
- reference.wav: Ваша собственная или авторизованная эталонная запись.
- reference.txt: Каждое отдельное слово, фактически произнесенное в эталонной записи.
- narration.md: Новый сценарий, который нужно сгенерировать для этого видео.
Эталонный текст должен точно соответствовать записи. Если вы на ходу изменили слово, текст тоже должен быть изменен. Фоновая музыка, эхо и сильное шумоподавление повлияют на качество эталона; старайтесь записывать чистый, естественный голос в тихой обстановке.
Локальная установка CosyVoice требует на несколько шагов больше, чем стандартный TTS. Новички могут напрямую передать официальный репозиторий Codex:
1Пожалуйста, помоги мне установить CosyVoice:2https://github.com/QwenAudio/CosyVoice34Сначала прочитай официальный README, затем проверь текущую среду компьютера и заверши установку.5После установки сгенерируй только один короткий тестовый аудиофайл; не генерируй сразу весь сценарий.
Он подготовит среду выполнения и загрузит голосовые модели локально, что займет больше времени, чем стандартный TTS. Вам не нужно выполнять команды одну за другой; если какой-то шаг не удался, оставьте полное сообщение об ошибке в чате Codex и позвольте ему проверить. После установки вам все равно нужно прослушать тестовое аудио самостоятельно, чтобы оценить, похож ли голос на ваш и естественна ли артикуляция.
При генерации формального сценария не загружайте всю статью сразу. Разбейте ее на несколько сегментов по смыслу, сначала прослушайте каждый сегмент, чтобы подтвердить произношение имен собственных, английских слов и чисел, затем синтезируйте final.wav. Если в одном сегменте возникла проблема, вам нужно переделать только этот сегмент.
Если вы пока не хотите клонировать свой голос, просто пропустите CosyVoice. Последующие HyperFrames и Remotion распознают только финальный аудиофайл, и им все равно, из какого TTS он получен.
Шаг 3: Заставьте визуал следовать за финальным голосом
Теперь у вас должно быть два утвержденных файла: narration.md и final.wav. С этого момента final.wav является истинной временной шкалой видео.
Позвольте Codex расшифровать финальное аудио, чтобы получить фактическое время начала и окончания для каждого предложения, а затем сгенерировать субтитры. Сценарий определяет, что говорят субтитры, а расшифровка аудио отвечает за то, чтобы сообщить субтитрам, когда появляться.
Не распределяйте время на основе количества слов. Десять слов могут быть произнесены за полсекунды, или между ними могут быть две паузы. Субтитры, ключевые слова и изображения должны появляться, следуя за реальным голосом.
Вы можете просто дать такую инструкцию:
1Пожалуйста, установи временную шкалу на основе final.wav.2Используй narration.md для проверки текста субтитров и используй результаты расшифровки аудио для получения реального времени начала и окончания каждого предложения.3Выведи captions.srt и timing.json.4Если сценарий не соответствует фактическому голосу, пожалуйста, перечисли расхождения; не угадывай.
Шаг 4: Разбейте сценарий на раскадровку
Раскадровка не требует предварительного изучения профессиональной терминологии. Разбейте сценарий на 4-8 сегментов и для каждого сегмента ответьте на один вопрос: Что самое важное должна увидеть аудитория на экране, когда слышит это предложение?
Если в статье уже есть скриншоты, фотографии, графики или карточки персонажей, в первую очередь используйте эти материалы. Позвольте аудитории сначала увидеть общую картину, затем увеличьте часть, которая обсуждается. Для предложений, для которых нет готовых изображений, вы можете использовать ключевые слова, карточки шагов, сравнения, временные шкалы и простые инфографики.
Требования к Codex могут быть очень краткими:
1Пожалуйста, создай раскадровку на основе narration.md, timing.json и папки assets.2Для каждого кадра укажи: соответствующее повествование, время начала, время окончания, основной визуал, необходимые материалы и положение субтитров.3Изображения, уже имеющиеся в статье, должны быть запланированы для фактического отображения; сначала отметь места, где не хватает материалов, не заполняй их нерелевантными изображениями.
Если вы не знаете, как выглядят эффекты движения, вы можете проверить две публичные библиотеки эффектов:
- HyperFrames Launches: Содержит полные проекты HyperFrames, чтобы увидеть, как финальные видео разбиваются на раскадровки.
- video-shotcraft: Предоставляет рецепты кадров Remotion и динамические превью, лучше подходит для представления продуктов, демонстрации интерфейсов и рекламных роликов.
video-shotcraft — это необязательная справочная библиотека кадров, а не обязательная установка для видео на основе статей. Дайте ссылку на репозиторий Codex, и он сможет прочитать рецепты кадров внутри. Сначала четко объясните информацию, затем выберите один или два подходящих эффекта движения; визуал будет более стабильным.
Шаг 5: Создайте первую версию видео с помощью HyperFrames
К этому моменту сценарий, голос, тайминг субтитров и раскадровка готовы. Теперь передайте эти файлы HyperFrames:
1Используя /hyperframes, преврати текущий проект в 9:16 вертикальное объяснительное видео.23Пожалуйста, прочитай narration.md, final.wav, captions.srt, timing.json, storyboard.md и папку assets.4Визуал должен следовать реальному таймингу аудио, а субтитры не должны перекрывать основной контент.5В первую очередь используй оригинальные изображения и карточки персонажей из assets; для кадров, где не хватает материалов, используй простую инфографику.6Заверши первые 15 секунд в качестве образца и открой превью; я продолжу с полным видео после подтверждения направления.
Просмотр первых 15 секунд позволяет на раннем этапе выявить три проблемы: не слишком ли медленное вступление, читабельны ли субтитры и действительно ли визуал объясняет повествование. Как только направление будет правильным, продолжайте с полным видео.
После того как проект сгенерирован, скажите Codex напрямую: "Открой локальный превью HyperFrames и сообщи мне URL превью и папку проекта."
При внесении изменений не говорите просто "сделай это более премиальным" или "сделай, чтобы выглядело лучше". Сообщите Codex конкретные объекты и позиции, например: "Заголовок на 6-й секунде слишком маленький", "Этот скриншот должен оставаться на экране как минимум 3 секунды", "Субтитры перекрывают человека", "Первый кадр появляется слишком медленно". Такую обратную связь ему легче выполнить.
После проверки скажите Codex: "Отрендери текущую подтвержденную версию как final.mp4 и проверь, нормально ли воспроизводится файл после завершения."
Вид страницы превью означает только то, что проект можно открыть. Истинный признак завершения — это то, что final.mp4 был сгенерирован и вы просмотрели его от начала до конца, подтвердив, что голос не обрывается, субтитры не смещены и изображения не обрезаны.
Как выбрать между HyperFrames и Remotion
Оба могут превратить текст, звук, изображения и временные шкалы в видео. Вам просто нужно выбрать один в качестве финального инструмента производства.
HyperFrames больше похож на то, что Codex реорганизует визуал на основе этого конкретного контента. Remotion больше похож на создание шаблона шоу, а затем заполнение контентом фиксированных позиций для каждого эпизода.
Чтобы пойти по пути Remotion, передайте Codex ссылку на Remotion Agent Skills и позвольте ему завершить установку. Затем используйте /remotion-create для сборки видео, /remotion-studio для открытия превью и, наконец, /remotion-render для рендеринга. Все предыдущие narration.md, final.wav, субтитры, временная шкала и изображения все еще могут быть использованы; вам не нужно переделывать их.
Мой совет прост: запустите первое видео с HyperFrames. После создания нескольких эпизодов, когда вы увидите, что структура кадров стабилизировалась, позвольте Codex организовать это в фиксированную колонку Remotion.
Если вы сняли озвучку с реальным человеком, добавьте video-use
Предыдущий рабочий процесс может быть полностью без лица. Когда вы будете готовы смотреть в камеру, поместите narration.md рядом с камерой и снимайте сегментами. Если вы ошиблись, остановитесь и начните заново с этого предложения; вам не нужно каждый раз начинать сначала.
video-use обрабатывает уже отснятые материалы. Сначала он расшифровывает видео, выясняет, что было сказано в каждом сегменте, и подтверждает с вами, какой контент сохранить, прежде чем приступить к организации монтажа, субтитров и дополнительного визуала.
Для установки вы можете передать это напрямую Codex:
1Пожалуйста, помоги мне установить https://github.com/browser-use/video-use.2Сначала прочитай install.md, заверши установку зависимостей, FFmpeg и регистрацию Codex Skill.3Не расшифровывай никакие видео после установки; подожди, пока я помещу материалы в папку.
video-use требует установки всего репозитория, потому что его помощник по монтажу и скрипты находятся рядом с Skill. Ему также нужен FFmpeg, который является базовым инструментом для обработки видео и аудио. При использовании стандартной расшифровки голоса вам также необходимо настроить ElevenLabs API Key, который является ключом, позволяющим инструменту получить доступ к сервису расшифровки голоса. Просто передайте недостающие элементы Codex для проверки.
После съемки поместите исходное видео в отдельную папку и скажите Codex:
1Пожалуйста, используй video-use для обработки озвучки реального человека в этой папке.2Сначала инвентаризируй материалы и расшифруй их, найди повторы, паузы, ошибки и места перезапусков.3Сначала дай мне план монтажа, перечислив сегменты для сохранения и удаления; я подтвержу, прежде чем ты начнешь резать.4Добавь субтитры на нужном языке после финализации и используй соответствующие изображения из assets для дополнения визуала, когда упоминаются шаги.5В конце выведи превью-версию и выведи final.mp4 после проверки на ошибки.
Полный рабочий процесс для этой ветки: Текст для озвучки → Съемка реального человека → video-use организует валидные сегменты → Субтитры и дополнительный визуал → Финальное видео.
HyperFrames и video-use также можно использовать вместе. video-use сначала плавно обрезает озвучку реального человека, а затем HyperFrames создает заголовки, карточки шагов, демонстрации скриншотов и интро/аутро. Один обрабатывает материалы с реальным человеком, другой — информационный визуал; разделение труда будет более четким.
Наконец, превратите видео в систему привлечения контента
Одно видео приносит только один тест. Действительно ценная часть — это продолжать решать один и тот же тип проблем.
Разборы книг Серены запоминаются, потому что объект контента очень ясен: книга, одна мысль, которой стоит поделиться, короткое видео, и следующая книга использует ту же структуру. Вы можете заменить это своей областью, например, каждую неделю разбирать ИИ-инструмент, каждый раз решать офисную проблему или в каждом эпизоде объяснять кейс из индустрии.
Этот цикл контента может быть очень простым:
1Проблема целевого пользователя2→ Выбрать конкретную тему3→ Написать текст для озвучки4→ Сделать видео5→ Посмотреть на комментарии и обратную связь по завершению6→ Решить, о чем говорить дальше
Крючок для привлечения клиентов также должен основываться на конкретных результатах. "Я сделал видео с помощью ИИ" показывает только то, что вы умеете пользоваться инструментами; "Я превратил обзор инструмента на 3000 слов в 60-секундный урок для новичков" заставит остановиться тех, кому это действительно нужно.
Не спешите строить массивную автоматизированную систему. Выберите тему, о которой вы можете говорить в течение десяти последовательных эпизодов, и запустите первый с Codex: утвердите сценарий, сгенерируйте голос, выровняйте временную шкалу и создайте видео с HyperFrames. Повторно используйте структуру файлов для второго и начните сохранять фиксированные интро и стили субтитров для третьего.
Делая это, Codex действительно трансформируется из "помощника в создании одного видео" в "компаньона, который помогает вам постоянно производить категорию контента".
Я Майлз, эксперт по алгоритмам ИИ, перешедший из крупной технологической компании в FDE. Я занимался исследованиями, оптимизацией и развертыванием алгоритмов, а также корпоративным обучением и внедрением. Мой аккаунт X достиг 10 000 подписчиков за 15 дней и написал три длинные статьи с миллионными охватами за одну неделю, две из которых позже превысили 2 миллиона.
Следите за мной @miles_mazy, давайте расти и зарабатывать вместе.
