Раніше створення відео — написання сценарію, озвучення, монтаж і субтитри — вимагало значного часу на навчання, що часто змушувало людей здаватися ще до початку.
Тепер ці завдання можна безпосередньо передати Codex.
Ви даєте йому статтю або просто тему, надаєте відповідні навички (Skills) для відео, і Codex може створити текст для озвучення, голос, розкадровку, субтитри, рухомі ефекти та фінальне відео. Вам не потрібно спочатку вивчати монтаж, не потрібно розуміти код; якщо ви можете чітко описати бажане відео, ви можете почати.
У цій статті я поясню весь процес від початку до кінця. Ми почнемо зі створення відео на основі статті без показу обличчя, а потім додамо метод монтажу для озвучення реальною людиною. Навіть новачок у відео зможе створити свою першу версію.
Мій робочий процес: Стаття або Тема → Текст для озвучення → Озвучення → Часова шкала → Розкадровка → HyperFrames → Перевірка фінального відео.
Цей посібник починається з найпростішого шляху. Вам потрібно лише знати, як відкрити Codex, створити папку та помістити туди статтю; решту ви можете пояснювати йому речення за реченням.
Спочатку передайте необхідні інструменти Codex
Навичку (Skill) можна розуміти як інструкцію з роботи для Codex. Вона вказує Codex, які інструменти викликати, в якому порядку їх виконувати та які проблеми перевіряти під час роботи з озвученням, розкадровкою чи монтажем.
Спосіб встановлення можна об'єднати в одне речення: Скопіюйте посилання на GitHub нижче в Codex, дозвольте йому прочитати опис проєкту, завершити встановлення та перевірити, чи все працює. Залиште конкретні команди Codex; вам не потрібно копіювати їх самостійно.
Інструменти, що використовуються в цьому робочому процесі відео, можна переглянути за етапами:
HyperFrames вже включає кілька ролей: /faceless-explainer відповідає за організацію статей або тем у пояснення без показу обличчя, /hyperframes-creative займається ритмом озвучення та розкадровкою, /media-use керує зображеннями, звуком і субтитрами, а /hyperframes-animation відповідає за візуальні зміни. Зазвичай вам просто потрібно сказати Codex "використай /hyperframes для створення цього відео", і він вибере необхідні частини.
Візуальні стилі також можна додавати за потреби. Якщо ви хочете створити відео в стилі колажу для знань, ви можете надати Codex vox-explainer з HyperFrames Community Skills; якщо вам потрібні ефекти малювання від руки, виберіть p5-paint-animation з того ж репозиторію; для представлення продуктів, демонстрації інтерфейсів або рекламних роликів дозвольте Codex звернутися до video-shotcraft. Це розширення стилів, і їх не обов'язково встановлювати для вашого першого відео.
Після додавання інструментів до робочого процесу Codex спочатку виконає редагування контенту, потім обробить звук, розкадровку та фінальну перевірку відео. Вам потрібно лише підтвердити, чи результати на кожному кроці відповідають вашому задуму.
Тепер створіть нову папку, наприклад, codex-video, і відкрийте її в Codex. Помістіть туди вашу статтю, зображення та аудіо, згенероване пізніше, а потім надайте Codex посилання на репозиторій HyperFrames, щоб завершити підготовку для першої основної лінії.
Чому деякі відео на основі статей приносять постійний трафік
Serena зробила дуже конкретну спробу: замість того, щоб розпливчасто говорити про "AI може створювати відео", вона обрала нішу "розбір книг" і використала Codex та HyperFrames для створення відео, придатних для Douyin.
Читачі натискають, тому що бачать повний шлях: виберіть нішу, яку люди вже дивляться, знайдіть книгу, напишіть сценарій, створіть відео та повторіть ту саму структуру для наступної книги. Виробництво відео — це лише метод виконання в середині; те, що справді приваблює людей на початку, це "чи допоможе цей метод розвинути мій акаунт".
Її фактична послідовність виробництва також варта наслідування: спочатку визначте тривалість 30 секунд, вертикальний формат і платформу публікації; напишіть сценарій окремо; розбийте сценарій на сегменти; згенеруйте фінальний голос; отримайте час субтитрів на основі голосу; потім дозвольте HyperFrames розташувати візуальні елементи; перегляньте, змініть і, нарешті, виконайте рендеринг.
Тут є дуже важливий порядок: Спочатку затвердьте текст і фінальне аудіо, потім робіть візуальні елементи. Якщо ви зміните одне речення аудіо, час субтитрів і кадрів зміниться. Виконання рухомих ефектів занадто рано призведе лише до повторних переробок пізніше.
Вам не обов'язково створювати книжковий акаунт. Ви можете розбирати AI-інструменти, пояснювати методи роботи, обговорювати галузеві кейси або перетворювати свої довгі статті на відеосерії. Спочатку зафіксуйте обсяг контенту та використовуйте однакову структуру для кожного відео, щоб Codex міг допомагати вам працювати все швидше та швидше.
Крок 1: Перетворіть статтю або тему на текст для озвучення
Текст для озвучення — це скелет усього відео. Якими б красивими не були візуальні ефекти, якщо початок не приваблює або метод незрозумілий, відео буде важко додивитися до кінця.
Тут є три шляхи.
Варіант 1: Лише тема, дозвольте Codex писати безпосередньо
Наприклад, якщо ви плануєте створити відео на тему "Як Codex створює відео", скажіть Codex чотири речі: хто аудиторія, яку проблему це вирішує, яка тривалість відео та що ви хочете, щоб аудиторія зробила після перегляду.
1Я хочу створити 60-секундне вертикальне відео на тему "Використання Codex вперше для створення відео."23Аудиторія знає лише, як використовувати Codex, і ніколи не писала сценаріїв або не монтувала відео.4Почніть, розповівши їм про кінцевий результат, потім чітко поясніть: генерація сценарію, вибір голосу, використання HyperFrames для візуальних елементів і перевірка фінального відео.5Кожне речення має бути легким для читання вголос, без формальних підзаголовків, без нагромадження жаргону.6Закінчіть, закликаючи їх запустити своє перше відео з темою.78Поки що надайте лише текст для озвучення; не робіть розкадровку або відео.
Чим конкретніша тема, тим легше писати сценарій. Звуження "створення AI-відео" до "перетворення огляду інструменту на 60-секундне вертикальне пояснення" вказує Codex, який контент зберегти.
Варіант 2: Вже є стаття, дозвольте Codex адаптувати її в розмовну мову
Збережіть статтю як article.md і помістіть її в папку проєкту разом із зображеннями. Потім скажіть Codex:
1Будь ласка, прочитайте article.md та адаптуйте її в 90-секундний текст для озвучення.23Збережіть ключові ідеї та найкорисніші приклади зі статті; не просто підсумовуйте кожен абзац.4Почніть, сказавши, що отримає читач, залиште лише три кроки в середині та поясніть кожен крок легкими для розуміння реченнями.5Не читайте вголос посилання, виноски або символи форматування зі статті.6Будь ласка, окремо перелічіть факти, які мені потрібно перевірити.78Поки що згенеруйте лише narration.md.
Під час перетворення статей у сценарії найпоширенішою проблемою є те, що "слова впізнавані, але вони не звучать як людська мова". Надайте посилання на humanizer-zh для Codex, дозвольте йому встановити його та обробити narration.md: збережіть факти та особисті думки, але відкоригуйте кальку з мови, механічний паралелізм і надто формальні речення.
Після адаптації вам все одно потрібно прочитати його вголос самостійно. Ваш рот знайде багато проблем, які ваші очі пропустили.
Варіант 3: Дозвольте HyperFrames взяти на себе все відео без показу обличчя
Якщо у вас є лише матеріали, і ви ще не придумали сценарій або візуальні елементи, ви можете ввести /faceless-explainer через /hyperframes. Він організує теми, статті або нотатки в напрямок пояснення, наратив і розкадровку.
Цей шлях легший і підходить для швидкого створення першої версії. Перші два варіанти кращі, коли у вас є чіткі погляди та ви хочете суворо контролювати вміст сценарію.
Незалежно від того, що ви оберете, сценарій повинен мати ці чотири частини:
- Гачок: Спочатку представте результат або конкретну проблему.
- Проблема: Скажіть аудиторії, де вони зараз застрягли.
- Метод: Поясніть процес у два-три кроки.
- Наступний крок: Дайте дію, яку вони можуть виконати одразу після перегляду.
Наприклад, вступ до відео для цього посібника може бути таким: "Встановили Codex, але не знаєте, що робити? Ви можете почати, використовуючи його для створення відео. Дайте йому статтю, і він зможе обробити сценарій, голос, субтитри та візуальні ефекти. Сьогодні давайте пройдемо найкоротший робочий процес."
Крок 2: Виберіть стандартний TTS або клонуйте власний голос
Після затвердження сценарію вирішіть, хто його читатиме. Для першого разу достатньо стандартного TTS; коли ви зможете стабільно оновлювати контент, тоді займіться клонуванням особистого голосу.
Найпростіше: Використовуйте існуючий TTS
TTS — це введення тексту для отримання MP3 або WAV. Ви можете використовувати будь-яку функцію перетворення тексту в мову, яка у вас є, або надати відкритий edge-tts для Codex, дозволити йому встановити його, вибрати китайський голос і згенерувати аудіо та субтитри.
Спочатку прослухайте десять секунд, щоб підтвердити голос, швидкість і паузи, перш ніж генерувати повний текст. Стандартний TTS не звучатиме як ви, але його перевага — швидкість, що робить його придатним для перевірки контенту та візуальних робочих процесів.
Для довгострокового використання власного голосу: CosyVoice
CosyVoice — це набір інструментів для генерації голосу з відкритим кодом. Надайте йому чистий еталонний запис і відповідний текст слово в слово, і він зможе згенерувати новий наратив із подібними характеристиками мовця.
Тут не можна плутати три речі:
- reference.wav: Ваш власний або авторизований еталонний запис.
- reference.txt: Кожне окреме слово, фактично вимовлене в еталонному записі.
- narration.md: Новий сценарій, який потрібно згенерувати для цього відео.
Еталонний текст повинен точно відповідати запису. Якщо ви на льоту зміните слово, текст також потрібно змінити. Фонова музика, відлуння та сильне шумозаглушення вплинуть на якість еталону; намагайтеся записати чистий, природний голос у тихому середовищі.
Локальне встановлення CosyVoice вимагає на кілька кроків більше, ніж стандартний TTS. Початківці можуть надати офіційний репозиторій безпосередньо Codex:
1Будь ласка, допоможіть мені встановити CosyVoice:2https://github.com/QwenAudio/CosyVoice34Будь ласка, спочатку прочитайте офіційний README, потім перевірте поточне комп'ютерне середовище та завершіть встановлення.5Після встановлення згенеруйте лише один короткий тестовий аудіофайл; не генеруйте весь сценарій безпосередньо.
Він підготує середовище виконання та завантажить голосові моделі локально, що займе більше часу, ніж стандартний TTS. Вам не потрібно виконувати команди одну за одною; якщо якийсь крок не вдасться, залиште повідомлення про помилку в чаті Codex і дозвольте йому перевірити. Після встановлення вам все одно потрібно прослухати тестове аудіо самостійно, щоб оцінити, чи голос схожий на ваш і чи артикуляція природна.
Під час генерації формального сценарію не вставляйте всю статтю одразу. Розбийте її на кілька сегментів за змістом, спочатку прослухайте кожен сегмент, щоб підтвердити вимову власних назв, англійських слів і чисел, а потім синтезуйте final.wav. Якщо в одному сегменті є проблема, вам потрібно буде переробити лише цей сегмент.
Якщо ви не хочете клонувати свій голос зараз, просто пропустіть CosyVoice. Подальші HyperFrames та Remotion розпізнають лише фінальний аудіофайл і не звертають уваги на те, з якого TTS він походить.
Крок 3: Зробіть візуальні елементи, що слідують за фінальним голосом
Тепер у вас має бути два затверджені файли: narration.md та final.wav. З цього моменту final.wav є справжньою часовою шкалою відео.
Дозвольте Codex розшифрувати фінальне аудіо, щоб отримати фактичний час початку та закінчення для кожного речення, а потім згенерувати субтитри. Сценарій визначає, що говорять субтитри, тоді як розшифровка аудіо відповідає за те, щоб сказати субтитрам, коли з'являтися.
Не розподіляйте час на основі кількості слів. Десять слів можуть бути вимовлені за півсекунди, або між ними може бути дві паузи. Субтитри, ключові слова та зображення повинні з'являтися, слідуючи за реальним голосом.
Ви можете просто дати таку інструкцію:
1Будь ласка, встановіть часову шкалу на основі final.wav.2Використовуйте narration.md для перевірки тексту субтитрів і використовуйте результати розшифровки аудіо, щоб отримати реальний час початку та закінчення для кожного речення.3Виведіть captions.srt та timing.json.4Якщо сценарій не відповідає фактичному голосу, будь ласка, перелічіть розбіжності; не здогадуйтеся.
Крок 4: Розбийте сценарій на розкадровку
Розкадровка не вимагає попереднього вивчення професійної термінології. Розбийте сценарій на 4-8 сегментів, і для кожного сегмента дайте відповідь на одне запитання: Що найважливіше, щоб аудиторія побачила на екрані, коли чує це речення?
Якщо в статті вже є скріншоти, фотографії, діаграми або картки персонажів, насамперед використовуйте ці матеріали. Дозвольте аудиторії спочатку побачити загальну картину, а потім збільште частину, яка обговорюється. Для речень без існуючих зображень ви можете використовувати ключові слова, картки кроків, порівняння, часові шкали та прості інфографіки.
Вимоги до Codex можуть бути дуже короткими:
1Будь ласка, створіть розкадровку на основі narration.md, timing.json та папки assets.2Для кожного кадру вкажіть: відповідний наратив, час початку, час закінчення, основний візуальний елемент, необхідні матеріали та позицію субтитрів.3Зображення, які вже є в статті, повинні бути заплановані для фактичного відображення; спочатку позначте місця, де бракує матеріалів, не заповнюйте їх нерелевантними зображеннями.
Якщо ви не знаєте, як виглядають рухомі ефекти, ви можете перевірити дві публічні бібліотеки ефектів:
- HyperFrames Launches: Містить повні проєкти HyperFrames, щоб побачити, як фінальні відео розбиваються на розкадровки.
- video-shotcraft: Надає рецепти кадрів Remotion та динамічні попередні перегляди, краще підходить для представлення продуктів, демонстрації інтерфейсів і рекламних роликів.
video-shotcraft — це додаткова довідкова бібліотека кадрів, а не обов'язкова установка для відео на основі статей. Надайте посилання на репозиторій Codex, і він зможе прочитати рецепти кадрів усередині. Спочатку чітко поясніть інформацію, потім виберіть один або два відповідні рухомі ефекти; візуальні елементи будуть стабільнішими.
Крок 5: Створіть першу версію відео за допомогою HyperFrames
На цьому етапі сценарій, голос, час субтитрів та розкадровка готові. Тепер передайте ці файли HyperFrames:
1Використовуючи /hyperframes, перетворіть поточний проєкт на вертикальне пояснювальне відео 9:16.23Будь ласка, прочитайте narration.md, final.wav, captions.srt, timing.json, storyboard.md та папку assets.4Візуальні елементи повинні слідувати за реальним часом аудіо, а субтитри не повинні блокувати основний контент.5Насамперед використовуйте оригінальні зображення та картки персонажів з assets; використовуйте просту інфографіку для кадрів, де бракує матеріалів.6Завершіть перші 15 секунд як зразок і відкрийте попередній перегляд; я продовжу з повним відео після підтвердження напрямку.
Перегляд перших 15 секунд дозволяє виявити три проблеми на ранньому етапі: чи занадто повільний вступ, чи читабельні субтитри та чи візуальні елементи дійсно пояснюють наратив. Як тільки напрямок правильний, продовжуйте з повним відео.
Після генерації проєкту скажіть Codex безпосередньо: "Відкрий локальний попередній перегляд HyperFrames і скажи мені URL попереднього перегляду та папку проєкту."
Під час внесення змін не кажіть просто "зроби це більш преміальним" або "зроби це кращим". Скажіть Codex конкретні об'єкти та позиції, наприклад: "Заголовок на 6-й секунді занадто малий," "Цей скріншот повинен залишатися принаймні 3 секунди," "Субтитри закривають людину," "Перший кадр входить занадто повільно." Такий зворотний зв'язок легше виконати.
Після перевірки скажіть Codex: "Відрендери поточно підтверджену версію як final.mp4 і перевір, чи файл відтворюється нормально після завершення."
Бачити сторінку попереднього перегляду означає лише те, що проєкт можна відкрити. Справжньою ознакою завершення є те, що final.mp4 згенеровано, і ви переглянули його від початку до кінця, підтвердивши, що голос не обривається, субтитри не зміщені, а зображення не обрізані.
Як вибрати між HyperFrames та Remotion
Обидва можуть перетворювати текст, звук, зображення та часові шкали у відео. Вам просто потрібно вибрати один як фінальний інструмент виробництва.
HyperFrames більше схожий на те, щоб дозволити Codex реорганізувати візуальні елементи на основі цього конкретного контенту. Remotion більше схожий на те, щоб спочатку створити шаблон шоу, а потім заповнювати контент у фіксовані позиції для кожного епізоду.
Щоб піти шляхом Remotion, надайте посилання на Remotion Agent Skills для Codex і дозвольте йому завершити встановлення. Потім використовуйте /remotion-create для створення відео, /remotion-studio для відкриття попереднього перегляду та, нарешті, /remotion-render для рендерингу. Вищезгадані narration.md, final.wav, субтитри, часова шкала та зображення все ще можна використовувати; вам не потрібно переробляти їх.
Моя порада проста: запустіть перше відео за допомогою HyperFrames. Після створення кількох епізодів, коли ви побачите, що структура кадрів стабілізувалася, дозвольте Codex організувати це у фіксовану колонку Remotion.
Якщо ви зняли озвучення реальною людиною, додайте video-use
Попередній робочий процес може бути повністю без показу обличчя. Коли ви будете готові стати перед камерою, поставте narration.md поруч із камерою та знімайте сегментами. Якщо ви помилилися, зупиніться та почніть заново з цього речення; вам не потрібно щоразу починати спочатку.
video-use обробляє вже зняті матеріали. Він спочатку розшифровує відео, з'ясовує, що було сказано в кожному сегменті, і підтверджує з вами, який контент залишити, перш ніж почати організовувати монтаж, субтитри та додаткові візуальні елементи.
Для встановлення ви можете надати це безпосередньо Codex:
1Будь ласка, допоможіть мені встановити https://github.com/browser-use/video-use.2Спочатку прочитайте install.md, завершіть залежності, FFmpeg та реєстрацію навички Codex.3Не розшифровуйте жодних відео після встановлення; зачекайте, поки я поміщу матеріали в папку.
video-use вимагає встановлення всього репозиторію, оскільки його помічник з редагування та скрипти знаходяться поруч із навичкою. Йому також потрібен FFmpeg, який є базовим інструментом для обробки відео та аудіо. Під час використання стандартної розшифровки голосу вам також потрібно налаштувати ElevenLabs API Key, який є ключем, що дозволяє інструменту отримати доступ до сервісу розшифровки голосу. Просто передайте відсутні елементи Codex для перевірки.
Після зйомки помістіть сире відео в окрему папку та скажіть Codex:
1Будь ласка, використовуйте video-use для обробки озвучення реальною людиною в цій папці.2Спочатку інвентаризуйте матеріали та розшифруйте їх, знаходячи повторення, паузи, помилки та місця перезапуску.3Спочатку надайте мені план редагування, перелічивши сегменти для збереження та видалення; я підтверджу, перш ніж ви наріжете.4Додайте українські субтитри після затвердження та використовуйте відповідні зображення з assets для доповнення візуальних елементів, коли згадуються кроки.5Нарешті, виведіть версію для попереднього перегляду та виведіть final.mp4 після перевірки на помилки.
Повний робочий процес для цієї гілки: Текст для озвучення → Зйомка реальною людиною → video-use Організовує дійсні сегменти → Субтитри та додаткові візуальні елементи → Фінальне відео.
HyperFrames та video-use також можна використовувати разом. video-use спочатку плавно нарізає озвучення реальною людиною, а потім HyperFrames створює заголовки, картки кроків, демонстрації скріншотів та інтро/аутро. Один обробляє матеріали реальної людини, інший обробляє інформаційні візуальні елементи; розподіл праці буде чіткішим.
Нарешті, перетворіть відео на систему отримання контенту
Одне відео приносить лише один тест. Справді цінною частиною є продовження вирішення того самого типу проблеми.
Розбори книг Serena запам'ятовуються, тому що об'єкт контенту дуже чіткий: книга, точка зору, якою варто поділитися, коротке відео, і наступна книга використовує ту саму структуру. Ви можете замінити це своєю сферою, наприклад, щотижня розбирати AI-інструмент, щоразу вирішувати офісну проблему або пояснювати галузевий кейс у кожному епізоді.
Цей цикл контенту може бути дуже простим:
1Проблема цільового користувача2→ Виберіть конкретну тему3→ Напишіть у формі тексту для озвучення4→ Створіть відео5→ Подивіться на коментарі та відгуки про завершення6→ Вирішіть, про що говорити далі
Гачок для залучення клієнтів також повинен бути спрямований на конкретні результати. "Я створив відео за допомогою AI" показує лише те, що ви можете використовувати інструменти; "Я перетворив огляд інструменту на 3000 слів у 60-секундний посібник для початківців" змусить людей, які дійсно потребують цього, зупинитися.
Не поспішайте будувати масивну автоматизовану систему. Виберіть тему, про яку ви можете говорити протягом десяти послідовних епізодів, і запустіть перший за допомогою Codex: затвердьте сценарій, згенеруйте голос, вирівняйте часову шкалу та створіть відео за допомогою HyperFrames. Повторно використовуйте структуру файлів для другого та почніть зберігати фіксовані інтро та стилі субтитрів для третього.
Роблячи це, Codex справді трансформується з "допомагає вам створити одне відео" у "супроводжує вас у безперервному виробництві категорії контенту".
Я Майлз, експерт з алгоритмів AI, який перейшов з великої технологічної компанії до FDE. Я займався дослідженнями, оптимізацією та розгортанням алгоритмів, а також корпоративним навчанням і впровадженням. Мій X-акаунт досяг 10 000 підписників за 15 днів і написав три довгі статті з мільйонними охопленнями за один тиждень, дві з яких пізніше перевищили 2 мільйони.
Підписуйтесь на мене @miles_mazy, давайте рости разом і заробляти гроші разом.
