西羊石AI视频团队：Codex做带货视频，绝了，比Seedance便宜10倍还好用！

西羊石AI视频团队：Codex做带货视频，绝了，比Seedance便宜10倍还好用！ 西羊石AI视频团队：Codex做带货视频，绝了，比Seedance便宜10倍还好用！ Modified May 22 Audio or video is not supported Please download the file and open it with the appropriate software. f2d5e5ffaa36c407f411eab3accde743.mp4 · 11.20MB f2d5e5ffaa36c407f411eab3accde743 00:00 时间 任务 画面 口播 0 3秒 停滑 大标题压住痛点，背景露出书和漫剧画面 还在收藏AI教程 3 7秒 给路径 四步卡片出现 关键不是按钮，是流程 7 11.5秒 给证据 角色、分镜、风格等案例感素材 脚本、角色、分镜、剪辑 11.5 15秒 回商品 真实3D书封 照着做，先完成第一条漫剧 中间那段是核心。我们没有直接搬书的卖点，而是把书的价值拆成了四个动作：拆脚本、定角色、做分镜、剪成片。动作比卖点有用。卖点是你在夸自己，动作是用户能想象自己下一步怎么做。 各个工具组合拳真的强 回到那个让我开始非常惊讶的地方。 这套组合最厉害的地方不是某一个工具有多强，是它们分工很清楚。Codex把制作逻辑封装成脚本，改一张商品参数表就能吐出完整的HTML时间线和渲染指令。 GPT Image 2生成带真实质感的主视觉，书封嵌进实际场景，感觉接近实拍，不是那种过度光滑的AI感。 HyperFrames负责合成竖屏MP4，参数锁定后不用反复调。 工具 环节 输入 输出 Codex 脚本、结构、质检 商品事实表、素材路径 15秒脚本、渲染指令 GPT Image 2 主视觉 真实书封、风格描述 带书封的创作场景图 Fish Audio 口播 55 75字中文文案 约14秒mp3 HyperFrames 视频合成 图片、字幕、音频、时间线 1080×1920 MP4 FFmpeg 成片检查 MP4文件 时长、音轨、关键帧 渲染完不能只播一遍。我现在会用ffprobe抽三帧，1.5秒、7.5秒、13.5秒，静态帧下问题很直接：标题明不明显，封面有没有被挡，书名有没有错。 结尾：真实书封兜底 口播14秒，不是解说词 这条最后用了这段口播： 还在收藏AI教程？三秒告诉你：做AI漫剧，关键在一套流程。《AI漫剧创作一本通》把脚本、角色、分镜、剪辑拆成四步。照着做，先完成你的第一条漫剧。 写口播的顺序：先一句戳痛点，接一句给判断，接出商品，最后收到一个动作。 本来 codex 推荐 minimax 或者是 ElevenLabs，但是这两个我看着有要么是一下子要买几百块的语音包，要么是国外账号才行，这里我直接用之前用的一个声音平台，fishaudio，效果也还行。 值得沉淀的不是成片，是这套检查习惯 做完这条，我们顺手把流程封装进了一个短视频skill，后续不用每次从零开始。 skill里我最看重的不是生成速度，是几条核心规则：先建事实表再写脚本；生成图只做氛围，关键书封用真实素材；一屏一个主信息；渲染后必须抽帧检查。 AI生成越强，越需要在前面做判断。工具会帮你更快出东西，也会更快放大混乱。 结语 所以，如果你也想开始自己做一个 AI 带货或者 AI 口播视频 skill，先做一条15秒，把链路跑通。 不要一上来做60秒，不要先做复杂剧情。 当生成变便宜，值钱的东西就回到前面那一步：你想让用户记住什么。 把一个人、一个痛点、一个商品购买理由讲清楚，这条视频就已经赢了一半。 Audio or video is not supported Please download the file and open it with the appropriate software. f2d5e5ffaa36c407f411eab3accde743.mp4 · 11.20MB f2d5e5ffaa36c407f411eab3accde743 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. f2d5e5ffaa36c407f411eab3accde743.mp4 · 11.20MB f2d5e5ffaa36c407f411eab3accde743 00:00 时间 任务 画面 口播 0 3秒 停滑 大标题压住痛点，背景露出书和漫剧画面 还在收藏AI教程 3 7秒 给路径 四步卡片出现 关键不是按钮，是流程 7 11.5秒 给证据 角色、分镜、风格等案例感素材 脚本、角色、分镜、剪辑 11.5 15秒 回商品 真实3D书封 照着做，先完成第一条漫剧 时间 时间 任务 任务 画面 画面 口播 口播 0 3秒 0 3秒 停滑 停滑 大标题压住痛点，背景露出书和漫剧画面 大标题压住痛点，背景露出书和漫剧画面 还在收藏AI教程 还在收藏AI教程 3 7秒 3 7秒 给路径 给路径 四步卡片出现 四步卡片出现 关键不是按钮，是流程 关键不是按钮，是流程 7 11.5秒 7 11.5秒 给证据 给证据 角色、分镜、风格等案例感素材 角色、分镜、风格等案例感素材 脚本、角色、分镜、剪辑 脚本、角色、分镜、剪辑 11.5 15秒 11.5 15秒 回商品 回商品 真实3D书封 真实3D书封 照着做，先完成第一条漫剧 照着做，先完成第一条漫剧 中间那段是核心。我们没有直接搬书的卖点，而是把书的价值拆成了四个动作：拆脚本、定角色、做分镜、剪成片。动作比卖点有用。卖点是你在夸自己，动作是用户能想象自己下一步怎么做。 各个工具组合拳真的强 回到那个让我开始非常惊讶的地方。 这套组合最厉害的地方不是某一个工具有多强，是它们分工很清楚。Codex把制作逻辑封装成脚本，改一张商品参数表就能吐出完整的HTML时间线和渲染指令。 GPT Image 2生成带真实质感的主视觉，书封嵌进实际场景，感觉接近实拍，不是那种过度光滑的AI感。 HyperFrames负责合成竖屏MP4，参数锁定后不用反复调。 工具 环节 输入 输出 Codex 脚本、结构、质检 商品事实表、素材路径 15秒脚本、渲染指令 GPT Image 2 主视觉 真实书封、风格描述 带书封的创作场景图 Fish Audio 口播 55 75字中文文案 约14秒mp3 HyperFrames 视频合成 图片、字幕、音频、时间线 1080×1920 MP4 FFmpeg 成片检查 MP4文件 时长、音轨、关键帧 工具 工具 环节 环节 输入 输入 输出 输出 Codex Codex 脚本、结构、质检 脚本、结构、质检 商品事实表、素材路径 商品事实表、素材路径 15秒脚本、渲染指令 15秒脚本、渲染指令 GPT Image 2 GPT Image 2 主视觉 主视觉 真实书封、风格描述 真实书封、风格描述 带书封的创作场景图 带书封的创作场景图 Fish Audio Fish Audio 口播 口播 55 75字中文文案 55 75字中文文案 约14秒mp3 约14秒mp3 HyperFrames HyperFrames 视频合成 视频合成 图片、字幕、音频、时间线 图片、字幕、音频、时间线 1080×1920 MP4 1080×1920 MP4 FFmpeg FFmpeg 成片检查 成片检查 MP4文件 MP4文件 时长、音轨、关键帧 时长、音轨、关键帧 渲染完不能只播一遍。我现在会用ffprobe抽三帧，1.5秒、7.5秒、13.5秒，静态帧下问题很直接：标题明不明显，封面有没有被挡，书名有没有错。 口播14秒，不是解说词 这条最后用了这段口播： 还在收藏AI教程？三秒告诉你：做AI漫剧，关键在一套流程。《AI漫剧创作一本通》把脚本、角色、分镜、剪辑拆成四步。照着做，先完成你的第一条漫剧。 写口播的顺序：先一句戳痛点，接一句给判断，接出商品，最后收到一个动作。 本来 codex 推荐 minimax 或者是 ElevenLabs，但是这两个我看着有要么是一下子要买几百块的语音包，要么是国外账号才行，这里我直接用之前用的一个声音平台，fishaudio，效果也还行。 值得沉淀的不是成片，是这套检查习惯 做完这条，我们顺手把流程封装进了一个短视频skill，后续不用每次从零开始。 skill里我最看重的不是生成速度，是几条核心规则：先建事实表再写脚本；生成图只做氛围，关键书封用真实素材；一屏一个主信息；渲染后必须抽帧检查。 AI生成越强，越需要在前面做判断。工具会帮你更快出东西，也会更快放大混乱。 结语 所以，如果你也想开始自己做一个 AI 带货或者 AI 口播视频 skill，先做一条15秒，把链路跑通。 不要一上来做60秒，不要先做复杂剧情。 当生成变便宜，值钱的东西就回到前面那一步：你想让用户记住什么。 把一个人、一个痛点、一个商品购买理由讲清楚，这条视频就已经赢了一半。 上周出版社找来了，说要做投流，需要持续出素材。 一开始我第一反应就是Seedance。生成质量没话说，但账算下来不对——投流要的是量，单条成本压不下来，这条路走不通。 然后就开始折腾。各种方案转了一圈，最后跑出来的组合是Codex + GPT Image 2 + HyperFrames。 说实话，第一次出片的时候我有点被惊到了。那种质感不是常见AI图的过度光滑，有真实纹理，书封嵌进场景里很自然。Codex把整个制作脚本封装好，改一下商品参数就能出一条新的，跑起来很丝滑。 但跑通了，不代表做对了。 第一条真正做的视频是这本《AI漫剧创作一本通》的15秒带货片。渲染完我自己盯着看了几遍，有点不对劲。画面里什么都有，封面、插图、口播、字幕、动效，但没有一个信息真正留下来了。它更像AI流水线加工出来的东西，不像一条在帮用户做决策的视频。 把它推翻重做了一版。下面是按真实过程写的。 先说结果 重做完结构很简单：前3秒戳痛点，中间给四步路径，结尾回到真实书封和购买理由。 很多坑，一个团队踩完就够了。 黄金3秒：先戳痛点 中段：把卖点翻译成步骤 黄金3秒：先戳痛点 中段：把卖点翻译成步骤 这两帧信息密度都不高。一屏一个问题，这是15秒带货最重要的克制。 事实表先建好，工具后动 这次犯了一个很经典的错：第一版里，"漫剧"被AI生图悄悄写成了"漫画"。一个字，用户理解偏了，商品也变了。 AI生图做氛围没问题，书封嵌进桌面场景，手机、草稿、角色稿都有，一下子有使用感。但书名、作者、出版社，这些不能让模型猜。只要是事实，就用原始素材或手动叠加文字。 我现在开工前会先建一张事实表： 项目 这条视频的定法 为什么要先确定 商品 《AI漫剧创作一本通》 书名必须逐字一致，不能让生成图猜 人群 想做AI漫剧的新手、短视频创作者 开头痛点要对准这批人 核心承诺 脚本、生图、动效、剪辑，从入门到实战 把书的价值翻译成可执行路径 视觉锚点 真实书封、3D书图、漫剧创作场景 建立可信度，避免像泛AI广告 禁区 不堆内页、不靠AI图里的文字、不写错书名 防止画面漂亮但事实翻车 项目 项目 这条视频的定法 这条视频的定法 为什么要先确定 为什么要先确定 商品 商品 《AI漫剧创作一本通》 《AI漫剧创作一本通》 书名必须逐字一致，不能让生成图猜 书名必须逐字一致，不能让生成图猜 人群 人群 想做AI漫剧的新手、短视频创作者 想做AI漫剧的新手、短视频创作者 开头痛点要对准这批人 开头痛点要对准这批人 核心承诺 核心承诺 脚本、生图、动效、剪辑，从入门到实战 脚本、生图、动效、剪辑，从入门到实战 把书的价值翻译成可执行路径 把书的价值翻译成可执行路径 视觉锚点 视觉锚点 真实书封、3D书图、漫剧创作场景 真实书封、3D书图、漫剧创作场景 建立可信度，避免像泛AI广告 建立可信度，避免像泛AI广告 禁区 禁区 不堆内页、不靠AI图里的文字、不写错书名 不堆内页、不靠AI图里的文字、不写错书名 防止画面漂亮但事实翻车 防止画面漂亮但事实翻车 建完这张表，脚本、画面、口播都从这里走。 对应的原始素材内容我也会统一放到一个文件夹里面。 15秒只做一件事 做书籍带货最容易犯的毛病：想把目录、卖点、作者信息全塞进去。结果什么都有，什么都没留住。 这条结构压得很狠：