普通人用 AI 做视频,别从剪辑软件开始

很多人做视频失败，不是因为没审美，也不是因为不够努力，而是流程一开始就错了。

脚本要写、配音要学、剪辑要学、字幕要对齐、画面还要找素材。每一件事单拿出来都不难，但四件事压在一起，普通人很容易从“入门”直接走到“放弃”。

现在这件事有了新的解法：你可以把 Codex 当成视频制作助理。

它不是简单帮你写一段文案，而是可以按照你的要求，处理口播稿、配音、时间轴、字幕、分镜，最后检查成片。

你要做的不是学会所有软件，而是学会当导演：把目标说清楚，把结果验收好。

这篇文章，我把普通人跑通第一条 AI 视频的流程讲清楚。

1、先别打开剪辑软件

普通人做视频，最常见的问题是上来就问：“我用剪映还是 PR？”

这个问题可以往后放。

因为一条视频能不能成立，首先不是取决于剪辑软件，而是取决于三件事：

给谁看？

讲什么？

看完以后观众能带走什么？也就是利他性。

你可以先把这段提示词交给 Codex：

我要做一条 60 秒竖版视频，

主题是【填写主题】。观众是【填写人群】，他们没做过视频，也不懂技术。开头先告诉他们这条视频最后能得到什么。中间只讲三个步骤，每句话都要能直接念出来。结尾给一个今天就能做的动作。

现在只输出完整口播稿，暂时不要做分镜和视频。

这一步很关键：先让 AI 只做一件事。

很多新手一开始就让 AI“直接帮我生成视频”，结果拿到的东西看起来什么都有，实际上什么都不准。先把口播稿定下来，后面的声音、字幕、画面才有骨架。

2、口播稿不是文章缩写

如果你已经有一篇公众号文章，想把它改成视频，不要让 AI 逐段缩写。

文章是给人看的，口播是给人听的。

文章里可以有长句、小标题、括号和补充说明，但口播必须一口气说得出来。尤其是开头三秒，不能慢慢铺垫，要直接把结果或者痛点摆出来。

你可以这样写提示词：

请读取这篇文章，把它改成一条 90 秒口播稿。

保留核心判断和最有用的案例，不要逐段缩写全文。开头先说观众能得到什么。中间只保留三步方法。链接、脚注和排版符号不要读出来。最后把需要我核对的事实单独列出来。

先只生成口播稿。

“把需要核对的事实单独列出来”这一句很重要。

AI 做视频最怕的不是画面丑，而是内容看起来很顺，里面混进了没核实的数据、来源不清的案例，或者把别人的说法写成了确定事实。

文章可以交给 AI 改，判断必须留在我自己手里。

3、声音定稿以后，再决定时间轴

第二条容易踩的坑，是边做画面边改文案。看起来灵活，其实后面会全部返工。

因为声音只要改一句，字幕时间、镜头长度、图片出现的时间点都会跟着变。

更稳的顺序是：主题、口播稿、声音、时间轴、分镜、成片

第一次做视频，不一定要急着复刻自己的声音。先用普通文字转语音跑一版，听十几秒，确认语速、停顿和咬字，再生成全文。

声音文件定稿以后，它就是整条视频的时间尺。

你可以让 Codex 这样处理（提示词）：

请以 final.wav 为准建立时间轴。用口播稿核对字幕文字，用音频转写结果取得每句话的真实开始和结束时间。输出字幕文件和时间轴文件。如果口播稿和实际声音不一致，请列出来，不要自行猜测。

不要按字数平均分配字幕时间。

同样十个字，有的半秒就说完，有的中间停顿两次。字幕、关键词和画面都应该跟着真实声音走，不然观众会觉得视频哪里都怪，但又说不清为什么。

4、 分镜不是设计，是回答问题

很多人一听“分镜”就觉得专业。其实第一条视频的分镜很简单：口播切成几段，每段只回答一个问题。

观众听到这句话时，画面上最需要看到什么？

如果讲的是步骤，就出现步骤卡。

如果讲的是对比，就出现前后对比。

如果讲的是一篇文章，就把文章里的截图、图表、重点句放大。

如果讲的是一个具体案例，就出现案例里的关键信息。

你可以这样交给 Codex：

请根据口播稿、时间轴和素材文件夹制作分镜表。

每个镜头写清楚：对应口播、开始时间、结束时间、主要画面、需要的素材、字幕位置。

已有图片必须优先使用。缺少素材的地方先标记，不要用无关图片填满。

第一条视频不要追求华丽。

先让观众看懂。画面不需要每秒都在动，但必须在关键句子出现时，给观众一个能抓住的东西。

5、 先看前 15 秒，再做全片

视频项目生成以后，不要急着渲染完整成片。

先看前 15 秒。

前 15 秒能暴露大部分问题：开头是不是太慢，字幕是不是太小，画面有没有解释口播，字体有没有被裁掉，声音是不是不舒服。

修改时也不要只说“高级一点”“再好看一点”。

这种反馈很难执行。

你要说具体位置和具体对象：

第 6 秒的标题太小。这张截图至少停留 3 秒。字幕挡住了人物。第一个镜头进入太慢。第 12 秒的关键词改成“省时间”。

AI 最需要的是明确指令。你越能说清楚哪里不对、希望变成什么样，它越容易改到位。

6、真正的完成标准，是成片能看

看到预览页面，不代表视频完成了。

真正的完成标准是：生成最终视频文件，并且你从头到尾看一遍。

最后至少检查五个地方：

声音有没有截断？

字幕有没有错位？

图片有没有被裁掉？

重点信息有没有被字幕挡住？

事实和数字有没有出错？

这一步不能交给 AI 完全判断。

AI 可以帮你检查文件、转写、对比时间轴，但“这条视频我想不想发”“这个表达像不像我”“这个例子适不适合我的观众”，仍然要你自己决定。

7、从一条视频，变成一套内容系统

如果你只想做一条视频，上面的流程已经够用了。

但如果想长期做账号，就要再往前走一步：把流程固化。

比如你可以固定做一类内容：

每周拆一个 AI 工具。

每次解决一个办公问题。

每期把一篇长文章改成短视频。

每周解读一个行业信号。

连续做几期以后，让 Codex 把文件结构、字幕样式、片头、分镜模板保留下来。第二期开始，你只需要换主题和素材，后面的流程可以继续复用。

这时候 AI 的价值才真正变大。

它不只是“帮你做过一条视频”，而是陪你持续生产一类内容。

普通人用 AI 做视频，最正确的姿势不是把所有事都丢给它，而是你负责选题、判断和风格，AI 负责把重复流程跑完。

说白了，做视频这件事，以前难在技术门槛。

现在难在你能不能把一件事讲清楚。

如果你能把目标讲清楚，AI 就能帮你把剩下的路铺出来。