我敢说 AI 工具平权真来了——靠 WorkBuddy,零编程不用自己念稿甚至没剪辑,我做出了给特教老师用的教学视频

这两天我在忙着准备月底为从事特殊教育的老师做一场 AI 培训，想了一些针对他们的场景，就着这些场景特别想搞清楚一个问题——那些听起来很厉害的 AI 视频工具，到底能不能真的帮到这些没有AI基础的老师和孩子？光讲概念没用，得做出一个能用的东西出来看看。

其实在动手做这张卡片之前，我已经踩过一轮坑了：之前我做过一个「丰子恺风格视频」技能，靠 hyperframes + MINIMAX 两个 Skill，就能把一段文案自动生成竖版视频，还专门写了一篇文章讲这套「两个 Skill 自动生成视频」的玩法（这篇旧文我会在文末作为参考附上）。

这次做特教卡片，第一步就是借鉴那个技能：拿它改了一版《当愤怒来敲门时》——一支 30 秒的心理辅导动画，也是丰子恺风格、矢量手绘、平涂留白。把它跑通，等于把基础管线又验证了一遍，也给后面打好了底。

正是这段底子，让我有底气接着做更难的特教场景。于是我挑了一个最朴素也最典型的场景：《认识大自然——下雨了》。这是一张多感官识字卡片：同时面向听障和视障儿童，要「看得清、听得见、读得出」。

PART

背景：为什么是「下雨了」

BACKGROUND

特殊教育里，多感官教学是基本功。听障孩子靠「看」，视障孩子靠「听」，一套好的识字卡片必须两头都顾上。

视觉上：高对比、主体大、背景干净，孩子一眼就能抓住「下雨、雨滴、打雷」这几个核心词；

听觉上：旁白要形象，把声音的质感说出来——「淅淅沥沥」「轰隆隆」，让孩子光听就能在脑子里画出画面。

我做这张卡片，既是给培训攒一个真实案例，也是想验证一件事：AI 能不能把「专业老师才知道怎么做的卡片」，变成普通人动动嘴就能生成的东西。

PART

结果：从「跑通」到「满意」

RESULT

今天我一共做了两支视频，正好是一次「从能用到好用」的进阶。

第一步（借鉴我之前做的技能）：《当愤怒来敲门时》。 我之前写过一个「丰子恺风格视频」技能，用「hyperframes」 + 「minimax-voice-clone」两个 Skill 就能把一段文案自动生成竖版视频。这次做特教卡片，我先拿那个技能改了一版《当愤怒来敲门时》——一支 30 秒的心理辅导动画，丰子恺风格、矢量手绘、平涂留白。把它跑通，等于把基础管线又验证了一遍，也给后面打好了底。

第二步：正式做特教识字卡《认识大自然——下雨了》。 有了前面的底子，我先照着同样的方法（hyperframes + MINIMAX）做了一版 15 秒视频。但说实话，效果不太理想——矢量手绘的画面虽然能跑通，却总觉得差点意思：绿叶不够「绿」、雨滴不够「透」、整体少了点儿童绘本该有的鲜活，毕意这个技能只是用来画线条图，太简单了。

第三次，我换了个思路：先让 Agnes 把三张图画出来，再把图拼进视频。 这一改，质感完全不一样了。Agnes 出的图，大绿叶上挂着晶莹的大雨滴、背景是干净透亮的蓝，色彩鲜艳、主体清楚，一看就是给小朋友看的。再配上克隆音色的旁白，以及雨声、雷声、小鸟叫，那段「下雨了」终于对了味。

说真的，如果让我再做一版，画面会更精致，节奏会更准。但普通人做出来的第一版就能用、而且还能变得更好，这恰恰是最大的价值——瑕疵不是丢人的，它是你能改得更好的证据。

PART

WorkBuddy 生成视频的工作流（三个 Skill）

WORKFLOW

做《当愤怒来敲门时》时，我只用了 hyperframes + MINIMAX 两个技能就跑通了基础管线；做到《下雨了》才把 Agnes 也拉进来负责出图，画质一下子提了上来。这次能跑通，靠的是 WorkBuddy 里三个各司其职的 Skill 打配合：

Agnes 文生图（agnes-image-gen）——负责「出图」。给它一句画面描述，它就生成高质感插画。免费、稳定，这次三张主图都靠它。
Minimax 声音克隆（minimax-voice-clone）——负责「出声」。上传一段你的声音，它就能克隆出音色，把文案念成自然旁白。识字卡里那些「淅淅沥沥」「轰隆隆」，就是它念出来的。
hyperframes——负责「合成」。把图片、旁白、音效按时间线排好，加上转场和字幕，渲染成一段成品视频。大字词卡（下雨 / 雨滴·打雷 / 太阳）也由它叠加，专门照顾听障孩子。

一句话总结这条流水线：Agnes 画图 → Minimax 配音 → hyperframes 拼成片。三个 Skill，各干各的活，串起来就是一支小小的制作团队。

PART

具体怎么做：从安装到成片（普通人照着做）

HOW-TO

很多人卡在第一步「这东西怎么装」。其实在 WorkBuddy 里，Skill 是「应用市场」式的，不用你懂命令行。下面把这次「下雨了」的真实路径，拆成任何人都能跟做的 7 步。

Step 0先把三个技能装进 WorkBuddy（安装）

打开 WorkBuddy 首页，点左侧的「专家」→「技能」，就进入了技能市场。

在列表里找到这三个技能：agnes-image-gen（agnes文生图，负责画图）、minimax-voice-clone（负责配音）、hyperframes（负责拼视频）。找到后点「试用」，就装好了——不用懂命令行，不用敲一行代码。

NOTE

一句话总结这条流水线：Agnes 画图 → Minimax 配音 → hyperframes 拼成片。三个 Skill，各干各的活，串起来就是一支小小的制作团队。

hyperframes 安装比较麻烦：它底层要依赖电脑上的几个本地程序（Node 工具、Edge 无头浏览器、ffmpeg 视频编码器）。如果安装时、或第一次运行报错，别自己折腾——把屏幕上的红色报错文字原样复制下来发给 WorkBuddy，它会自动帮你把缺的依赖程序装上。

Minimax 声音克隆也是同样的情况：接入时如果提示缺环境或依赖的报错，把错误丢给 WorkBuddy，它会同样帮你补齐。

一句话：安装报错不可怕，把错误交给 WorkBuddy，它比你更会装。

Step 1一句话加载技能（开始用）

装好后，在对话框里输入 @skill:技能名就能调用，比如 @skill:agnes-image-gen。技能一加载，它自带的能力（画图引擎、配音接口、视频渲染器）就跟着就绪了。

Step 2接上声音：克隆一次你的音色

Minimax 需要两个凭证：你自己的 API Key 和 GroupId（去 MiniMax 开放平台注册后就能拿到）。WorkBuddy 会引导你填好、并帮你存成声音克隆的配置文件。声音克隆不是「直接开口念」，而是先上传一段你的录音、训练出一个专属音色，得到一个音色编号后，就让这个音色去念任意文案——所以你全程不用自己对着镜头念稿。

Step 3接上画图：Agnes 的 key 怎么来

Agnes 这个技能自带一把免费共享 key，零配置就能出图。后来我换成了自己的 key：做法是把它写进系统的「环境变量」AGNES_API_KEY，脚本优先读环境变量、没有再回退到共享 key——个人密钥不烤进技能文件，安全也灵活。普通人用这个 API 免费额度基本能应付日常出图，如果大量出图的话可以会员订阅。

Step 4组装成片：说清楚你想要什么

图片、旁白、音效都准备好后，用 hyperframes 把三者按「0–5 秒 / 5–10 秒 / 10–15 秒」三个镜头排好，加上转场和字幕，渲染输出 15 秒的 MP4 视频。文案、画面描述、音效标记，都是用自然语言说清楚就行，不用写代码。

Step 5用大白话指挥 AI 精修（不用开剪辑软件）

AI 生成的首版成片往往不是一步到位，得靠你用大白话指挥它微调，主要解决时长、节奏和细节上的问题。

拿时长来说，第一版合成出来经常超预算：43 秒（《当愤怒来敲门时》那支）和 17 秒（《下雨了》这支），离 30 秒 / 15 秒的目标都差不少。原因在于配音默认语速偏慢，尤其「一、二、三、四」这种数数句，拖得特别明显。修法也不复杂——精简文案、把语速提到 1.0～1.12 倍，两下就压到 30.7 秒和 15.0 秒了。

这一步说白了，就是你把 AI 的初稿「说」成真正能交付的成品，全程不用打开剪映之类的剪辑软件。

Step 6沉淀自己的可复用技能（可选但很重要）

如果你打算长期做这类视频，这步非常重要。它不是替代 Step 5 的精修，而是在交付成品之后，额外把整套制作流程沉淀成自己的可复用技能。

具体来说，就是把这次验证过的步骤、参数、踩坑经验整理成 WorkBuddy 里的技能配置，下次做同类视频直接一句话调用，不用从头再趟一遍雷。

技能越攒越多，制作门槛越来越低，从每次摸索变成直接复用。

PART

踩过的坑：安装与制作中遇到的问题

PITFALLS

这部分最值钱——光说「多简单」是骗人的，我确实前前后后花了不少时间，但最后发现根本不用自己硬扛。

安装和制作过程中确实遇到不少问题，比如环境报错、渲染卡死、适配出岔子，每一个单拿出来都够折腾半天。但我的思路很简单：遇到问题不自己钻研原理，直接把报错或现象描述给 WorkBuddy，让它去排查解决就好。

省下的是时间，换来的是顺利跑通的成片。

除了上面 Step 5 提到的「时长超预算」，还有几个典型坑：本地依赖装不全（Step 0 已说，把报错丢给 WorkBuddy 即可）、低内存机器渲染容易崩（让 WorkBuddy 用单进程+限核的低内存模式跑）、给大图加模糊滤镜会让截图渲染卡死（改用透明度+缩放的轻量转场）。这些坑都有解法，而且解法是可复用的经验，不是天堑。

PART

总结：工具平权是真的，前提是你愿意用

SUMMARY

回头看这件事，最让我感慨的，不是某个工具多厉害，而是一个完全不懂编程的人，只要愿意动手，就能在一下午里做出一段给特殊儿童用的教学视频。

过去，做这种带画面、带声音、带字幕的卡片，要么靠专业团队，要么靠老师自己手绘剪切，门槛不低。现在，AI 把「画图、配音、剪辑」这三件事，拆成了三个能对话的技能——你只要会说清楚想要什么，它们就替你干完。

当然，它也并不「无脑」：安装链路、低内存渲染、时长控制、模糊滤镜卡死……每一步都可能卡你半天。但关键是，这些坑都有解法，而且解法是可复用的经验，不是天堑。

这就是 AI 时代的工具平权：能力不再被少数人会的技术锁死，谁都能上手。但它有个前提——你得愿意用、愿意试，愿意在第一次不满意、甚至渲染卡死的时候，换个方法再来一次。

那场「下雨了」，连同更早那支《当愤怒来敲门时》，是下给从事特殊教育的老师以及特殊孩子的，也是下给我的：别怕工具新，动手就平权。

如果你看完觉得没那么精美，那说明你确实看得出门道。与其挑毛病，不如自己动手做一支，试试看你能作出什么自己满意的作品。

PART