《新媒体交互设计》——第2讲 音视频制作

2026.9.8

2.1 音视频自动化剪辑

2.1.1 从第1个案例开始

【任务概述】

用Ai交互制作一个关于历史人物的讲解视频，包含剧本、配图、视频、字幕、旁白、转场特效，整合为剪映草稿，导出视频，最终将全部流程生成一个技能包，随机或指定一个历史人物名字即可自动生成相应的视频，名字：李白。

  • 【Prompt】：我现在要制作一个关于历史人物讲解的视频。要先做剧本，我的第一个任务就是要做一个标题，现在我给你一个历史人物名字。你帮我返回一个标题，比如秦始皇统一天下的一生，或者成吉思汗征战的一生。名字：李白。
  • 【工具】
    • Ai Agent：豆包Work/TareWork/WorkBuddy（限免）、DeepSeek Harness、CodeX/Claude Code
    • Ai Models ID/API_Key：火山方舟、DeepSeek、Hy3、SeeDream/SeeDance、MIniMax……
    • 音视频剪辑：剪映

【注意事项】

  • 视频生成慢、Token成本大（豆包、商汤日日新、MIniMax…）用已生成的视频举例
  • 剪映的API说明书生成草稿加密问题，见《==剪映API接口说明文档.md==》和《==剪映草稿生成指南.md==》
  • 视频分辨率：==480p==、720p与1080p
称呼 分辨率 总像素 适用场景
标清 SD 480P (720×480) 约35万 老式电视、低带宽
高清 HD 720P (1280×720) 约92万 普通网络视频
全高清 FHD 1080P (1920×1080) 约207万 主流视频标准
2K / QHD 2560×1440 约369万 中高端显示器/手机
4K / UHD 3840×2160 约829万 高端电视、电影制作
8K 7680×4320 约3318万 顶级设备、未来标准
  • 免费TTS，Edge TTS与模力方舟……
  • 如何管理网址、注册用户、密码、Models_ID、URL、API_Key和Token（令牌），豆包Work/~==应用生成个人凭据管理工作台==~。

2.1.2 音视频自动化流水线

2.1.3 三种方案

ChatCut：你的AI对话式剪辑师

ChatCut是一个对话式AI视频剪辑工具，核心是让用户通过自然语言指令来完成剪辑，就像跟一个剪辑师对话一样。

  • 核心能力：它能听懂你的指令，比如“剪掉所有口头禅并加字幕”、“把这段素材导入项目”。它的工作流是“文本化编辑”，先将视频转录成文本，你编辑文字，视频时间线就跟着变动，极大地简化了传统剪辑的复杂操作。
  • 工作方式：它通过MCP Server架构，将自己的编辑能力封装成AI Agent可以调用的接口。安装它的插件后，像Codex这样的智能体就可以直接指挥ChatCut进行粗剪、添加转场、生成配音等，最后产出一个可继续编辑的真实时间线，而非扁平视频。这使它既能快速出片，也能融入专业工作流（支持导出为Premiere Pro等软件的XML工程文件）

Remotion：React驱动的视频编程框架

Remotion是一个用React代码来制作视频的开源框架，核心理念是“代码即视频的唯一事实来源”。

  • 核心能力：开发者编写React组件来定义视频的画面、动画和逻辑，利用其强大的渲染引擎生成视频。它非常适合需要数据驱动、批量生成和版本控制的自动化视频场景，如个性化营销视频、数据报告视频等。
  • 工作方式：它提供了三种创作方式：让AI Agent写代码、在可视化Studio里拖拽编辑、纯编程开发，且这三种方式可以任意切换。它的生态更成熟，文档完善，但使用门槛相对较高，需要熟悉React和前端开发。特别需要注意的是，Remotion对商业使用有特定许可要求，需要留意。

HyperFrames：Agent友好的HTML视频渲染方案

HyperFrames是HeyGen开源的一个视频渲染引擎，它的理念是用最基础的HTML文件来定义视频。

  • 核心能力：你不需要学习React，只需要写一个包含data-*属性的HTML文件，配合CSS或GSAP等动画库，就可以定义出包含视频、音频、字幕、动画的复杂视频。它非常强调 “确定性” ，即同样的输入总能得到同样的输出，便于自动化测试和批量渲染。
  • 工作方式：它的特点在于 “Agent友好” ，因为AI Agent本身就很擅长生成和修改HTML代码。它被视为一个比Remotion更轻量的替代方案，对AI来说更“顺手”，尤其适合和AI Agent配合，根据模板批量生成风格统一的视频内容。

总结：如何选择？

你可以根据你的需求和角色来选择：

  • 如果你是非技术背景的创作者，想快速、高效地完成口播视频、Vlog等的粗剪和包装，希望像和人说话一样和AI沟通，那么ChatCut会更适合你。
  • 如果你是开发者，团队熟悉React生态，需要构建复杂、定制化、且与数据或系统深度集成的视频自动化流水线，可以选择Remotion。
  • 如果你想和AI Agent（如Codex）紧密协作，用高度模板化、轻量级的方式批量生成短视频（例如榜单、商品卡、白板动画），但又不想引入React的复杂性，那么HyperFrames的路线可能更合适。实际上，已经有开发者将HyperFrames用于生成“白板火柴人拆书短视频”等创意内容。

在你的工作流中，甚至可以组合它们：用ChatCut完成前期素材的智能粗剪，再导出到HyperFrames或Remotion进行更精细的动画包装和批量渲染。

【作品展示】

【作品1】~用Remotion制作纪录片风格的地图动画视频~​

【作品2】~用Remotion如何Vibe Coding出Vox风格动效视频~​

【作品3】~世界杯数据可视化~​

【作品4】ChatCut、Remotion和HyperFrames口播视频的自动化剪辑

  • HyperFrames：《剪映草稿生成完整指南》制作口播视频（==TraeWork==）
  • Remotion：世界杯数据可视化（==WorkBuddy/WorldCup==）
  • ChatCut：zzs的口播视频（==WorkBuddy/Video==）

【作业1】

参照【案例1】和【作品展示】，制作一个关于==名著介绍==的讲解视频制作技能，包含剧本、语音、配图生成视频的Skills，随机或指定一本书名即可自动生成相应的视频，书名：《红楼梦》。

2.2 Skills是什么？

技能主要解决”AI 把一件事做得更专业”的问题。它本质是一套可复用的专项能力包，由精心设计的指令、示例、评判标准和操作流程组成，让AI在特定场景下按专业范式输出。

  • 典型能力：行业报告撰写、数据分析、代码审查、特定格式的内容生产等；
  • 本质：给AI增加”脑内方法论”，让它从”什么都会一点”变成”某件事很专业”。

2.3 Agent工具与大模型

2.3.1 Ai Agent工具安装与配置

  • 豆包Work
  • TraeWork
  • WorkBuddy（限免）
  • DeepSeek Harness
  • CodeX
  • Claude Code

2.3.2 Ai Models

  • API_Key
  • 火山方舟（豆包大模型）
  • DeepSeek
  • MIniMax
  • xiaomi MiMo
  • 商汤日日新（免费）
  • QWen（千问）
  • GLM（智谱）
  • 模力方舟

2.3.2 Github使用

  • Steam++（Watt Toolkit）
  • 注册
  • 仓库建立
  • 网页发布
  • 图床

Copyright © 2026 featon · 新媒体交互设计讲义

This site uses Just the Docs, a documentation theme for Jekyll.