Solía hacer un video, guión, doblaje, edición, subtítulos, cada paso tenía que aprender por separado, y simplemente comenzar era suficiente para hacer que la gente se rendyera. Ahora, estos trabajos pueden ser entregados directamente al Codex.
Solo tienes que darle un artículo, o un tema definido, y luego entregarle las Habilidades de Video correspondientes, y el Codex puede continuar con el oral, el sonido, la línea de tiempo, la división, los subtítulos, los efectos cinemáticos y la película. No es necesario aprender a editar primero, ni entender el código, siempre y cuando puedas explicar claramente el video que quieres, puedes comenzar.
Este artículo ejecutará todo el proceso desde el principio: primero haga un video de artículo que no aparezca en la cámara, y luego introduzca el método de edición de la transmisión de personas reales. La primera vez que se expone al video, también puede correr su propia primera edición.
Todo el proceso se puede entender simplemente como:
Artículo o tema → Oral transcripción → Doblaje → Timeline → Splitter → HyperFrames → Examinar en piezas
Primero entregue las habilidades de vídeo a Codex
La habilidad puede ser entendida como una hoja de trabajo para el Codex. Le dice a Codex qué herramientas llamar, en qué orden hacerlo y qué preguntas revisar por último cuando se encuentra con una tarea de transmisión oral, doblaje, división o edición.
No hay necesidad de estudiar un montón de comandos por sí mismo durante la instalación. Envíe directamente el enlace al repositorio GitHub correspondiente a Codex para que lea la descripción del proyecto antes de completar la instalación y la comprobación del entorno.
En este proceso, HyperFrames ha proporcionado varias divisiones de trabajo diferentes:/faceless-explainer Responsable de organizar el artículo o el tema en una explicación no visible,/hyperframes-creative responsable del ritmo y la división de la transmisión oral,/media-use Gestión de imágenes, sonidos y subtítulos,/hyperframes-animation Responsable de los cambios de imagen. Por lo general, solo tienes que decirle a Codex "Hacer este video con / hyperframes " y puede continuar seleccionando las partes que desee.
Si se necesita un estilo visual adicional, también se pueden agregar otras habilidades. Por ejemplo, si desea hacer un video de conocimiento collage, puede referirse Habilidades de la Comunidad HyperFrames en el vox-explainerSi desea escribir a mano o dibujar los efectos que aparecen, puede usar p5-paint-animationSi desea hacer presentaciones de productos, demostraciones de interfaz y películas promocionales, puede consultar Video-Shootcraft。
Estas son extensiones, y el primer video no necesita instalarlas todas.
Crear una nueva carpeta, como codex-videoAbre el código en el Codex. Coloque el artículo, las imágenes y el audio generado posteriormente, y luego entregue el almacén de HyperFrames a Codex para que complete su trabajo de preparación. A continuación, solo tiene que confirmar los resultados paso a paso.
Paso 1: Transformar un artículo o tema en una versión oral
La transmisión oral es el esqueleto de todo el video. No importa qué hermosa sea la imagen, si no atrapa a la gente al principio, es difícil ver el contenido detrás.
Si solo tiene un tema, puede dejar que el Codex escriba directamente. Por ejemplo:
我要做一条 60 秒竖版视频，主题是“第一次用 Codex 做视频”。
观众只会使用 Codex，没有写过口播稿，也没有剪过视频。
开头先告诉他最终能做出什么，再讲清楚：生成口播、选择声音、用 HyperFrames 做画面、检查成片。
每句话尽量能直接念出来，不写书面化小标题，不堆概念。
结尾让他先用一个主题跑通第一条视频。
现在只交付口播稿，暂时不要做分镜和视频。
Cuanto más específico sea el tema, más fácil será escribir el oral. En lugar de "hacer un video de IA ", se puede definir directamente como" hacer una revisión de una herramienta en una explicación vertical de 60 segundos ", para que el Codex sepa qué contenido debe quedarse.
Si ya hay un artículo, guarde el artículo como article.mdY luego dejar que el Codex sea una versión digna de hablar:
请读取 article.md，把它改成一条 90 秒口播稿。
保留文章的核心判断和最有用的案例，不要逐段缩写全文。
开头先说读者能得到什么，中间只保留三步方法，每一步都用能听懂的句子讲。
文章里的链接、脚注和排版符号不要读出来。
请把最后需要我核对的事实单独列出来。
先只生成 narration.md。
Si el artículo tiene un vacío de traducción obvio, una relación mecánica o una oración demasiado escrita, puede Humanizar-zh Entregue al Codex para que se ajuste más sin alterar los hechos y el juicio personal.
Pero es mejor leerlo usted mismo después de que haya cambiado. Muchas palabras parecen estar bien, pero cuando realmente se pronuncian, la boca te dirá lo que no es natural.
Si solo tienes material y no has pensado en el oral y la imagen, también puedes hacerlo directamente desde HyperFrames. /faceless-explainer Comience, deje que organice la dirección de explicación, la narración y el espejo de acuerdo con el tema, el artículo o las notas.
Independientemente de la forma elegida, es mejor que la transmisión oral siga una estructura simple:
Hook → Problema → Método → Siguiente
Por ejemplo, el comienzo de este tutorial puede decir directamente:
"¿Qué es el Codex? " Puedes hacer un video con él primero. Dale un artículo y continúa manejando la transmisión oral, el sonido, los subtítulos y las imágenes. Hoy vamos a pasar por el proceso más corto ".
Paso 2: Determinación del sonido final
Después de que la transmisión oral finalice, decidirá quién leerá.
La primera vez que hago videos, TTS normal es suficiente. Puede usar la función de texto a voz existente, o puede poner el código abierto El edge-tts Deje a Codex que complete la instalación, seleccione el sonido chino y genere audio y subtítulos.
Se recomienda que el Sr. genere una docena de segundos de audio de prueba, confirme el sonido, la velocidad y la pausa, y reproduza el texto completo. La ventaja de TTS ordinario es que es rápido, especialmente adecuado para verificar primero el contenido y el flujo de imágenes.
Si desea usar su voz a largo plazo en el futuro, considere CosyVoice。Puede generar una nueva transmisión oral con características de altavoz similares a partir de una grabación de audio de referencia.
Aquí hay tres documentos que deben prepararse:
reference.wav: yo mismo o una referencia a una grabación autorizada;reference.txtEl texto completo realmente dicho por referencia a la grabación de audio;narration.mdNueva transmisión oral de este video.
El texto de referencia debe corresponder exactamente a la grabación. Las grabaciones también tratan de ser tranquilas, claras y naturales, y la música de fondo, los ecos y la reducción de ruido muy pesada afectan los resultados.
Al instalar CosyVoice, entregue el repositorio oficial directamente al Codex:
请帮我安装 CosyVoice：
https://github.com/QwenAudio/CosyVoice
请先阅读官方 README，再检查当前电脑环境并完成安装。
安装好后只生成一条短测试音频，不要直接生成整篇口播。
Escuche el audio de prueba después de que se complete la instalación. Al generar formalmente, no ponga todo el artículo a la vez, sino que divida en varios párrafos de acuerdo con la semántica. Cada párrafo primero escucha, confirma la lectura de sustantivos propios, inglés y números, y luego sintetiza el audio final.
Si no necesita reproducir el sonido por el tiempo, puede saltarse CosyVoice directamente. Los HyperFrames de atrás solo necesitan el audio final, sin importar de qué tipo de TTS proviene el sonido.
Paso 3: Permita que la imagen siga el sonido final
Ahora debería haber dos documentos básicos:narration.md y final.wav。
A partir de este momento,final.wav es la regla de tiempo real para el video。
Primero, se establece una línea de tiempo basada en el audio final y se regeneran los subtítulos. La transcripción oral determina lo que se escribe en los subtítulos, y la transcripción de audio determina cuándo aparecen los subtítulos.
No reparta el tiempo por igual en términos de palabras. También son diez palabras, algunas se pueden decir en medio segundo, algunas pueden detenerse dos veces en el medio, por lo que los subtítulos, las palabras clave y las tomas deben seguir la voz real.
Se puede decir directamente al Codex:
请以 final.wav 为准建立时间轴。
用 narration.md 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 captions.srt 和 timing.json。
如果口播稿与实际声音不一致，请列出差异，不要自行猜测。
La ventaja de esto es que incluso si la imagen se modifica más tarde, no se vuelve a trabajar repetidamente debido a la reestimación del tiempo.
Paso 4: Crear espectros de acuerdo con la transmisión oral
Los espectroscopios no necesitan aprender demasiados términos técnicos. Corta la transmisión oral en 4 ~ 8 secciones, cada sección responde solo a una pregunta:
Cuando el público escucha esta frase, ¿qué debería ver más en la imagen?
Las capturas de pantalla, fotos, gráficos o tarjetas de personajes que ya existen en el artículo se darán prioridad. Primero deje que la audiencia vea el conjunto y luego magnifique la parte que se está hablando. Donde no hay material, se puede complementar con palabras clave, tarjetas de paso, contrastes, líneas de tiempo e infografías simples.
Deje que el Codex genere espectros de acuerdo con la transmisión oral y la línea de tiempo:
请根据 narration.md、timing.json 和 assets 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。
原文已有图片必须安排实际展示；
缺少素材的地方先标记，不要用无关图片填满。
Si no sabes cómo hacer el efecto dinámico, puedes referirte Lanzamiento de HyperFrames en el proyecto completo, o utilizar Video-Shootcraft La fórmula de la lente.
El primer video no persigue tener una animación compleja a cada segundo.Primero aclare la información y luego use uno o dos movimientos simples para mejorar el ritmo.
Paso 5: Haga que HyperFrames haga su primera versión
Ahora hay oración, sonido final, tiempo de subtítulos y división, que se pueden entregar oficialmente a HyperFrames:
使用 /hyperframes，把当前项目做成一条 9:16 竖版讲解视频。
请读取 narration.md、final.wav、captions.srt、timing.json、storyboard.md 和 assets 文件夹。
画面跟随真实音频时间，字幕不要挡住主要内容。
优先使用 assets 里的原图和角色卡，缺少素材的镜头用简洁的信息图。
先完成前 15 秒样片并打开预览，我确认方向后再继续全片。
Aquí se recomienda hacer esto primero. Muestra de 15 segundosNo renderice todo el vídeo.
Mirando estos 15 segundos, se centran en verificar tres preguntas: si el comienzo es lo suficientemente rápido, si los subtítulos son claros y si la imagen realmente explica la transmisión oral.
Si la orientación es correcta, continúe con la generación completa.
Después de la modificación, no sólo diga "un poco más avanzado" y "un poco mejor". Lo mejor es informar a Codex sobre la ubicación, por ejemplo:
"El título del segundo 6 es demasiado pequeño "
"Esta captura de pantalla permanece durante al menos tres segundos ".
"Los subtítulos bloquean a los personajes".
"El primer disparo entra demasiado lento ".
Este tipo de retroalimentación será más fácil de ejecutar que un requisito estético abstracto.
Después de la confirmación final, deje que el Codex renderize:
把当前确认的版本渲染成 final.mp4。
完成后检查文件能否正常播放，并检查声音、字幕和画面是否完整。
La página de vista previa se puede abrir y solo puede indicar que el proyecto puede ejecutarse. El criterio para lo que realmente se ha completado es final.mp4 Ya se ha generado y lo has visto de principio a fin, confirme que el sonido no está truncado, los subtítulos no están fuera de lugar y las imágenes no están recortadas incorrectamente.
¿Qué opciones hay entre HyperFrames y Remotion?
Ambos pueden convertir texto, sonido, imágenes y líneas de tiempo en video, pero funcionan de manera diferente.
Hiperframes Es más como reorganizar la imagen de acuerdo con el contenido de esta edición, adecuado para hacer rápidamente videos de artículos, videos de conocimiento y contenido explicativo.
Remoción Es más adecuado para hacer un conjunto de plantillas de columna fijas primero, y luego llenar el contenido en una posición fija en cada período.
Si quieres ir por la ruta de remoción, puedes Habilidades del agente de remoción Envía a Codex, deja que complete la instalación y luego utilice /remotion-create Crear un vídeo,/remotion-studio Preview,/remotion-render Render.
Generación Upstream narration.md、final.wavLos subtítulos, la línea de tiempo y las imágenes se pueden continuar utilizando sin necesidad de hacerlo de nuevo.
Mi sugerencia es:El primero se ejecuta con HyperFrames. Después de hacer varias ediciones consecutivas, si encuentra que la estructura de la lente se ha estabilizado, deje que el Codex lo organice en la columna fija de Remoción.
Si estás haciendo una transmisión en vivo, agregue el uso de video.
El proceso anterior no puede salir de la cámara. Cuando empieces a filmar en vivo, puedes narration.md Coloque al lado de la cámara y dispare por segmento. Deténgase si está equivocado y vuelva a decirlo a partir de esta frase, sin necesidad de comenzar de nuevo cada vez.
Video-Use Es más adecuado para tratar con el material de acción en vivo que ya ha sido filmado. Puede primero transcribir el video, averiguar qué se dice en cada segmento, luego organizar las secciones que se repiten, se detienen, se dicen mal y se reinician antes de pasar al clip.
Deje que el Codex lea directamente el repositorio durante la instalación:
请帮我安装 https://github.com/browser-use/video-use。
先阅读 install.md，完成依赖、FFmpeg 和 Codex Skill 注册。
安装后先不要转写任何视频，等我把素材放进文件夹。
Después de filmar, coloque el vídeo original en una carpeta de material separada:
请使用 video-use 处理这个文件夹里的真人口播。
先盘点素材并转写，找出重复、停顿、说错和重新开始的位置。
先给我一份剪辑方案，列出准备保留和删除的片段；我确认后再剪。
定稿后添加中文字幕，并在讲到步骤时使用 assets 里的对应图片补充画面。
最后输出预览版，检查无误后再输出 final.mp4。
Por lo tanto, el proceso de transmisión de personas reales es:
Transmisión oral → Disparar en vivo → Video-use Organizar segmentos efectivos → Subtítulos e imágenes suplementarias → Películas
HyperFrames y video-use también se pueden combinar: video-use es responsable de cortar la transmisión de personas reales, y HyperFrames es responsable de títulos, tarjetas de pasos, presentaciones de capturas de pantalla, títulos y finales de películas, etc.
Y finalmente, convertir un video en un sistema de contenido.
Lo que realmente vale la pena no es hacer un video con el Codex, sino permitir que el mismo conjunto de procesos se produzca de manera continua.
Por ejemplo, puede hacer un tema fijo: desmontar una herramienta de IA cada semana, resolver un problema de oficina a la vez o explicar un caso de la industria cada número. Cuanto más claro sea el objeto de contenido, más fácil será formar una estructura fija.
Todo el ciclo es en realidad muy simple:
Preguntas del usuario objetivo → Seleccione un tema específico → Escriba un oral → Hacer un video → Ver comentarios y comentarios → Decidir lo siguiente
El gancho de ganar clientes también debe caer en los resultados concretos.
"Hice un video con AI " solo demuestra que puedes usar las herramientas.
"Construí una revisión de herramientas de 3.000 palabras en un tutorial de novatos de 60 segundos " para detener a las personas que realmente lo necesitan.
Por lo tanto, no se apresure a instalar un complejo sistema de automatización en la primera etapa. Primero elija un tema que pueda hablar en diez sesiones consecutivas y use el Codex para correr a través de la primera regla:
Finalización oral → generación de sonido → alineación de línea de tiempo → espejo dividido → salida de HyperFrames → inspección de película
El segundo comienza a reutilizar la estructura del archivo, y el tercer comienza a mantener el encabezado fijo, el estilo de subtítulos y la estructura de la lente.
Con esto, Codex realmente pasó de "hacer un video para usted " a un flujo de trabajo que continuamente puede ayudarle a producir contenido.