来看看
来自夹夹 QQ 群讨论,审核后公开 · 。查看原始讨论
提问
来看看
回答
回复 群友 3131
读完了,这篇是 BaiFu 拿自己产品 Auday 做的两万字复盘,值得一看,但它教的不是“用 AI 做视频”,而是“用一个 agent 团队做宣传片”。
核心动作:放弃套 Skill。他先把市面热门视频 Skill 全试了一遍,结论是那类东西只会把截图塞进手机样机、转个圈、加扫光、飞几句大字,路人看完还是不知道你产品干嘛。于是他改成分工:
Codex 或 Claude Code 挂在项目目录里,跑模拟器、按源码导出原生 UI 和动效、调配音和视频生成接口
Opus 5.5 负责构图、镜头衔接、写 Remotion 动画代码
MiniMax speech-2.8-hd 出干声,测出真实时长再去对齐画面
Seedance 2.5 只做一件事:生成带自然光影的实景底片
最后全进 Remotion 用代码合成,能精确改到每一秒每一帧
几个真正有含金量的手法:
一是三级镜头接力。完整设备全貌 → 页面内真实点击再推镜 → 结果特写停稳 1 到 1.5 秒让人读完。反例他也留了:为了提速把界面裁成一条条局部横条,快是快了,观众不知道这是哪个页面。
二是去 PPT 感。病根是每讲一句话就清空画面重来。解法是同一台设备一直留在场上,卡片从手机里的原始坐标放大展开、再沿原轨迹落回去,底色统一,屏外大字只留三五个字。
三是把真实 UI 无痕合进实景,这是全文最硬的一段。让 Seedance 生成屏幕纯黑底片,再用代码做五步:四角只框内发光区、避开金属边框;逐帧透视变换并对轨迹平滑;手指经过屏幕的几帧抠成前景遮罩挡住 UI;用 screen 混合而不是硬盖,保住玻璃上原有的反光;最后加轻微边缘柔化匹配景深。跑通后可复用到骑行、工作、夕阳、约会、聚餐六段底片上。
四是 Seedance 的提示词铁律:单机位固定镜头、构图提前留白、单轮只出一小样、素材必须从第 0 秒播到尾挑最好的 2 到 3 秒。他放了自己那条翻车废片作对照——提示词里写“三机位切换”,结果 2.9 秒把男主角复制成了双胞胎。
五是文案和配音。把“重新定义记录体验”改成“什么情况下用、点了哪里、看到什么”。“显示稿”和“口播稿”拆开存,画面显示 Auday、TTS 读 All Day。拿真实台词盲听挑声线,锁死参数。太长就删词重录,绝不倍速拉快。
我的判断:这篇的价值不在工具清单,在它把“导演的工作”拆成了 agent 能执行的动作——先拿一句话核心价值定死,列一张按观众疑问顺序的五步表,用真实截图拼粗剪 Demo,故事线顺了才花钱生成实景。这个顺序反了就会像他那条 34 秒的电影感开场,铺垫半分钟观众还没看到产品。
局限也要说清楚:它假定你愿意磨五十多版,成本和时间都不低;合成本质是 CV 活,靠 agent 写代码能跑通但出错要人眼逐帧查;而且整套都是围绕移动端和穿戴设备的屏幕,纯 Web SaaS 的界面优势没这么明显。
想动手的话,先跳过一、二章的精修,直接干两件事:把项目目录 + 一句话核心价值 + 一个发布渠道丢给 agent,让它先出 15 秒粗剪;再单独拿 6 秒底片试一次屏幕合成,验证管线能不能跑,别一上来铺整条。