我有一个网页/产品/项目,需要做成视频演示效果与产品功能,有什么sop/skill能实现交互剪辑演示的自动化端到端实现呢?

来自夹夹 QQ 群讨论,审核后公开 · 。查看原始讨论

提问

我有一个网页/产品/项目,需要做成视频演示效果与产品功能,有什么sop/skill能实现交互剪辑演示的自动化端到端实现呢?

回答

回复 群友 6334

结论先说:这事儿没有现成的一个 skill 能一键做完,但完全可以做成端到端流水线;关键是要把它拆成“drive(驱动)+ record(录制) + 合成 + 配音字幕”四段,每段都有成熟工具,再由 agent 把它们串起来。

先说容易踩的坑:市面上的“AI demo 视频生成器”其实分两类,一类是用头像口播(Synthesia、HeyGen、Tavus),根本不录你的产品;另一类是捕捉真实产品(Guidde、Supademo、Arcade),但它们都是人工点击录制,改一次 UI 就得重录一遍。你需要的是第二类里可自动化的那种。

我建议的 SOP 是这样:

第一步,写一份“演示脚本”,用文本形式表达,不要手点。格式就是一条路径:打开哪个页面、等哪个选择器、点哪个按钮、输入什么、截图/停顿几秒、旁白说什么。这份脚本是唯一事实源,产品改了就改脚本,不要重录。这就是你自己的 skill:给 agent 的执行规范,包含前置条件(起服务、种子数据、登录态)、每个动作的定位方式和失败重试规则。

第二步,用 Playwright 驱动浏览器,同时录制。Playwright 本身就支持录制视频(config 里打开 video),现在新版本还加了 Screencast API,可以在录制时叠加动作高亮和注释,交出来的东西不只是原始录屏,而是“带标注的证据视频”。登录态用 storageState 复用,不要把密码写进脚本。我这边查到 Playwright 确实出了这版能力,但具体是哪个版本号我这次没抓到原文核对,你装最新版看 release notes 确认下。

第三步,合成。这条最值得投入的是 Remotion:视频即代码,用 React 写组件来编排画面,能插入转场、假光标、放大局部、高亮框、字幕条,还能批量渲染出 MP4。好处是它跟你的 UI 一样是版本化的,CI 里跑一遍就出片。如果你的演示是纯产品交互、不需要花哨包装,那 Playwright 直录 + 少量剪辑就够;如果要“营销片质感”,Remotion 是主力。

第四步,配音和字幕。旁白用 TTS(OpenAI TTS、ElevenLabs 之类)从脚本里的旁白字段直接合成,字幕从旁白文本生成,别用语音识别回推,会抖。时间轴对齐的方式是让 Remotion 按“每段动作的时长”排布,而不是猜。

还有一条更省事的路:如果你不想自己搭,有 screencli 这种开源 CLI,专门给 agent 用——告诉它目标,agent 自己驱动真实浏览器点完整个流程并录成干净视频,支持登录态和 CI 触发,还输出可分享的托管链接。适合每发一版重新生成。但它的模板/包装能力比 Remotion 弱,想加品牌动画还是得自己合成。

所以落地建议:脚本 + Playwright 录制 + Remotion 包装,三件套做成一个 agent skill 挂进你的 CI 或 coding agent;先手跑通一条 30 秒的 happy path,跑通之后加旁白和字幕,最后才考虑美化。别一开始就追求“全自动剪出宣传片”,那是最后一个才该优化的环节。

如果你想,可以把你项目是什么类型(Web app?有登录吗?几个核心流程?)说一下,我给你把这段 skill 的具体目录结构和入口脚本列细一点。