鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

离大谱,我竟然在 VS Code 里做了个视频!

编程导航
编程导航
2026-04-03 14:22
阅读 6243
编程导航
2026-04-03 14:22
阅读 6243

大家好,我是程序员鱼皮。

最近发现一个很有意思的开源项目叫 Remotion,能用编程写代码的方式做视频动画,在 GitHub 上星星很多。

你可能会问:用代码做视频?那不得累死?

别急,我们当然不会自己写代码。让 AI 帮你写就完了!

用 AI 编程做动画的原理其实很简单:

  • AI 写代码
  • Remotion 把代码渲染成视频

官方给的动画成果展示

下面我带大家完整走一遍流程,从安装到出片,全程手把手,保姆皮上线~

📺 视频版:https://bilibili.com/video/BV1qxFSzUEwo

一、安装 Remotion

首先,打开终端,输入一行命令快速安装 Remotion:

▼
bash
复制代码
npx create-video@latest

执行之后,它会问你几个问题:

  1. 选一个模板 > 我选了 Hello World
  2. 项目名叫什么 > 就叫 myvideo
  3. 是否使用 TailwindCSS > 用呗
  4. 是否添加 AI 智能体技能 > 这个一定要加!

添加了这个技能之后,你就可以通过 AI 对话的方式,让 AI 帮你用这个库做动画了。

安装技能的时候,它会问你装到哪些智能体里、是当前项目安装还是全局安装。我建议直接全局安装,省得以后每个项目都要重新装一遍。

注意:你需要确保自己能访问 GitHub,不然可能会报错。

安装完成后,进到项目目录,安装依赖并运行:

▼
bash
复制代码
npm install npm run dev

打开浏览器,你会看到一个 Web 端的视频剪辑工具:

看看这界面,不知道的还以为是客户端软件呢!

页面左侧展示了不同的视频片段,每个片段其实都是通过代码渲染出来的。你删掉一段代码,对应的视频就没了:

在代码编辑器中按 Ctrl+Z 撤回,视频又出来了。是不是挺神奇的?

二、让 AI 帮你做视频

我们不可能自己写代码来做视频,肯定是让 AI 来。

打开一个 AI 编程工具,我这里用的是 VS Code + GitHub Copilot AI 插件,选了最新的模型 Opus 4.6,100 万上下文,还是很牛的。

Demo 1、鱼头人唱 RAP

我直接给 AI 发了这段话:

▼
text
复制代码
一条鱼头人正在唱中文 RAP,RAP 的内容是称赞一位叫程序员鱼皮的博主,屏幕上动态显示歌词(快闪风格)

你会看到,AI 直接找到了我们之前安装的 Remotion Best Practices 技能包,它会让 AI 知道怎么用编程的方式做动画。

然后它就开始编写动画代码了。等了一会儿,AI 完成了任务。

直接在浏览器中就能看到效果了,鱼头人 on the beat 🐟~

怎么说呢,有点太抽象了 bro!不过毕竟是第一个 Demo 嘛,我也没有太高的预期。下面我们来搞个更有意思的、鸡动人心的(要素察觉)。

Demo 2、鸡你太美

新开一个 AI 对话框,这次我换了个更具体的需求:

▼
text
复制代码
帮我做一个小鸡一边打篮球一边 RAP 的爆款视频,大概 20 秒,要求有视觉冲击感、要足够洗脑,让人一看就想点赞、循环播放。 我是傻子,你需要告诉我提供哪些素材,如果不理解需求,找我提问确认,并且最后完成视频。

然后你猜怎么着,AI 居然识别出了「鸡你太美」这个梗!不是哥们。

它说不需要我提供任何素材就能搞定,那就直接开干!

等它一顿操作之后,做出来了一个新视频,来看看效果:

不是哥们,你管这玩意叫 “小鸡”?胳膊和腿儿都分离了啊!是不是有点太抽象了???

而且目前没有背景音乐和唱 RAP 的音效,有点干巴,我只能脑补出 “鸡你太美,噔噔噔噔,北鼻……” 的音乐,还是要加点真实的素材。

三、用素材优化视频

由于动画是 AI 做的,它可能比我更清楚需要哪些素材、以及放到哪些位置,所以我让 AI 来引导我完善素材。

发送提示词:

▼
text
复制代码
现在的动画有点生硬,缺少真实的图片、背景音乐和音频,请你引导我应该怎么完善这些内容,我是傻子

AI 就会开始通过交互提问的方式来引导我,一步步告诉我该做什么。

AI 给出了方案,大概需要这些素材:

  1. 小鸡图片 > 我自己来找
  2. 背景音乐 > 我自己来找
  3. 篮球场背景图 > 让 AI 帮我搜
  4. RAP 人声 > 用 AI 生成

下面,我们根据指引依次来搞定这些素材。

1、准备小鸡图片和背景音乐

这两个素材比较简单,自己手动找就好了,没啥好说的。

2、让 AI 帮忙搜背景图

AI 可以利用 Firecrawl Search 这个 MCP 工具来帮忙搜索网络图片。

如果你不知道怎么安装 MCP 工具,可以参考我的《AI 编程零基础入门教程》中 “优质 AI 编程扩展推荐” 这一节。

指路:ai.codefather.cn/vibe

鱼皮AI导航网站-免费AI编程教程

我跟 AI 说:

▼
text
复制代码
帮我下载背景图,要求背景图必须是鸡你太美这个梗的原始背景图,干净的背景图,不听话的话我就再也不用你了!

在我的威胁下,AI 乖乖听话,不仅找到了几张图,还说要帮我挑一个最好的,我都要感动哭了。

虽然中间有一张图被抠得只剩一个人了(人工智障),但最终还是找到了能用的背景图。

3、用 Suno 生成 RAP 人声

AI 推荐我用 Suno AI 来生成人声,还提供了生成人声的提示词。

直接打开官网注册登录,选择 Simple 简易模式,把歌词和要求粘进去:

▼
text
复制代码
中文说唱,嘻哈节拍,120BPM,时长 18 秒,歌词: 篮球在我手 全场我最秀 Crossover过掉你 无情暴扣 鸡你太美 Baby 左手运球 右手写RAP 三分线拔起 全网都炸裂 只因你太美

然后点击创建,一次性生成了多个版本的 RAP 人声:

我听了一下,免费模型生成的效果居然还不错!直接下载 MP3 音频文件,倍速一下就能用了。

4、让 AI 合成最终视频

所有素材都准备好了,我把文件按照要求放到项目目录里,然后跟 AI 说:

▼
text
复制代码
素材放好了

然后 AI 就开始替换素材,稍等一会儿,AI 的大作就完成了。来看看最终效果:

有了素材后,比之前纯靠 AI 生成 SVG 和 Emoji 的版本好了不少,背景图、背景音乐、RAP 人声、歌词动画都加上了。虽然还是有点生硬(比如中间的小鸡图片略显诡异),但整体已经有内味儿了。

四、优化思路

目前动画视频存在 2 个比较严重的问题,我说一下自己的优化思路。

问题 1、素材不够真实

如果完全让 AI 用代码绘制素材(SVG、Emoji 之类的),出来的东西比较抽象。所以建议自己多补充一些真实的图片素材,效果会好很多。

问题 2、声音和画面歌词对不上

可以先让 AI 生成歌词以及对应的时间线,然后把这个时间线同时交给 AI 做动画视频和 AI 生成音频。这样两边都是按照同一个时间线来编排的,画面和声音就能对上了。

最后

用 AI 编程的方式来做视频,在画面真实感和流畅度上肯定没法跟 Seedance、Sora、可灵这些视频生成模型比较。但它有自己的优势,比如完全可控、可编辑、可复现,而且不需要消耗 GPU 算力和昂贵的视频 API 费用,纯靠代码渲染就行。只要你描述到位、再人工多补充一些素材,做出来的效果其实也能满足很多场景。

我觉得这个工具比较适合做下面几类视频:

  • 动画演示视频:比如讲解一个知识点,让 AI 帮你变成动画
  • 快闪文字类视频:歌词快闪、文字动效这类
  • 抽象整活视频:鸡你太美这种梗视频
  • 知识科普动画:虽然看起来生硬,但能帮别人快速理解知识

感兴趣的同学可以自己去试试,Remotion 是完全开源免费的:

开源仓库:https://github.com/remotion-dev/remotion

也欢迎大家在评论区分享你用 AI 编程做出来的视频,看看谁的最抽象~

站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
450
2
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
410
3
DeepSeek 全新模型发布,性价比最高的一集!
400
4
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
370
5
又一个国产版 Codex 神器,也来卷办公了!
340
6
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
330
7
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
320
8
我的第一个出海产品!7 天 2 万
310
9
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
310
10
什么是LLM
300
11
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
260
12
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
260
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题