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

用 AI 全自动做视频,太爽了!开源 AI 视频制作器 + Skill

程序员鱼皮
程序员鱼皮
2026-10-12 09:46
阅读 48
程序员鱼皮
2026-10-12 09:46
阅读 48

大家好,我是程序员鱼皮。

你绝对想不到,以前要花几千块找人做的产品宣传片,现在只要一句话,AI 就能全自动帮我搞定。

AI 做的 6 支宣传片

上面这 6 支宣传片,风格从 3D 城市地图、黑白热血漫画、水下 Q 版,一路跨到电影预告片和泄密档案,全都是 AI 给我做的。

而且你敢相信么,这些画面没有一帧是在剪辑软件里做的,全部都是 AI 用写代码的方式「凑」出来的!

左边是代码,右边是画面

下面给我 2 分钟,我来教你这套全新的 AI 视频创作玩法。

⭐️ 本文对应视频版:https://bilibili.com/video/BV1eepv6jEJm

1、AI 是怎么写代码做视频的?

Claude Opus 5.5 模型出现之后,大家开始意识到,原来做视频除了用 Seedance 这种 AI 视频生成模型之外,还可以让 AI 文本模型通过编程来做。

两种用 AI 做视频的方式

这是两种截然不同的方式。

视频生成模型是直接把画面「画」出来,效果很惊艳,但画面里的文字和产品界面很难画准。

写代码做出来的画面就不一样了,每个字、每张截图都是精确的,特别适合做需要展示真实产品的宣传片。

原理也很简单。AI 先写代码,把每个画面做成一个会动的网页;再一帧一帧地截图;最后把几千张截图拼起来、配上声音,就成了一支视频。

代码变视频的 4 个步骤

比如一支 1 分钟、每秒 60 帧的视频,就要截 3600 张图。这套流程用到的是开源框架 Remotion,在它眼里视频就是一个 React 网页,所以会写前端代码的 AI,天生就会剪视频。

2、我开源的宣传片制作器

作为一名 AI 编程博主,我当然也跃跃欲试。

趁着假期,我让 AI 给自己的几个产品做了不同风格的宣传片,编程导航、面试鸭、老鱼简历、鱼皮 AI 导航,还有我的免费 AI 编程教程,一个都没落下。

我一边做一边踩坑,一边把踩过的坑总结成规则,最后打磨出了一套《AI 产品宣传视频制作器》,并且完全开源到了 GitHub 上。

开源指路:https://github.com/liyupi/ai-promo-video-maker

开源到 GitHub

这个项目里没有什么复杂的代码,核心是一份写给 AI 看的工作规范,外加一个 Remotion 视频工程模板和十几个辅助脚本。

AI 读完规范,就知道一支宣传片该从哪一步开始、每一步要做到什么标准。

3、一句话做出宣传片

用法非常简单。你只需要把这个项目下载到本地,用任何一个 AI 编程工具打开它,Cursor、Claude Code、Codex 都可以。

▼
bash
复制代码
git clone https://github.com/liyupi/ai-promo-video-maker.git

电脑上需要先装好 Node.js、Python 和 ffmpeg,不用担心缺少环境,AI 开工前会先做一遍环境体检,告诉你该怎么补。

然后跟 AI 说一句想给哪个产品制作宣传视频,比如:

▼
text
复制代码
我要给 laoyujianli.com 制作一个宣传视频

跟 AI 说一句话

接下来 AI 会先自己去调研这个产品,搞清楚它是干嘛的、卖点有哪些、有哪些能拿出来证明的数据。然后像产品经理一样主动找你询问和确认需求,比如视频多长、给谁看、开头先讲痛点还是先秀亮点。

问完之后,AI 会把所有结论整理成一份需求确认文档,你确认了它才开工。

AI 整理的需求确认文档

最让我惊喜的是,AI 还会给你的产品画出好几种不同风格的小样,任你挑选。

比如给老鱼简历做宣传片的时候,AI 一口气给了纸张拼贴、像素通关、极简发布会、黏土 Q 版 4 个方向,我最后选了左上角的纸张拼贴风。

老鱼简历的 4 种风格小样

选完风格,你就可以去摸鱼了。

AI 会自动完成写脚本、截图、配乐、剪辑这一整套流程。

AI 全自动完成

最后交给你一个直接可用的 4K 宣传片:

4K 宣传片

还附赠一个动画网站,部署上线就能直接分享给别人看:

动画网站

注意,模型推荐用 Claude Opus 5.5 这样的顶级模型。

一支宣传片要走十几个步骤,中间还有好几轮截图审查和音频校验,能力弱一点的模型很容易偷懒跳过校验,或者不知不觉把每个产品都做成千篇一律的深色科技风。

4、AI 视频制作技巧

让 AI 做视频不难,难的是做出让人愿意看完的片子。我打磨这个工具的时候,大部分精力都花在了下面这几件事上。

真实产品才是主角

你会发现,这些宣传片里有很多真实的产品画面。

宣传片里的真实产品画面

这是因为我给 AI 定了一条铁律,主角必须是真实产品,不能拿 AI 画的假界面来敷衍。

规范里要求每个功能段落至少放一张真实的界面截图,AI 会自己打开网站截 4K 的图,遇到需要登录的页面,就弹出一个浏览器窗口让你登录一下。AI 生成的图片只负责包装和转场,抢不了产品的戏。

配乐卡在鼓点上

配乐方面,AI 默认会从免费可商用的曲库里挑几首让你试听。

挑几首让你试听

之所以要你亲自试听,是因为 AI 压根儿听不到声音。。。它只能靠分析波形来判断节奏,曲子搭不搭、好不好听,还得你的耳朵来感受。

选定之后,AI 会把整首曲子的节拍精确测出来,尽量让每个镜头都切在鼓点上,看起来就很带感。

用你自己的声音配音

如果你想要真人配音,可以先到 ElevenLabs 上克隆自己的声音,然后把 API Key 提供给 AI。

ElevenLabs 克隆声音

AI 会用你的声音念旁白,念完还会把音频重新转成文字,跟稿子逐句比对,品牌名和网址错一个字都不放过。这样一条属于你风格的视频就做出来了。

没有 ElevenLabs 账号也完全没问题,AI 会用醒目的大字幕代替旁白,照样能出片。

5、成片效果

来,感受一下 AI 给面试鸭做的这支黑白热血漫画风宣传片:

面试鸭宣传片

开场直接连发 4 道站内浏览量最高的真实面试题,然后小黄鸭闪亮登场,紧接着用真实的页面展示题库和题解。配乐是 AI 按分镜专门作的曲,有两次爆发和一段回落,旁白刚好落在回落段讲解答案。

完整版建议去视频里看,有声音才有内味儿~

怎么样,溜不溜?

6、做一支要花多少钱?

大家可以猜猜看,这样一支 1 分钟的视频,大概要花多少钱?

揭晓答案:大概几十块钱。

找人做 vs AI 做

这个价格也是真心不便宜啊!

毕竟 AI 要反复截图、审图、校验,烧的 tokens 可不少。但相比找人做一支宣传片动辄几千上万块,肯定是便宜多了对吧?

我自己也是烧了很多 money,才给大家打磨出了这套开源视频制作工具。

80 多条踩坑记录

现在规范里已经攒了 80 多条踩坑记录,像截图被横向压扁、开场铺垫太慢、配乐和画面不搭、旁白把品牌名念错,每一条都来自我真实收到过的修改意见。大家直接用这个工具,就能少让 AI 走弯路,节省很多 tokens。

如果你不想克隆仓库,也可以把它装成一个 Skill,在任何项目里随时调用:

▼
bash
复制代码
npx skills add liyupi/ai-promo-video-maker -g

装好之后,在你自己的产品仓库里跟 AI 说一句「给这个项目做一支宣传片」就行。AI 可以直接读你的源码和文档,拿到的素材比去官网扒的还准。

不管是 APP、网站、开源项目、课程,甚至是任何你想宣传的东西,都能快速搞出宣传大片。

什么都能宣传

最后哔哔

最后告诉大家一个小秘密,文章开头的那个口播视频,后期剪辑也是 AI 做的。

我只负责对着镜头把稿子念完,然后就交给 AI 了。我前后提了几轮修改意见,它就交出了一支 4K 成片。

所以标题说「我再也不会剪视频了」,是真的不会了,也不用会了 😂

所以不出意外的话,之后我不会再用视频剪辑软件了。

OK 就分享到这里,更多关于 AI 编程工具的用法和 AI 玩法,可以看看我写的免费开源 《AI 编程零基础入门教程》,上千张图、几十万字,带你从 0 开始学会 AI 编程,做出自己的产品。

开源指路:https://github.com/liyupi/ai-guide

鱼皮的 AI 编程教程

我是鱼皮,持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注~

AI
编程
程序员
AI编程
计算机
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
320
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
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
9
我的第一个出海产品!7 天 2 万
300
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