使用 Codex Video Use 构建 AI 数字人口播视频的六步流程

这条视频的完整制作过程，证明了在不真人出镜、不重新录制口播的情况下，可以仅依靠一套以 Codex Video Use 为核心、组合多种视频工具的数字人流程，制作出包含人物口播、字幕、信息和动效的完整视频成片。

背景概述

视频作者在画面中呈现的是自己的形象和声音，但他本人并没有实际出镜拍摄，也没有重新录制口播配音。视频中的人物字幕、信息画面和各种动效，是通过 Codex Video Use 配合多套视频工具组合生成的。这条视频本身即是这套制作流程的第一次完整测试，其制作过程共分为六个主要步骤。

核心工具与分工

在介绍具体步骤之前，先明确整套流程中涉及的核心工具及其职责：

• Video Use（视频调度员）：整套流程的核心调度工具，负责规划视频的呈现方式，并调度其他工具执行具体任务。
• Hyperframes：负责视觉包装。
• Remotion：负责时间线处理。
• Frapack（翻派可）：负责底层处理和音频压缩、停顿优化、响度统一等底层处理。
• ElevenLabs（Eleven Left I）：用于音色克隆和语音合成。
• 黑镇（Hedra）：用于将人物母图和旁白结合，生成数字人口播视频。
• Codex：安装和配置上述工具链的底层环境，也是制定视觉规则的平台。

详细步骤解析

第一步：搭建工具链，将剪辑工具接入 Codex

是什么：在 Codex 环境中安装并配置所有需要用到的视频制作工具，建立可工作的基础环境。

操作内容：

• 安装 Video Use。
• 完成 ElevenLabs 的配置。
• 提前接入 Hyperframes（视觉包装）、Remotion（时间线）和 Frapack（底层处理）。

为什么重要：工具链是后续所有自动化操作的基础，Video Use 需要依赖这些工具才能实现从规划到执行的全流程调度。

第二步：制作可剪辑的数字人口播母片（替代真人口播）

是什么：由于不想每次制作都重新化妆、架相机、打光和录制，作者用数字人方案替代了传统真人口播录制环节。这一步的产出是一条完整的数字人讲述视频（即“数字人母片”），作为后续剪辑的素材。

关键子步骤：

1. 生成人物母图：用自己的照片生成 16:9 比例的人物图像。
2. 克隆音色：从以往说话的视频和长录音中，挑选出没有背景音乐、口音最自然、人声最干净的部分，用于克隆作者自己的音色。
3. 制定表达规则：将个人偏好的语速、停顿和重音整理成一套表达规则，包括：

• 信息段说得更快。
• 重点句更有力量。
• 句尾自然下落。

1. 生成连续元音频：文案确认后，始终使用同一个克隆音色，先生成一条覆盖全文的连续元音频。
2. 音频后期处理：使用 Frapack 处理音频，包括：

• 压缩过长的停顿。
• 统一语速和响度。
• 处理片段衔接处可能出现的爆破声。

1. 生成数字人口播：将人物母图和这条处理后的旁白交给 黑镇（Hedra），生成数字人讲出整篇内容的视频。

输出结果：一条可正式进入剪辑流程的数字人口播母片。这条经过处理的完整旁白是整条视频的唯一声音基准。

第三步：基础粗剪

是什么：将数字人母片交给 Video Use 进行基础粗剪，得到一条声音连续、内容完整的基础版本。由于真人口播和数字人需要处理的问题不同，这一步骤的工作重点也有所差异。

处理差异对比：

• 真人口播需要删除：口误、卡壳、重复和无效停顿。
• 数字人需要检查：眨眼、点头、嘴型、手势、黑帧、片段接缝和音画同步。

作者特别的安全机制：Video Use 不会直接开剪，而是先给出一份处理方案，等作者确认之后才执行操作。

第四步：确定视觉语言

是什么：为视频制定统一的视觉风格规范。

操作内容：

• 作者给 Codex 提供一些自己偏好的视觉方向。
• Codex 将这些审美偏好整理成适合这条内容的色彩、构图、节奏和信息层级。
• 最终沉淀为作者个人专属的视觉规则。

第五步：生成包装方案

是什么：让 Video Use 结合粗剪结果和视觉规则，制定整条视频的详细呈现方案。

方案需规划的内容：

• 整条视频的整体呈现方式。
• 每一段要强调的内容。
• 画面如何变化更利于观众理解。
• 文字、人物和其他视觉信息的配合方式。
• 哪些部分需要动态呈现，哪些部分应保持克制。

确认机制：方案形成后需交给作者审核修改，确认后才进入制作。

第六步：补齐画面信息并渲染成片

是什么：根据确认后的方案，准备所需信息，并通过调度工具真正制作出视频成品。

执行流程：

1. 准备信息：把每一段需要表达的信息准备完整。
2. 工具调度：Video Use 调度 Hyperframes（视觉包装）、Remotion（时间线）和 Frapack（底层处理）执行制作。
3. 测试段确认：先生成一小段测试，确认颜色、排版节奏和人物清晰度通过后，再继续制作。
4. 分段制作：测试通过后，分段完成整条视频。
5. 最终质检：完整观看并逐段抽帧、试听，检查以下问题：

• 黑帧
• 爆音
• 错字
• 糊脸
• 嘴型问题
• 穿帮

当前限制与后续展望

限制条件：这套流程目前还不是完全不需要确认的一键全自动，过程中仍需要人工在关键节点（如粗剪方案、包装方案、测试段等）进行确认和修改。

未来展望：下一次制作时，只需更换文案和内容，就可以沿着同一套流程继续制作。这条视频是这套流程的第一条正式成片，验证了整个流程的可行性。