Video-O 工作流

导读

写稿录音不算难，配画面才是真折磨。 静态图片显得单调，自己动手做动画又耗时巨大。

Video-O 工作流只需一份音频和对应的字幕文件，即可自动拆分分镜、设计画面、编排动画节奏，输出一条与音频完全同步的完整视频。

基于 Frames 代码动画框架，内置多套视觉主题，风格统一且可一键切换。

核心亮点

🎯
不挑模型
各主流模型生成效果差异很小，均能稳定实现预期效果
✏️
按需修改
对某段画面不满意，直接用自然语言告诉 Agent 单独调整，无需重做整条视频
🎬
高清输出
支持 4K60 帧自环画质，满足高质量制作需求

原理揭秘

四项核心机制保障质量与效率

01

字幕文件为起点，精确对齐时间轴

字幕文件自带毫秒级时间信息。工作流先读取字幕，按语义连贯性合并为完整分镜场景，保留每段起止时间与相对位置，实现画面与音频严丝合缝。

02

多 Agent 并行协作

长视频分镜众多，若只用一个 Agent 容易因上下文过长导致质量下降。工作流将场景分组，每 10 个场景交由一个子 Agent，多个 Agent 同时工作，既解决上下文限制，又大幅提升生成速度。

03

统一样式模板，风格一致

预制一套完整的样式规范——背景色、文字颜色、主色值、字体字号、间距比例等，所有子 Agent 必须遵循。无论哪个 Agent 制作，画面在色彩、字体、间距等视觉基础上完全统一，切换风格只需更换模板。

04

页面级布局模板，稳定可靠

放弃自由度高的组件级模板，改用 40+ 种页面布局（含柱状图、环形图、大数字等变体，共约 120+ 种方案）。Agent 根据内容选合适布局填入文字与数据，骨架固定、内容适配，不同模型的效果差异被大幅缩小。

实操指南

安装 · 配置 · 生成

1 安装 Hyperfra 官方 Skill
命令行中安装，选择对应 Agent 工具，全局安装即可

2 安装 Video-O 工作流
执行安装命令，同样选择全局安装；也可将文档发给 Agent 自动安装

3 指定字幕文件并运行
在 Agent 中输入指令，提供 .srt 字幕文件路径

4 选择视觉风格
从内置主题中挑选，风格效果可参考文档

5 自动生成与调试
环境检测通过后进入生成流程，支持调试模式逐场景优化，最后合成视频

💡 默认输出 1080P30 帧用于预览；调试满意后，可让 Agent 生成 4K60 帧 最终版。

使用建议

· 建议 Copilot 订阅下使用 —— 长视频 token 消耗较高，按量计费成本不易预估

· 首次用短文件试跑 —— 文档附有 20 多秒示例音频与字幕，快速验证全流程

· 善用调试模式 —— 对某个场景不满意，告诉 Agent 进入调试，单独修改后实时预览

· 最后再生成 4K60 帧 —— 高清渲染耗时较长，先调好所有场景再输出最终版

· 字幕文件获取 —— 可在剪辑软件中对音频做字幕识别后导出 .srt，或使用上期文字生成音频字幕的 Skill 直接产出

Video-O 工作流 · 笔记