用 Codex 批量做带货视频

2026-09-10

背景是出版社要做投流，需要持续出素材。第一反应是 Seedance，生成质量没话说，但账算下来不对——投流要的是量，单条成本压不下来。各种方案转了一圈，最后跑出来的组合是 Codex + GPT Image 2 + HyperFrames。

成片的质感不是常见 AI 图的过度光滑，有真实纹理，书封嵌进场景里很自然。Codex 把整个制作脚本封装好，改一下商品参数就能出一条新的。

但跑通了，不代表做对了。第一条真正做的视频是一本《AI漫剧创作一本通》的 15 秒带货片。渲染完回看，有点不对劲：画面里什么都有，封面、插图、口播、字幕、动效，但没有一个信息真正留下来。它更像 AI 流水线加工出来的东西，不像一条在帮用户做决策的视频。于是推翻重做了一版。

重做完结构很简单：前 3 秒戳痛点，中间给四步路径，结尾回到真实书封和购买理由。

这两帧信息密度都不高。一屏一个问题，这是 15 秒带货最重要的克制。

第一版犯了一个很经典的错：“漫剧”被 AI 生图悄悄写成了”漫画”。一个字，用户理解偏了，商品也变了。

AI 生图做氛围没问题——书封嵌进桌面场景，手机、草稿、角色稿都有，一下子有使用感。但书名、作者、出版社，这些不能让模型猜。只要是事实，就用原始素材或手动叠加文字。

开工前先建一张事实表：

建完这张表，脚本、画面、口播都以这里为依据。对应的原始素材统一放到一个文件夹里。

做书籍带货最容易犯的毛病：想把目录、卖点、作者信息全塞进去。结果什么都有，什么都没留住。

这条结构压得很狠：

中间那段是核心。没有直接搬书的卖点，而是把书的价值拆成了四个动作：拆脚本、定角色、做分镜、剪成片。动作比卖点有用——卖点是你在夸自己，动作是用户能想象自己下一步怎么做。

这套组合最厉害的地方不是某一个工具有多强，是它们分工很清楚。Codex 把制作逻辑封装成脚本，改一张商品参数表就能吐出完整的 HTML 时间线和渲染指令。

GPT Image 2 生成带真实质感的主视觉，书封嵌进实际场景，感觉接近实拍，不是那种过度光滑的 AI 感。

HyperFrames 负责合成竖屏 MP4，参数锁定后不用反复调整。

各工具的作用与输入输出：

还有一件事：渲染完不能只播放一遍。用 ffprobe 抽三帧——1.5 秒、7.5 秒、13.5 秒，静态帧下问题很直接：标题明不明显，封面有没有被挡，书名有没有错。

这条最后用的口播：

还在收藏AI教程？三秒告诉你：做AI漫剧，关键在一套流程。《AI漫剧创作一本通》把脚本、角色、分镜、剪辑拆成四步。照着做，先完成你的第一条漫剧。

Codex 原本推荐 MiniMax 或 ElevenLabs，但一个要一次性买几百块的语音包，一个要国外账号，这里直接用 Fish Audio，效果也还行。

做完这条，顺手把流程封装进了一个短视频 skill，后续不用每次从零开始。

skill 里最看重的不是生成速度，是几条核心规则：先建事实表再写脚本；生成图只做背景氛围，关键的书籍封面用真实素材；一屏一个主信息；渲染后必须抽帧检查。

AI 生成越强，越需要在前面做判断。工具会帮你更快出东西，也会更快放大混乱——不然就会批量失败，浪费 token 还没把事情做好。

如果想自己做 AI 带货或 AI 口播视频 skill，先做一条 15 秒，把链路跑通。不要一上来做 60 秒，不要先做复杂剧情。

当视频生成变便宜后，值钱的东西就回到前面那一步：你想让用户记住什么。把一个人、一个痛点、一个商品购买理由讲清楚，这条视频就已经赢了一半。