如何用 Codex 制作视频：实用分步流程

AI 视频制作常常看起来简单得让人产生错觉：输入提示词，等待，然后下载成片。这种方式适合做实验，但要制作可靠的视频，仅仅生成画面还不够。你仍然需要清晰的信息、准确的表述、可用的素材、一致的设计、易读的字幕、清晰的音频，以及最后的审核。

这正是 Codex 能发挥作用的地方。你可以把 Codex 看作视频制作的协调者。它可以检查项目文件、整理原始素材、编写和修改脚本、制作分镜、通过代码组装视频、运行渲染工具并检查结果。其他专业工具则可以负责生成视频片段、制作旁白、编码，以及人工精修。

你不需要成为程序员。你的职责是做出创意决策、提供可信的素材，并审核每一个阶段。Codex 会在工作区中承担大量技术工作。

开始之前：准备七项信息

创建一个项目文件夹，把原始素材放进去，然后确定以下内容：

1. 目标：你希望观众理解什么，或者采取什么行动？
2. 受众：视频面向谁？
3. 时长：例如 30 秒或 60 秒。
4. 格式：横屏 16:9、竖屏 9:16，或者方形 1:1。
5. 素材：已经审核通过的照片、视频、标志、产品截图和数据。
6. 品牌规范：颜色、字体、表达语气、标志使用方式，以及需要避免的词语。
7. 事实边界：哪些表述已经核实，哪些涉及保密、使用限制，或者仍不确定。

第一步：让 Codex 编写制作简报

先制定制作简报，不要只提出“做一个很棒的视频”这样笼统的要求。简报会成为后续决策的依据，帮助项目保持方向。

把下面的提示词复制到一个新的 Codex 任务中：

提示词：

我想制作一个关于[主题]的视频，时长为[时长]秒，画面比例为[画面比例]，
面向[受众]。主要目标是[目标]，唯一的行动号召是[希望观众采取的行动]。

在提出任何方案之前，请先检查当前工作区中的文件。编写一份简洁的
制作简报，涵盖核心信息、表达语气、必须包含的事实、可用素材、
缺失素材、品牌限制、交付格式，以及需要审核确认的节点。

不要编造事实，也不要把生成的图像当作证据。列出所有假设和
尚未解决的风险。将简报保存为 production-brief.md，然后汇总
需要我审核确认的决策。

亲自审阅这份简报。在继续之前，纠正受众定位、主要信息、事实表述和行动号召。一个短视频通常应当只传达一项承诺，并引导观众采取一个行动。

第二步：把简报转化为有明确时长的脚本

一段书面文字不会自动成为合格的视频脚本。口语表达需要留出停顿和换气的空间，屏幕上的文字则应当比旁白更精简。让 Codex 分别规划旁白、屏幕文字和画面的表达意图。

提示词：

根据已经审核通过的 production-brief.md，编写一份时长恰好为
[时长]秒的视频脚本。使用适合[受众]的直白语言，围绕一个核心观点，
并且只包含一个行动号召：[希望观众采取的行动]。

制作一张时间安排表，包含以下列：
时间区间、旁白、屏幕文字、画面目的、证据来源。

保持屏幕文字简洁。标出所有依赖未经核实信息的句子。
估算旁白的朗读时长，并持续修改脚本，直到能够自然地适应目标时长。
将结果保存为 script-v01.md，在末尾列出假设和尚未解决的风险。

一边计时，一边大声朗读脚本。应当先删去不必要的背景信息，再考虑加快语速。先确认文案，否则后续每一次修改都会带来更高的成本。

第三步：制作分镜和镜头清单

分镜将每一句台词对应到具体画面。它也能帮助你发现哪些地方缺少素材，以及哪些地方用简单图形会比生成电影感镜头表达得更清楚。

提示词：

将已经审核通过的 script-v01.md 转化为逐镜头分镜，
用于制作时长为[时长]秒、画面比例为[画面比例]的视频。

每个镜头都应包含：
镜头编号、开始和结束时间、旁白、屏幕文字、画面描述、
素材来源、转场方式，以及备选方案。

涉及事实的表述，请使用经过核实的真实视频或截图。
数字、标签、流程解释和行动号召，请使用动态图形。
将生成画面明确标注为示意内容，并仅用于不易造成事实误导的片段。

检查工作区，尽可能复用已经审核通过的素材。
将分镜保存为 storyboard-v01.md。
汇报缺失素材、假设，以及尚未解决的权利或准确性风险。

检查画面是否丰富、节奏是否合理，以及是否有足够的证据支持。任何真实客户、地点、成果或产品能力，都需要经过核实的来源，不能仅凭一张看起来可信的图片来证明。

第四步：为每项素材选择合适的工具

没有必要生成每一帧画面。一个实用的素材选择顺序是：

• 真实视频和截图：用于展示人物、产品、地点，以及提供事实依据。
• 获得授权的素材库内容：用于通用环境或动作。
• 动态图形：用于文字、对比、图表、数字和行动号召。
• 生成图片或视频片段：用于营造氛围、表达隐喻，或者制作不涉及事实表述的转场。

在下载或生成任何内容之前，让 Codex 先制作素材清单。

提示词：

审阅 storyboard-v01.md 和工作区中的所有媒体文件。
创建 asset-manifest.md，每个镜头占一行，包含：

所需素材、现有文件、来源或所有者、授权状态、事实风险、
选定的制作方式、目标尺寸，以及备选方案。

从真实媒体、授权素材、动态图形、生成图片和生成视频中选择。
优先采用能够清晰表达想法、同时风险最低的方式。

不要将保密素材上传到第三方服务。
在我批准素材清单之前，不要调用付费 API，也不要下载媒体文件。
列出假设、尚未取得的授权，以及尚未解决的风险。

这个审核节点有助于保护你的预算和信誉。生成式视频虽然强大，但它只是镜头素材的一种来源，无法独自构成完整的制作流程。

第五步：让 Codex 组装可重复生成的视频

为了建立可以复用的工作流程，可以让 Codex 使用 Remotion 构建时间线。Remotion 能将基于 React 的画面组合渲染成实际的视频文件，并支持由 AI 智能体操作、交互式操作以及程序化制作。你仍然可以用日常语言指挥整个过程。

提示词：

根据已经审核通过的制作简报、脚本、分镜和素材清单，
创建一个 Remotion 项目，制作时长为[时长]秒、
画面比例为[画面比例]、帧率为 30 fps 的视频。

为每个场景实现一个组件，只使用审核通过的素材，
并集中管理颜色、字体排版、间距、字幕样式和安全区域规则。

让场景时间安排与分镜一致。确保重要文字在手机上清晰可读，
并处于平台的安全区域内。

只有被明确标记为缺失的素材才能使用临时占位内容，
并且必须清楚地标注这些占位内容。

生成预览，运行项目检查，并告诉我如何审阅。
记录假设和尚未解决的风险；不要擅自更改已经批准的事实表述或措辞。

之后，你可以用创意指导的方式提出修改，例如：“第三个场景多停留一秒”“让标题看起来更沉稳一些”，或者“用已经批准的产品照片替换这个画面”。

Codex 可以把这些决定转化为项目修改，并重新渲染一个供审核的版本。

第六步：添加旁白、音乐和字幕

真人录音往往最有个性。如果你需要快速制作草稿、支持多种语言，或者保持一致的表达方式，文本转语音也很有用。无论采用哪种方式，都要确认你有权使用相应的声音。音乐也应当具有可查证的授权记录。

提示词：

将已经审核通过的脚本整理成适合录制旁白的版本。
为人名、缩写和专业术语制作发音清单。

如果已有审核通过的配音录音，请进行音频清理并使用。
否则，请准备一个文本转语音版本供审核。
除非已经取得书面许可，否则不要克隆或模仿任何人的声音。

根据最终旁白生成同步字幕，保持每行字幕简短，
并将其放置在安全区域内。

只添加具有明确授权记录的音乐，并确保语音清晰可辨。
更新 Remotion 项目，渲染一个供音频审核的版本，
并汇报时长、响度方面的问题、假设，以及尚未解决的授权风险。

分别使用耳机和手机扬声器试听。检查发音、节奏、字幕同步、音乐与人声的音量平衡，以及最后半秒的声音——结尾处的音频截断很容易被忽略。

第七步：渲染、检查并审核最终导出文件

渲染完成并不意味着已经审核通过。Codex 可以使用 FFmpeg 和 ffprobe 对媒体进行编码、转换和检查，但仍然需要有人完整观看导出文件。

提示词：

按照 production-brief.md 中的交付要求，
将已经审核通过的视频渲染为 MP4。

然后使用 ffprobe 检查文件，并汇报：
时长、分辨率、帧率、视频编码、音频编码、采样率和文件大小。

检查是否存在文件缺失、黑帧、文字被裁切、字幕位置超出安全区域、
音频提前结束，以及最终剪辑与已批准脚本不一致等问题。

创建 qa-report.md，包含自动检查结果，并单独列出人工审核清单，
覆盖事实、品牌规范、使用权、画面连续性、字幕、音频和行动号召。

在我明确批准之前，不要将视频称为最终版本。

要观看实际导出的文件，不能只看预览。开启声音检查一遍，静音检查一遍以确认视觉表达是否清楚，再在目标设备上检查一遍。

工具调研：每种工具适合做什么

以下对比依据的是作者于 2026 年 8 月 5 日核查的官方产品信息。功能和商业条款可能变化，因此在正式确定工作流程之前，应再次核实。

对于大多数初次制作的项目，可以从 Codex＋Remotion＋FFmpeg 开始。

只有当分镜确实需要相应镜头时，才加入生成式服务。只有当真人旁白不可用或不合适时，才加入文本转语音。当最终润色需要人工精细操作时，再使用 DaVinci Resolve。

常见失败方式

• 先选工具，后想表达什么：再精彩的片段，也无法弥补目标不明确的问题。
• 生成内容过多：风格混杂、细节不稳定，会很快让视频显得不自然。
• 把看起来可信的画面当作证据：生成的设施、客户、界面和成果可能误导观众。
• 脚本确认得太晚：时间安排、字幕、旁白和场景都依赖脚本。
• 忽视小屏幕体验：纤细的字体和冗长的句子，在桌面预览中可能没问题，到了手机上却难以阅读。
• 遗漏使用权信息：应记录每一张外部图片、每一段视频、每一首音乐，以及声音、标志和人物肖像的来源与授权。
• 跳过人工审核：自动检查能发现技术问题，人才能判断含义、语气、真实性和审美是否合适。

最终发布检查清单

•  
  视频只有一个明确受众、一条核心信息和一个行动号召。
•  
  每一项事实表述都有可信的来源。
•  
  每项素材都记录了来源和授权状态。
•  
  生成画面仅用于不会误导观众对现实认知的地方。
•  
  名称、数字、字幕、标志使用方式和品牌颜色均正确。
•  
  旁白清楚易懂，音乐已获授权，音量搭配合理。
•  
  时长、分辨率、画面比例、编码和文件大小符合平台要求。
•  
  已经在目标设备上从头到尾观看过导出文件。
•  
  已有明确负责的人审核并批准发布。

Codex 的实际价值，在于帮助你建立一个可以检查、修改、重复执行和持续改进的制作流程，而不是靠一句提示词就神奇地产出电影。提供清晰的输入，审核每一个关键节点，有目的地使用专业工具，并始终让人的判断处于核心位置。