81.8 秒的视频，我们改了 15 个版本：一次纯 Codex 驱动的 AI-native 视频实践
内容提要
文章介绍了一种纯AI链路制作产品视频的方法：作者只负责目标、选择与反馈，由Codex完成脚本、分镜、动效、配音、配乐、混音、审片和渲染，最终产出81.8秒成片，迭代15版。核心方法包括：先让AI理顺故事，用参考画面代替模糊要求，让动效服务因果关系，配音音乐服务叙事，并用“效果+参考+保留+标准”反馈。关键底座是HeyGen开源的HTML转视频框架HyperFrames。
延伸解读
纯 AI 驱动视频制作的核心：单一 Agent 维护全链路
文章强调“纯 AI 驱动”并非多个工具拼接，而是同一个 Agent 持续维护从脚本到渲染的整条制作链路。它能记住上一轮修改的原因，调用语音、音乐、视频等工具，避免人工在不同工具间充当“传话筒”。这种模式让没有专业剪辑经验的人也能通过持续对话，把想法逐步变成成片，真正减掉的是工具切换和重复协调的负担。
用参考画面代替模糊要求，让审美可执行
“更高级”“更有科技感”这类要求难以落地，因为解释空间太大。文章建议把审美偏好变成可观察的参考，例如从 HeyGen HyperFrames 官方案例中挑选接近目标的片段，让 AI 拆解信息层级、卡片入场和镜头推进等“画面零件”，再用自己的品牌和内容重新组合。这样，“我喜欢什么”就变成了 AI 可以执行和验证的约束，无需掌握动画术语也能有效指导修改。
HyperFrames 的定位：适合产品 UI 与动态图表的 AI 视频底座
HyperFrames 是 HeyGen 开源的 HTML-to-video 框架，Agent 用 HTML、CSS 和 JavaScript 搭建画面，再稳定渲染成 MP4，并保留可继续编辑的工程文件。它特别适合产品界面、数据、关系网络和流程演示，因为 AI 熟悉网页代码，能轻松定位元素并修改，且预览与成片容易保持一致。文章也对比了 Remotion 和 ChatCut，指出若素材以实拍访谈为主，ChatCut 更顺手；若需 React 视频模板和批量渲染，Remotion 更成熟。
反馈结构：把观看感受翻译成可执行的修改指令
文章推荐用“效果+参考+保留+标准”四要素来反馈，例如“这一段像功能清单，我希望观众先看到问题，再看到 AI 怎么处理；保留两条关键数据，做完后给我看前后各 2 秒”。这种结构不需要专业参数，只需表达直觉感受，AI 就能联动修改脚本、画面、声音和版本。它让审片从模糊的“感觉不对”变成具体可验证的指令，是纯 AI 链路中最高效的协作方式。
Q&A
如何用纯AI链路制作一支产品视频？
文章介绍的方法：你只负责目标、选择和反馈，由Codex完成脚本、分镜、动效、配音、配乐、混音、审片和渲染。具体步骤包括：先让AI理顺故事，用参考画面代替模糊要求，让动效服务因果关系，配音音乐服务叙事，并用“效果+参考+保留+标准”反馈。最终产出81.8秒成片，迭代15版。
HyperFrames是什么？它在AI视频制作中起什么作用？
HyperFrames是HeyGen团队开源的HTML-to-video框架。你描述想要的视频，Agent使用HTML、CSS和JavaScript搭建画面；HyperFrames再把网页中的文字、图片、视频、图表和动画稳定渲染成MP4。项目保留可继续编辑的文件，下一轮仍可接着改。它适合AI做视频，因为AI熟悉网页代码，每轮都能继续编辑，预览和成片更容易保持一致。
HyperFrames、Remotion和ChatCut分别适合什么场景？
HyperFrames适合产品UI、动态图表、流程、动效宣传片，适合想让AI从想法直接搭建画面的人；Remotion适合参数化模板、批量视频、嵌入产品的视频能力，适合熟悉React的开发团队；ChatCut适合实拍素材剪辑、访谈与口播、字幕、B-roll和多轨包装，适合已有大量原始视频的人。它们可以组合使用。
怎样给AI反馈才能有效修改视频？
使用四项反馈结构：想达到的效果 + 可参考的画面 + 必须保留的内容 + 怎样算改好。例如：“这一段像功能清单。我希望观众先看到问题，再看到AI怎么处理；保留两条关键数据，做完后给我看这一段前后各2秒。”这样AI能联动修改脚本、画面、声音和版本。
如何让视频动效更好地服务故事？
动效的任务是带着观众看。先问：这一秒希望观众看哪里？视线接下来往哪里走？动作结束后留下什么信息？表现力来自更强的因果关系和证据接力。常用四类动效：让信息按关系出现；让重点自己“说话”；让转场延续上一镜；给画面留出安静时刻。旁白里的每个主张，画面要能证明。
如何为AI视频选择配音和音乐？
配音：先试听角色，用三类真实文案测试（情绪钩子、信息密集句、片尾口号），比较母语感、重音、术语发音和长时间聆听的疲劳感。音乐：画面基本锁定后，把整支视频作为参考交给音乐模型，描述前段有调查和推进感，中段逐渐展开，结尾需要明确抬升，整体克制，给中文旁白留空间。选音乐时重点听开场、转折和片尾。
