黄豆30分
用 AI 做一条视频
人要做什么，踩了哪些坑
开场
先看一条片子
《汉武帝亲妈是二婚》前 40 秒
猜一猜：
这条片子从写稿到成片，
花了多久、多少钱？
里面哪些是 AI 做的？
开场
答案
0个
剪辑师、配音员、画师
8.5小时
第一版稿到成片
150元
平均每条花费（估算）
1.2万
抖音播放
3万
小红书播放
先学会做视频
不会做视频？AI 先帮我读了 447 条资料
做视频的帖子、长文、开源说明，读完提炼成一本《做视频方法》，边做边补
10-16
第一版 59 篇
10-19
第二版 补读 116 篇，共 175
10-21
第三版 新增 110 条，共 285
10-28
第四版 新增 162 条，共 447
读出来的是一本手册，12 章
- 选路线、选题、写稿分镜、配音配乐
- 省钱、模型搭配、质检门禁、可抄的模板
- 自己踩的坑写回去：荆轲 AI 镜头的复盘就在第 11 章
资料大多是个人经验，当线索用，不当结论。
完整流程
从选题到发布：一条片子走九步
人工闸门
1
定选题
AI扫热点、搜索词、评论区
人拍板做不做
人拍板做不做
2
查原文，出事实单
AI逐条列原句、卷次、人物、因果
复核Gemini + Kimi
复核Gemini + Kimi
3
写稿
AIClaude 起草，两平台各一版
自查流畅度、AI 味
自查流畅度、AI 味
4
史实复核
AI几家不同厂商的模型交叉查
人看拍板清单，定改不改
人看拍板清单，定改不改
5
分镜
AI切成镜头表，标出处角标
复核程序校验 + Kimi 抽查
复核程序校验 + Kimi 抽查
6
配音、配乐、音效
AI配音、找曲找音效、登记授权
人听配乐，听全片读音
人听配乐，听全片读音
7
画面与渲染
AI写代码画画面，渲染成片
人看样片，定风格
人看样片，定风格
8
成片质检
程序抽帧、字幕、响度、色彩门禁
AI静音测试：另一个 AI 只看无声画面，复述不出故事就返工
AI静音测试：另一个 AI 只看无声画面，复述不出故事就返工
人工闸门
9
发布与数据
AI封面文案、排雷、抓数据
人点发布，看复盘定下一条
人点发布，看复盘定下一条
↺ 第 9 步的数据回到第 1 步，下一条只改一处每一步不过关不进下一步；史实有问题，退回第 2 步重走
完整流程
第一步最关键：选题先过一张「问题卡」
题从哪来
- 平台后台数据每条第 1、3、7 天自动抓，看漏斗哪一环最弱
- 评论区和搜索里的缺口每两周挖一轮：大家在问、还没人答好的
- 同类爆款扫描每周一扫一遍历史类爆款
- 当日热点热剧、热搜带起来的问题
观众原话问题
空城计是真的吗？
问题出处
同题爆款
通鉴原文答句
卷七十一：街亭兵败，「亮进无所据，乃拔西县千余家还汉中」；全书「空城」8 处都与诸葛亮无关
闭环判定
通鉴能答 → 立项
观众原话问题
八百里加急历史上有被劫过吗？
问题出处
搜索词，一周涨 96 倍
通鉴原文答句
（空）全书「加急」0 处，答案全在清代材料里
闭环判定
通鉴答不了 → 停题
这张卡是「八百里加急」改了 12 版以后才加的。AI 负责找题、填卡、查原文；做不做，人来定。
拆开一条视频
一晚上发生了什么
| 时间 | 环节 | AI 做了什么 | 人 做了什么 |
|---|---|---|---|
| 当天早些时候 | 选题 | 热点扫描：短剧《嫁金钗》带起「二婚嫁皇帝」搜索，一周涨 722 倍；找到通鉴卷十六的原文 | 拍板做不做：原文能直接回答才立项 |
| 16:48 → 21:59 | 写稿 | Claude 起草，两个平台各改 5 版，合成一版 | 定语气、定开头 |
| 同期 | 复核 | Gemini、Kimi 等不同厂商查史实，共 6 轮 | 逐条定改不改 |
| 约 19:30 | 画面风格 | 同一段做两种风格的 20 秒样片 | 看样片，改方向：横版叙事，剧集片段开头 |
| 21:33 → 21:47 | 配音 | 同一句话，豆包、OpenAI 两种声音试音 | 听，选声音 |
| 下午 | 配乐 | AI 生成几首候选曲 | 听，选曲 |
| 20:31 → 01:13 | 渲染 | 程序出片 7 版，每版 4 个画幅约 25 分钟 | 每版看一遍，提修改 |
| 次日早上 | 发布 | 起草封面字、发布文案，做平台排雷 | 定标题，点发布 |
| 第 1、3、7 天 | 数据 | 定时任务读平台后台，写复盘 | 决定下一条改什么 |
拆开一条视频
先出 20 秒样片，让人挑
样片 A：皮影宫闱
样片 C：横版叙事（最后选了这个方向）
同一段配音、同一首配乐，只换画面。还有一版「立体纸景」做到一半，看过方向后停了。
拆开一条视频
AI 负责「多做几版」，人负责「挑哪一版」
AI 一晚上做了
6版
口播稿
7版
样片
6轮
史实复核
2种
画面风格、声音
人 做的全是判断
- 做不做这个题
- 选哪种画面、哪个声音、哪首曲子
- 往哪个方向改
- 发不发
一晚上十几次拍板，没有一次是 AI 替人做的。
插曲：做到一半 Claude 额度用完，换 Codex 接着做。至少准备两家模型，一家停了另一家能接上。
画面
早期：画面直接让 AI 生成
《荆轲刺秦》AI 镜头，5 秒（已弃用）
5 秒之内：
- 竹简变成了纸卷，战国时还没有纸
- 画风从工笔淡彩漂成了国漫
- 群臣戴的帽子像明朝的
- 好几个人同时在动，拖影严重
历史题的细节偏偏最不能错。
现在的做法
要「准」的画面，让 AI 写代码画；
要「美」的画面，才让 AI 生成。
要「美」的画面，才让 AI 生成。
画面里不要真人
A · 写代码出片
科普、历史、数据图表；最便宜
要真人
B · 视频模型拍
短剧、故事片；角色一致性要管
要真人，又要准
C · 混合（我们走这条）
AI 只出人物动作；原文、地图、卷次、数字由程序画
踩过的坑
坑 1 / 3 · 选题
一条片子改了 12 版，最后决定不发
- 「八百里加急」搜索热度一周涨了 96 倍，于是立项
- 改了 12 版，每版都过了史实复核，史实上挑不出错
- 最后发现：通鉴里根本没有「八百里加急」这个词，答案全在清代的材料里
现在怎么防
立项前先写下观众的原话问题，能用通鉴原文一两句答上才做。
AI 能把稿子越改越好，
但不会告诉你
这个题不该做。
踩过的坑
坑 2 / 3 · 史实
AI 写错了，自己查不出来
Claude 写的稿子：
「孙坚的玉玺怎么到了袁术手里，通鉴没写。」
通鉴卷六十二其实写了：
「闻孙坚得𫝊国玺，拘坚妻而夺之」
原文用的是异体字「𫝊」，检索「传」时搜不到。全书这个字有 176 处。
5家
不同厂商的模型交叉复核，
五家都指出了这一句
五家都指出了这一句
现在怎么防
写的 AI 不审自己的稿，至少两家不同厂商的模型交叉查。
踩过的坑
坑 3 / 3 · 开头
开头太慢，人还没看到正片就走了
汉武帝亲妈：第一屏就是人物和冲突
长安城：7 屏冷开场，约 21 秒才进正片
| 抖音 | 播放 | 人均观看 | 完播 |
|---|---|---|---|
| 汉武帝亲妈 | 1.2 万 | 20 秒 | 8.5% |
| 假如你是长安城 | 1,611 | 8 秒 | 0.5% |
现在怎么防：第一屏就给结论，带人名和动作。这是看数据看出来的，AI 写稿时不会自己注意到。
数据驱动
看了哪些数据，下一条就怎么改
每条发布后第 1、3、7 天自动抓数据，找出最弱的一环，下一条只针对它改。例：《一分钟了解资治通鉴》v7 → v8
| 看的数据 | 数据说明了什么 | 下一条怎么改 |
|---|---|---|
| 2 秒跳出率开头留不留得住人 | 汉武帝开头就是人名和冲突，只有 16% 划走；长安城先铺 21 秒冷开场，人均只看 8 秒 | 开头从 10 秒压到 4.8 秒，第一句就给人名和数字 |
| 小红书封面点击率刷到了点不点 | 横版吃亏：北魏只有 2.7%；竖版的汉武帝 15%–20% | 竖版做主版 |
| 评论数看完有没有互动 | 汉武帝 3 万人看过，只有 2 条评论 | 结尾加一句能直接回答的问题 |
| 完播率看不看得完 | 没有口播的两条最差：长安城 0.51%、指鹿为马 2.5%；有口播的在 4%–11% | 人 要不要加配音，由人来定；一次只改这一处 |
数据驱动 · 实例
实例：哪条数据，换来开头的哪处改动
长安城 · 抖音第 1 天
人均 8 秒
冷开场 21 秒才进正片，人在铺垫里就走了
→ 删掉铺垫屏，正片提前 1.9 秒
汉武帝 · 抖音第 1 天
2 秒跳出 16%
第一屏就是人物和冲突，全号最好
→ 第 5 秒放名人 + 数字：毛主席读了十七遍
指鹿为马 · 和 v7 同形式
2 秒跳出 38%
和 v7 一样无口播、卡点，两个平台都是近期最差
→ 书名从第 8 秒提前到第 3 秒
v7原来
v8改后
黄框是这次改动的屏。《一分钟了解资治通鉴》还没发布；发布后看抖音 2 秒跳出能不能压到 30% 以下，再决定下一条。
账本
一条片子，花了多少时间和钱
时间 按文件修改时间推算
| 汉武帝亲妈 | 约 8.5 小时 | 一个晚上 |
| 北魏官员没工资 | 约 6.3 小时 | 一个白天 |
| 假如你是长安城 | 约 14 小时 | 跨夜，含空档 |
| 燕云十六州 | 两天多 | 第一次走全流程 |
钱 18 天合计
| 复核接口 | 约 15 美元 | Gemini、DeepSeek |
| 配音、配乐、画面 | 15–30 美元 | 估算 |
| 查资料、平台数据 | 约 5 美元 | 有账本 |
| 音效、渲染 | 0 | 免费 |
| 订阅：Claude + ChatGPT | 200 美元/月 | 各 100 美元 |
| 平均每条 | 约 150 元 | 按 7 条分摊 |
这支 AI 团队
用到的模型
| 模型 | 厂商 | 干什么 |
|---|---|---|
| 写稿、写代码、复核 | ||
| Claude Opus 5.5 / Fable 5.1 | Anthropic | 起草、写代码画画面 |
| GPT-6（Codex） | OpenAI | 复核，额度不够时接手 |
| Gemini 4 Argon | 文案复核、审片 | |
| Kimi K3.1 Pro | 月之暗面 | 史实复核，每次必有 |
| Grok 4.7 | xAI | 顾问、交叉复核 |
| DeepSeek V4 Pro | 深度求索 | 知识库释义复核 |
| GLM-5.3 Flash | 智谱 | 知识库释义复核 |
| 模型 | 厂商 | 干什么 |
|---|---|---|
| 声音 | ||
| gpt-4o-mini-tts cedar | OpenAI | 配音 |
| 豆包语音 | 字节跳动 | 试音对比 |
| Mureka / Lyria / MiniMax | 多家 | 配乐候选 |
| 画面 | ||
| gpt-image-2 | OpenAI | 人偶拆件、配图 |
| Seedance 2.0 | 字节跳动 | AI 镜头，已弃用 |
| MiniMax Video | MiniMax | 试样 |
| Veo 3.1 | 试过，没有配额 | |
| 辅助 | ||
| Qwen3-VL-8B | 阿里 | 截图识字 |
| AuralWise | — | 音视频转写 |
回顾
回顾：今天讲了这六件事
1
从选题到发布走九步
每一步写清 AI 做什么、人做什么
第 5 页
2
选题先过问题卡
观众的原话问题，通鉴答得上才做
第 6 页
3
AI 多做几版，人挑哪一版
稿子、样片、声音、配乐都先出几版再挑
第 7–9 页
4
准的画面写代码，美的才生成
地图、数字、原文让 AI 写代码画
第 10–11 页
5
踩过的三个坑
选题选错、AI 写错查不出、开头太慢
第 12–14 页
6
看数据改下一条
看哪个数据，就改哪一处；一次只改一处
第 15–16 页