先出图,再复刻:Codex + image-2 视频工作流
@Formulasearch(Phil):外包上万块的产品视频,不开剪辑软件只用代码跑出来——关键是先用 GPT-Image-2 出好视觉预演图。
开篇:这课解决什么问题
外包一个几十秒的产品视频要上万块。@Formulasearch(Phil,前建筑师转 AI 产品)没打开任何剪辑软件,只用代码就把它跑出来了。
工作流的关键只有一句话:先用 GPT-Image-2 把每个场景的视觉预演图出好,再把图交给 Codex 复刻成代码。
为什么要先出图
作者的原话:"用 Codex 写界面,没有图,就像让人画画但不告诉他画什么:能动笔,但结果全靠运气。"
"深色调、有科技感、简洁大气"——AI 能理解这些词,但落到实际画面,十次有七次不是你想要的。先出一张预览图,AI 就有了可视化的参考,比文字直观得多。
这就像装修:你跟工人说"装得有科技感一点",他装出来的大概率不是你想要的;但你甩出一张效果图说"照这个装",一次到位。预演图就是给 AI 的"效果图"。
Step 1:构思脚本和分镜
每个场景确认四件事,不需要任何工具,写文档就行:
- 画面里有什么(元素、位置、数字)。
- 情绪基调(紧张感、讽刺感、转折感)。
- 需要出现哪些文字和标注卡。
- 动效的出现顺序。
几个场景就写几份分镜描述——这是之后所有东西的地基。
Step 2:GPT-Image-2 生成分镜预览图
每个场景写一份图片 Prompt。数据看板 / UI 截图类场景用精确布局型模板:
A [界面类型] in 16:9 landscape format, [色调].
[主要元素,精确到位置、层级、数字、颜色]
Floating annotation card · [位置] · semi-transparent dark background
+ white border · large: "[主标注]" / small: "[副标注]"
Overall tone: [情绪基调,如 clinical and quietly wasteful]
作者实录(数据看板场景):
A clean dark analytics dashboard in 16:9 landscape format.
Left: large donut chart, 68% muted red "Answered in docs", 32% dark gray.
Right: "4.2 hrs" in large white text,
label "avg. weekly support time per user · same questions".
Minimal grid lines, no decorative elements.
Floating annotation card lower-right · semi-transparent dark background
+ white border · large: "68%" / small: "of tickets · already in the docs".
Overall tone: clinical and quietly wasteful.
另外两种场景换写法:
透明背景,叠在代码 UI 上方用。模板:
A [halftone / editorial illustration] character, [posture/expression]. Warm color palette: ivory, soft purple, warm white. Transparent background preferred. No background objects, no text, no UI elements. Minimum 1024px tall. Style: product editorial illustration, not photo-realistic. Avoid: dark tones, heavy shadows, corporate clipart.
铺在 UI 下层。模板:
A 16:9 paper grain background texture, [warm ivory / cool white]. Extremely subtle — this will be covered by UI layers above it. No patterns, no icons, no text, no focal point. 1920×1080. Zero distracting elements.
原则:纹理和插图用生图解决,文字、数字、布局、动效全在代码里重建。各司其职。
每张图只问一件事:这个视觉方向对不对?对了才进下一步。
Step 3:把预览图交给 Codex
给图之前,先把场景拆成两层——这层分工要写进 Codex 的 prompt 里:
- 代码层:文字、数字、卡片、气泡、按钮、所有动效——全在代码里重建,不依赖图片。
- 图片层:背景纹理、人物插图——作为静态资源 import 进来,代码不负责生成。
给 Codex 的 prompt 全文:
严格按照我上传的这张预览图,复刻成一个 React 动画场景。
先不要写代码,先做三件事:
1. 分析图片的布局结构和视觉层级
2. 列出需要哪些主要组件
3. 确认动效执行顺序
然后:
- 先实现静态布局,还原颜色、字号、间距、圆角
- 再按以下动效顺序加入动画:[你在分镜里写的动效描述]
- 使用 [你的技术栈,如 React + Tailwind + CSS keyframes]
- 只做这一个场景,不要碰其他文件
"先分析,再写代码"这一句很重要。跳过它,Codex 会直接开写,容易写歪。先让它说清楚"看到什么、打算怎么做",你点头了再动手。
Step 4:对照预览图,逐场景微调
每个场景单独跑,对照原图。反馈要具体:
- 好反馈:"标注卡片出现得太早,改成主内容 fade-in 完成后再 slide-in";"donut chart 颜色偏橙,改成 #b44040"。
- 坏反馈:"再好看一点"——只会让它加阴影和渐变。
也可以让 AI 先改进你的提示词,再正式提交。
跟 AI 改片像跟装修工人沟通:说"这面墙再好看一点",他可能给你贴金箔;说"这面墙改成跟效果图一样的深灰",一次到位。
Step 5:浏览器录屏,交付
四个场景全跑通 → 浏览器直接预览 → 系统自带录屏。不需要 After Effects,不需要 Premiere,不需要任何视频软件。
美化 + 配 bgm 就完成了。作者为了让视频更好看,选用了 FocuSeeHQ 做美化。
适合谁:一句话
作者说本文只提供思路和逻辑,抛砖引玉。适合:想做产品演示视频、工具教程视频,但没有视频制作背景的小白——不需要懂剪辑,不需要懂动效工程。
你需要的是:知道每个场景要长什么样,然后用一张图把这件事说清楚。先确认视觉,再执行工程——把两个判断拆开,效率更高。
同一主题的另一份存档版本见《第 8 课》(进阶/补充版):版本差异对照 + 实操检查清单。
术语翻卡:点卡片看解释
自测一下:点问题展开参考答案
先出图,再复刻:先用 GPT-Image-2 出好每个场景的视觉预演图,把视觉目标从模糊变可执行,再让 Codex 照图复刻成代码。
精确布局型(数据看板/UI 截图)、人物插图型(透明底、叠在 UI 上)、背景纹理型(铺 UI 下层)。原则:纹理插图用生图,文字数字布局动效全在代码里重建。
代码层/图片层的分工;"先分析再写代码"三步(分析布局→列组件→确认动效顺序),再写静态布局、再加动画。
具体的:"标注卡出现太早,改成主内容 fade-in 完成后再 slide-in"。坏的:"再好看一点"——只会加阴影渐变。
浏览器直接预览,系统自带录屏;不需要 AE/PR;用 FocuSeeHQ 美化 + 配 bgm。