← 返回学习中心 · 图文、视频与演示OiOi Academy
AI绘画视频3D · 07

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。

原作者 @Formulasearch(Phil) 来源 X 长文 发布 2026-05-05
🧭

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。

记住:一句话结论:视觉目标从模糊变可执行——从"帮我做个有科技感的场景"变成"按这张图的布局颜色层级复刻成动画"。这一步是整条链路能跑通的原因。
💡

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。

原文配图:工作流主视觉
原文配图:工作流主视觉
高中生类比
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.
原文配图:按上面 prompt 生成的数据看板分镜预览图——布局、颜色、层级一次定死
原文配图:按上面 prompt 生成的数据看板分镜预览图——布局、颜色、层级一次定死

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。

原文配图:人物插图型 prompt 生成的示例,可叠在代码 UI 上方
原文配图:人物插图型 prompt 生成的示例,可叠在代码 UI 上方
💻

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
避坑
"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。

高中生类比
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。

原文配图:用 FocuSeeHQ 美化后的成片效果
原文配图:用 FocuSeeHQ 美化后的成片效果
原文视频:产品视频成品其一(18 秒)
🎬 原文视频:产品视频成品其一(18 秒)(点击图片跳转原帖观看视频)
原文视频:产品视频成品其二(22 秒)
🎬 原文视频:产品视频成品其二(22 秒)(点击图片跳转原帖观看视频)
记住:记住整条链:分镜文档 → GPT-Image-2 预演图 → Codex 复刻成代码 → 对照微调 → 浏览器录屏。五个环节里,AI 干了四个,你干的是"判断视觉方向对不对"。
👥

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。

词

术语翻卡:点卡片看解释

视觉预演图
preview render
正式开工前,用 AI 生图先出的场景效果图,用来锁定视觉方向。
代码层 / 图片层
code layer / image layer
本工作流的分工:文字布局动效用代码重建;纹理插图当静态资源导入。
分镜
storyboard
每个场景的画面元素、情绪、文字、动效顺序的文字规划。
React + Tailwind
React + Tailwind
作者用的技术栈:React 写界面,Tailwind 写样式,CSS keyframes 做动画。
FocuSeeHQ
FocuSeeHQ
作者选用的视频美化工具,让录屏成片更好看。
录屏交付
screen-record delivery
浏览器预览动画后直接用系统录屏出片,不经过剪辑软件。
测

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。