说说【AI智能体】Codex 制作AI视频实战操作详解

Codex 被誉为2026年最值得上手的 AI 工具，它不仅是一个编程 Agent，更是一个几乎可以替换掉任何对话工具的全能 AI。配合高性价比的定价机制和充足的 Token 额度，只要你能想到的场景，它都能帮你自动化完成。可以说，Codex 完美复刻了ChatGPT的模板，让普通的用户也能方便用一款专属定制、性能强大的桌面版AI助手。本文通过几个实战案例，详细演示下如何基于Codex 并结合Skill完成一些AI视频的自动化制作。

二、Codex 介绍

Codex 是 OpenAI 推出的一款AI 编程智能体。与简单的聊天机器人或代码补全工具不同，Codex 能够像一个真实的开发人员一样，独立理解复杂任务、操作你的电脑、编写并修改代码、运行终端命令，甚至自动修复bug。访问入口：https://openai.com/zh-Hans-CN/codex/?utm_source=Ai138.com

2.1 Codex 是什么

简单来说，可以把 Codex 看作一个“能帮你干活的AI工程师”。

它是“目标驱动”而非“指令驱动”：你只需告诉它最终的目标（比如：“帮我搭建一个带用户登录功能的网站”），它会自动拆解任务，规划步骤并执行，而不得你一步步告诉它该怎么做。
它不只是一个聊天框：虽然你可以在ChatGPT网页版找到它，但它真正的威力在于桌面应用和命令行工具（CLI）。在这些地方，它可以直接访问你的文件系统、运行终端命令，甚至操作其他软件。
它的用户远超程序员：官方数据显示，Codex每周有超过300万用户，里面近一半（50%）的用场景并非编码。从写周报、整理文档到数据分析，它都足以胜任。

2.2 Codex能做什么？

近期的重大更新让Codex的能力大幅跃升，使其不再局限于编程领域：

动打开软件、运行模拟器、发现问题、修改代码，并再次测试验证，完成一整套开发闭环。
所见即所得的开发（内置浏览器）：Codex内置了一个浏览器。当你开发网页时，它可以直接在浏览器中展示效果。你可以直接在渲染出的网页上圈出问题，比如圈出一个标题并写上评论“字体太大，颜色改成蓝色”，Codex就能理解视觉和空间上下文，并精准地修改对应的代码。
“心跳”机制与长期记忆：

自动排班：你可以交付给它一个得数小时甚至数周的长线任务。即使你关掉电脑，它也会在约定的时间点“自动醒来”，在后台继续工作。

记忆功能：它会记住你的编码偏好和纠正过的错误，下次再合作时，就不得从头开始解释了。

强大的工具生态：Codex已经接入了超过90个插件，可以无缝连接JIRA、GitLab、Microsoft Suite、Slack、Gmail等常用工具。你可以让它去Notion里读文档、去邮箱里看邮件、去项目管理工具里筛选Bug，再把所有信息汇总成一份报告给你。

2.3 Codex 自动化剪辑介绍

2.3.1 传统视频制作的痛点

传统视频制作长期面临高成本、长周期、重人力的问题。

周期长：传统短片制作从脚本打磨、分镜设计到拍摄剪辑、配乐调色，往往需要一个月甚至更久-。一部动画片约40%的成本用于渲染，渲染时间占到制作周期的50%左右-。一条30秒广告的平均制作周期长达45天。
成本高：近十年动画电影制作成本约为1.3亿至1.75亿美元/部-。传统微短剧每分钟制作成本通常在数万元至数十万元不等-。人工剪辑成本约为30-50元/条，单人日均产出仅5条。
工具割裂：A软件生图、B软件修图、C软件剪辑，“八百个软件切不完，真的切不完”。创作者需要在浏览器研究参考视频、查看产品页面、复制字幕、切换到剪辑工具整理画面，再分别处理配音、字幕、音乐和导出——环节之间缺乏连续的上下文。
创意消耗：导演的大量精力往往被现场执行、人员管理等事务消耗，难以专注于创作本身。

2.3.2 AI制作视频优势

相比传统模式，AI视频制作正在从多个维度重塑生产流程：

1. 成本断崖式下降：AI在漫剧生产环节的渗透率已提升到60%至85%，制作成本下降50%至75%-。AI短剧成本不足传统影视的十分之一-。同等时长的精品AI短剧，总价仅需20万到40万元-。
2. 周期大幅缩短：AI短剧制作周期约为传统实拍的五分之一，极端案例可压缩至八分之一-。制作周期一般为3至7天，部分项目甚至能实现72小时快速成片-。传统1至3个月周期的项目，AI制作1至2周即可完成。
3. 团队配置精简：传统影视需要上千人团队，而AI制作一个三到五人的小队即可完成-。AI不需要演员、导演、摄像等庞大的拍摄团队。
4. 一人即可成片：借助AI工具，从脚本到画面再到配音一气呵成，一个人就能完成过去需要一个团队的工作。

2.3.3 Codex 制作视频优势

Codex本身不是传统的剪辑软件，而是一个AI视频自动化生产引擎。它的核心逻辑不是用时间线去“剪”，而是用指令去“生成”和“组装”。

1. 一句话搞定全流程
你跟Codex说一句话，它就能把剪辑、视频生成、字幕、配音等一箩筐活儿全包了。数字人、画面、字幕、外观改变、剪辑、导出全能一锅出，完全不用离开Codex。

可编程、可迭代、精确控制

1. Codex生成的是类似HTML+CSS+JS的视频文件，优势在于可编程可迭代，能精确控制局部细节。你可以在上个视频基础上让Codex改口条、加字幕、调整剪辑——就像跟真人沟通一样迭代修改。

自带“工程师思维”

1. 当Codex遇到问题时，它能自己检查机器、调试设备、调配素材、解决故障，最后交出一条能直接用的成品。这正是绝大多数AI视频生成工具无法做到的——Codex是一个会自己想办法把视频做完的AI视频工程师，而不是只会按提示生成一次的工具。

速度快、成本低

1. AI的执行速度比人快100倍-。Codex + HyperFrames这套流程的成本极低——有实测显示，用传统方式做一条视频要几十块钱，而Codex方案成本大幅下降-。

2.3.4 Codex 制作AI视频应用场景

Codex在视频制作领域覆盖了多元化的场景：

口播/解说类视频：知识科普、产品评测、新闻解读、观点锐评等
数字人视频：数字人口播、虚拟主播讲解
产品演示与营销：品牌广告、产品Demo视频、企业宣传片
电商带货视频：TikTok Shop带货视频批量制作
数据可视化：动态数据图表、人口/经济趋势动画
动漫PV与品牌短片：从角色设定到15秒动漫PV的完整制作
课程与知识付费视频：课程宣传短片、教程视频
社交媒体内容：小红书/抖音/YouTube短视频

2.3.5 Codex制作AI视频的完整流程

以一套完整的AI数字人视频自动化流水线为例进行说明。

第一步：前期准备

1. 安装Codex：下载Codex桌面版，用ChatGPT Plus/Pro账号登录
2. 安装插件：在Codex插件市场搜索并安装所需插件（如HeyGen、HyperFrames
3. （可选）创建项目目录：新建文件夹作为视频工程目录

第二步：内容生成

1. 确定选题与口播文案：让Codex协助撰写或优化脚本-
2. 生成数字人/形象：在Codex中交代任务，生成数字人形象照
3. 生成配音：克隆AI语音或使用TTS生成配音
4. 生成口播视频：让数字人张嘴说话做讲解

第三步：剪辑与包装

1. 字幕生成与对齐：让Codex自动生成并同步字幕
2. 分镜与动效包装：Codex自动创建分镜、添加MG动画-
3. 背景音乐：自动匹配合适的背景音乐

第四步：迭代与导出

1. 局部修改：像跟真人沟通一样提出修改需求——“把10秒后的内容剪掉”“字幕改成单行”
2. 渲染导出：Codex自动渲染，成片直接冒出来在文件夹中

三、Codex 自动化剪辑案例操作

3.1 环境准备

在正式开始使用Codex 进行自动化剪辑之前，需要做下面的准备。

3.1.1 获取自动剪辑的skill

jianying-editor-skill 这个技能包，这是一个能实现自动剪辑的 skill 项目。剪辑师只需用自然语言告诉 AI 你想做什么视频，它就能帮你完成从写文案、配音、加字幕、选音乐、上特效到最终导出的整套流程。

该Skill支持主流 AI 编辑器：Antigravity / Trae / Claude Code / Cursor

github的下载地址：GitHub - godtool/jianying-editor-skill: Skill for Agent automating JianYing (CapCut Chinese version) video editing. · GitHub 或进入到网盘下载：百度网盘请输入提取码支持主流 AI 编辑器：Antigravity / Trae / Claude Code / Cursor

jianying-editor-skill 能做什么

剪辑场景

说明

素材导入

视频、音频、图片一句话丢进时间轴，自动排列

AI配音

输入文案自动生成语音，支持剪映原生音色和微软语音

字幕生成

根据配音自动拆句、逐句对齐字幕，支持打字机等动画效果

自动配乐

本地音乐或剪映素材库的云端音乐曲

特效/转场/滤镜

按名字搜索剪映自带的特效库，一句话应用

网页动效转视频

用HTML/JS/Canvas写动画，自动录屏变成视频素材导入剪映

影视解说

AI分析视频内容，自动生成分镜脚本并合成解说视频

自动导出

剪完直接导出MP4，支持1080P 到4K

关键帧动画

缩放、位移、透明度等关键帧，做出运镜效果

复合片段

像嵌套工程一样，把多个子项目组合成一个完整视频

jianying-editor-skill 不适合做什么？

不是剪映的替代品 -- 最终的视频渲染、预览回放还是靠剪映本身完成的，这个工具负责的是"自动帮你把时间轴搭好"，帮你点击导出
不能用剪映的实时特效 -- 像智能抠图、美颜、语音识别字幕这些需要剪映 GPU 实时处理的功能，目前无法通过代码调用
不能操作剪映的全部 UI 按钮 -- "一键成片""图文成片"这类剪映内置的 AI 功能暂时没法自动触发
自动导出依赖老版本 -- 自动导出功能目前只支持剪映 5.9 及以下版本（6.0+ 弹窗太多会干扰自动化脚本）
不支持手机端剪映 -- 只能配合 Windows/Mac 桌面版剪映专业版使用

3.1.2 创建skill文件目录

打开剪映所在的目录，在这个目录下按照skill的规范，将上面的jianying-editor-skill 这个skill解压完之后放进去

3.1.3 Codex 打开目录并测试

在Codex 中打开剪映所在的主目录作为工作区，然后输入下面的提示词，测试一下自动化剪辑的环境是否正常

检查一下剪映自动化的环境是否正常

在这个过程中，Codex 会识别到上述这个skill并且加载进去，同时安装自动化剪辑所必须的依赖环境，这个过程可能有点长

等依赖环境自动化安装完成后，再输入下面的提示词，让Codex 基于该技能做一个视频

随便剪辑一个视频给我看看，测试一下

视频自动生成完毕后，可以在剪映中打开看效果，下图中生成的第一个草稿视频即为Codex 生成的测试视频

3.2 自然语言生成视频

有了AI之后，现在只需要你把需求描述清楚，Codex 就可以基于自然语言生成视频了，如下是让AI帮我生成一段企业文化相关的视频，需要3段8秒左右的视频

帮我生成3段视频，每段8秒，这三段视频背后的核心内容是宣讲企业文化相关的，企业文化的核心要点品质，质量，服务，企业的使命是：做家居行业的领航者，企业的愿景是，争取在5年内做到行业的前三，围绕这些点，在生成的视频中体现出来，视频需要配音，但是不需要字幕

输入进去之后，第一次时间会有点长

打开之后，整体效果还是很不错的，按要求获得了1080的视频

3.3 为视频增加字幕

在实际的剪辑场景中，比如你自己拍摄的一段视频，或者从其他地方获取的视频素材，并没有字幕，这时候你在剪辑需要给视频增加字幕，使用传统的方式来做这件事上一件相对麻烦且费时费力的活儿，现在有了AI之后就可以直接通过自然语言对话的方式来完成，我们直接基于上面的这几个视频来做，在Codex 中输入下面的提示词

将【企业文化宣传视频】目录所有视频文件加上字幕，字幕要求黄色背景+黑色字体，字号为15，在视频中央底部展示，剪辑后的视频保存到【企业文化视频带字幕】目录

任务执行完成后，打开视频看下效果，字幕已经按要求加上去了

检查的时候发现，字幕中有个别字显示与语音有点出入，这种小问题可以通过对话让Codex 继续调整

补充：

在真实的项目或者剪辑中，为了提高一次任务的执行成功率，建议提前将视频中语音的文案提前准备好，在为视频生成字幕的时候将这份文案一起投递给Codex

3.4 视频合成

使用过视频剪辑工具的同学应该不陌生，很多情况下需要对获取到的多个原始视频素材最终合在一起，开头和结尾加特效，中间连接的部分使用一些转场效果，现在有了AI之后可以直接在Codex中完成这项工作，对于上面生成的3段视频，我们将其合在一起

将上面生成的带字幕的3段视频按顺序合成一段完整的视频，视频之间增加0.5秒的转场效果

最后可以打开合成的视频，可以看到按要求将视频合在一起并且视频之间加了转场效果

3.5 添加背景音乐

一般来说，剪辑的视频需要增加背景音乐，根据视频本身的特点增加一些BGM从而增强视频本身的效果，在Coex 中做这件事很简单，只需要告诉它你使用的背景音乐是什么，在哪里，怎么加，把这些要求描述清楚之后就可以完成给视频添加背景音乐的工作，如下：

将【背景音乐.mp3】添加到上面刚刚合成的视频中，背景音乐的音量适中，不要覆盖了视频的解说声音，根据视频长度自动裁接，视频结束的1秒内，背景音乐有一个淡出的过程

3.6 视频切片

有过剪辑经验的同学应该了解，比如你拍摄了很多素材，里面某些素材的视频很大，只需要里面的某一小段视频即可，或者需要从这段相对长的视频中获得几小段视频即可，这时候就需要做视频的切片，使用Codex 可以很方便的做这件事，基于上述我们合成的视频，让其进行切片处理

将上面合成好的视频进行切片，切分成3个视频，时长平均分配到3个视频中，切片后的视频放在【视频切片】这个目录下

可以看到已经按要求将切分后的视频放在了指定目录下

3.7 生成视频特效

在一些企业宣传片中，经常能看到视频开头会有一个相对震撼的开场效果，这种叫片头，一般会使用一些特效来做，让整个视频更有吸引力，下面使用Codex 来为上面生成的视频做一个开场特效

关于特效的名称，可以在网上去搜索，每一种特效都有自己的名字

帮我用网页写一个星空粒子的片头动画效果，符合企业宣传片的调性，时长5秒钟，然后导出到【特效素材】目录中

最后按要求生成了片头特效，整体效果还是很不错的

3.8 基于图片生成视频

在一些短视频平台上可以看到很多通过图片生成的视频，图生视频是去年冒出来的一个比较火热的技术，现在可以直接基于Codex 来完成图生视频的任务，先来看在本地文件目录下准备几张图片，我这里准备了5张图片

像生活中的出游照片做成视频，或者公司团建的照片也可以通过这种方式生成视频

然后将下面的提示词投递给Codex

将【图片素材】目录所有图片合并成一个视频，海张图片之间添加淡入淡出转场，将【背景音乐.mp3】作为视频的背景音乐，视频保存到【图片合成视频】目录中

3.9 文案生成视频

通过文案生成视频是一种高效快捷制作AI视频的方式，这种使用起来最简单，对新手的要求也最低，只需要操作者将你要做的视频内容用自然语言描述清楚即可，通常这种方式可用于一些不是很复杂的培训教程，当然也可以用于做一些自媒体视频，这种需要对文案有较高的要求，下面提前准备一段文案，我将使用这段文案生成视频

将文案所在的md文档保存在本地目录下，然后在Codex中输入下面的提示词

读取【企业文化培训.md】这个md文件的内容，调用 edge_tts云健 发音人生成配音，并配合网页动效(Web-to-Video)按照文档的章节生成多个章节培训视频，生成的视频放在【企业文化培训】目录下

通过输出日志不难看到，整个过程严格按照需求的描述一步步执行，先来看Codex 要理解需求再按步骤做其他的事情

中间运行的时候遇到了一些小问题，Codex 可以自主进行修复而不需要人为干预

最终按章节要求生成了5段视频

可以打开看下效果

3.10 补充

在以上的场景中，主要是通过Codex 结合jianying-editor-skill 这个skill完成了一些AI视频剪辑或者生成的场景，这里再提一种比较常用的方式，就是结合三方平台的API 接口完成视频的创作，比如使用Codex 结合Seedance模型完成视频的自动化生成，这里就不再展开了。

四、写在文末

本文通过较大的篇幅详细介绍了如何使用Codex 制作AI视频，以及设计到AI视频制作常用的操作场景，有兴趣的同学还可以基于此继续深入研究，本篇到此收尾，感谢观看。

以上就是这次整理的全部内容，希望对你有所启发。如果有不同见解，欢迎在评论区交流讨论。

小丸子博客