从角色图生成到口播视频剪辑全流程拆解，使用 Remotion 代码视频组装工具配合 AI 生图模型，实现免费、无水印、4K 画质的 AI 数字人口播视频制作。
一、技术原理拆解
整个口播视频制作流程分为四步：理解视频 → 撰写成 JSON 格式 → 写初稿 → 渲染成片。核心能力来自 Remotion，一个代码视频组装工具。之前做视频需要打关键帧才能加运镜和特效，现在有了 AI，可以让 AI 提炼出说明公式，先生成逐字稿，再根据逐字稿生成花字，为 Remotion 生成做准备。
之后给到 Remotion，生成对应的特效和动画，通过流程和数据再用代码拼接，最后渲染成片。这是一个 Workflow 的简单编排：第一步输入什么、输出什么，下一步入参和出参是什么，最终告诉 Remotion 执行。
二、从 0 到 1 完整过程
1. 生成角色图
使用"真人感" Skill 获取提示词，用任意 AI 生图模型生成角色图。能生成的图片数量取决于所用模型的免费额度。
2. 动作和表情生成
最难的是让数字人的动作和表情自然。专门制作的 Skill 蒸馏了各大博主视频中的动作和分镜，做成对应规则，作为参考让 AI 生成。
把素材和台词输入后，AI 会输出对应的数字人动作提示词。根据参考风格（内置可选），生成台词 + 动作的提示词，复制后即可使用。
3. 视频生成
使用 HeyGen 等数字人模型生成视频。新用户注册通常有免费积分，480P 可生成约 50 秒，768P 约 30 秒。
4. 最终合成
将生成的视频下载后，把视频中的台词和素材一并给到 AI 进行剪辑合成，AI 会自动完成字幕、画面和特效的整合。
生成后可能有小瑕疵（如 AI 误加的抖动效果），微调一次即可。
三、DeepSeek Harness 的 AI 剪辑工作台
DeepSeek Harness 中提供了 AI 剪辑工作台和视频创作工作台，可以进一步降低视频制作门槛，让创意快速变为现实。
总结
有了 AI 加持后，只需生成一段视频交给工具，就能自动完成剪辑、字幕、音效。虽然还不完美，但已经大幅降低了视频制作门槛。
