前几天，我发了一篇 WorkBuddy 批量生产视频的实测。
当时的结论是：
AI 已经能把“选题—搜索—素材—脚本—配音—字幕—剪辑—成片”整条链路跑通。
但跑通之后，我心里一直有个问题：
这套流程到底只是“看起来很厉害”，还是已经能进入真实的内容生产？
于是，我又用 Codex 把几类任务重新跑了一遍。
这一次，效果比我预想的更好。看下这个效果，太牛了！
如果说上一次证明了 AI 能做视频，那么这一次让我真正看到：
AI 进行视频生产，开始有“工程化交付”的样子了。
我重新测了4类视频
这次没有只做一条样片，而是连续测试了4种常见内容：
1. WorkBuddy 产品宣传片； 2. 当日 AI 热点新闻； 3. WAIC 2026 大会总结； 4. “每天一本书”系列视频。
每个任务都不是只让它写文案，而是要求 Codex 持续执行到 MP4 成片：搜索或读取素材、写脚本、生成旁白、制作动画、加字幕、检查画面，最后渲染导出。
更重要的是，我没有让它覆盖之前的视频。
Codex 为每次任务建立独立项目，脚本、素材、设计规范、音频、快照和成片各自保存。旧版本保留，新版本随时可以回看和比较。
这件事听起来不起眼，却是“玩具”和“生产工具”的分界线之一。
第一条：不只是截官网，而是先理解官网
我让 Codex 结合 WorkBuddy 官网，制作一条1分钟以内的产品宣传视频。
直接一句指令完成：
结合workbuddy的官网，制作一个1分钟以内的产品宣传视频，不要覆盖之前的视频。
它先分析官网结构，提取了品牌颜色、字体、核心文案和真实产品素材，包括 AI 专家团、OPC 一人公司、调研与 PPT、业务数据洞察，以及官网演示视频。
然后，它没有直接套一个通用科技模板，而是先写了独立的设计规范：
• 黑色主画布； • 薄荷绿品牌色； • 圆角产品窗口； • “一个人指挥 AI 专家团”的叙事主线。
最后生成的成片是52秒、1080×1920，旁白使用火山 Seed-TTS 2.0。
这次最明显的提升，不是某一个转场更炫，而是整条片子的视觉终于统一了。
官网是什么气质，视频就延续什么气质；官网强调什么卖点，镜头就围绕什么卖点展开。
过去 AI 做产品视频，常见问题是“画面挺高级，但看不出是谁家的产品”。这次基本解决了。
第二条：新闻视频开始具备可追溯性
新闻类视频最怕两件事：
一是 AI 胡编；二是素材张冠李戴。
在制作当天 AI 热点和 WAIC 总结时，Codex 会先搜索网页，核对日期、数据和事件，再下载真实网络素材。
我的一句话指令：
获取今天的AI热点新闻，并下载相关的素材，制作一个1分钟以内的混剪视频
WAIC 这条视频使用了上海发布、新华网、第一财经等来源的真实现场画面，并把来源单独记录在 sources.md 里。
我的一句话指令：
结合会议的日程、盛况，搜索一些真实的网络素材，制作一个一分钟以内的waic的会议总结视频
片中出现的会议日期、场馆、论坛数量、嘉宾规模、参展企业和首发产品数据，都有对应出处。
最终成片58秒，内容不是简单罗列新闻，而是提炼出一条主线：
AI 的竞争重点，正在从模型参数转向真实场景、稳定交付与规模化落地。
我很喜欢这个变化。
以前让 AI 做新闻视频，更像是把搜索结果配上字幕；现在它开始先判断“这条新闻真正值得讲的是什么”，再决定镜头和结构。
这才是编辑思维，而不只是自动剪辑。
第三条：同一个栏目，可以稳定复用
我还让 Codex 为抖音设计“每天一本书”系列，第一期选择受众更广的《小王子》。
我的一句话指令：
抖音计划做一个每天推荐一本书系列，做一个一本书的讲解的视频，选一本受众广的经典的书籍，讲解在2分钟以内。
它没有做成情节复述，而是拆成三个层次：
• 关系，是被时间和责任创造出来的； • 爱，不是寻找完美，而是愿意承担责任； • 成人世界拥有越来越多数字，却越来越看不见重要的东西。
整条视频84秒，使用原创图形化绘本视觉，没有直接复制现有版本的书籍插画。
这类内容最有价值的地方不是只做出一期，而是栏目结构已经形成：
反常识钩子—故事主线—三层解读—现实启示—关注收尾。
下一期换一本书，框架、字幕、安全区、配音和渲染流程都能继续复用。
对内容创作者来说，真正省时间的从来不是“AI 帮我写一篇稿子”，而是“AI 帮我建立一套能持续更新的栏目生产线”。
为什么我说它开始接近生产级？
这次让我改观的，不只是成片观感，而是流程里多了几道以前很难自动完成的工序。
1. 先做设计规范，再做画面
每个项目都有独立的 DESIGN.md，明确颜色、字体、组件、画面层次和禁用项。
这意味着同一条视频不会做到一半突然换风格，也方便后续继续迭代。
2. 真实素材和事实来源分开保存
新闻与产品视频会保留下载素材、官网截图和来源清单。
出了问题，可以快速定位；需要替换，也不用从头再搜。
3. 配音不是“一次生成就算了”
我嫌原来的音色太 AI，直接让它换成火山 TTS。
Codex 调整了旁白长度和语速，重新生成音频，再根据真实时长安排镜头。WAIC 的第一版旁白超过1分钟，它会主动精简，直到符合时长要求。
4. 渲染前会自动抽帧检查
在输出视频前，它会从不同时间点截取关键帧，生成联系表，检查文字是否溢出、主体是否被遮挡、字幕是否可读、颜色对比是否合格。
这一步非常像人工剪辑里的审片。
不是写完代码就宣布完成，而是先看成片关键帧，再决定是否渲染。
5. 最后还会检查视频和音频轨道
成片输出后，它会确认：
• 视频是否为 H.264； • 音频是否为 AAC； • 分辨率是否为1080×1920； • 时长是否满足要求； • 文件是否真正生成。
这些都不是“创意”，却决定了一条视频能不能交付。
当然，它还不是全自动印钞机
实测下来，问题依然存在。
首先，真实网络素材涉及版权，正式商用前必须确认授权范围。
其次，AI 能检查技术问题，却不能完全替代人的审美判断。有些画面虽然没有溢出，也可能不够抓人；有些口播事实没错，但观点还可以更锋利。
另外，自动化解决的是生产效率，不是流量本身。
选题不成立、账号定位不清晰、开头没有吸引力，视频做得再快也没有用。
所以人的工作没有消失，只是位置变了：
过去，我们把大量时间花在找素材、对字幕、调尺寸和等导出；现在，人更应该负责选题、判断、风格和最终审核。
最后
第一次用 AI 批量做视频时，我的感觉是：
它居然真的能跑完。
这次用 Codex 重跑以后，我的感觉变成了：
它不但能跑完，还开始知道怎么把结果交付得更像样。
它会保存来源，会建立设计规范，会根据旁白调整时长，会抽帧审片，会检查音视频轨道，也会保留每一个历史版本。
这些能力单独看都不性感。
但放在一起，就是一条正在成形的内容生产线。
AI做视频真正的拐点，也许不是某一天突然生成了电影级画面。
而是从某一天开始，我们敢把一个完整任务交给它，然后回来验收结果。
这一次，我真的有这种感觉了。
