豆包工作+Remotion实战：用对话剪出游戏攻略与科普视频

最近发现一个很有意思的开源项目叫 Remotion，已经有近 70k star 了，它可以让 AI 直接帮你剪辑和制作视频，做视频时非常值得一试。

实际体验一周后，我发现把 Remotion 和「豆包工作」结合起来用，效率提升非常明显。你只需要在豆包工作里用对话的方式，就能完成视频画面编排、素材拼接、字幕添加和动画制作，最后还能在右侧面板里进行人工剪辑，整体体验相当丝滑。

我也用这套组合做了好几个不同类型的视频。一段玩推箱子的录屏，被剪成了带中文解说字幕的游戏攻略；几张 App 产品图，被做成了一条带旁白的产品介绍视频；还有一个月相主题的科普短视频，从静态图片直接变成了 45 秒的动态成片。

下面我就用这三个场景做实战教程，带大家从 Remotion 环境配置、提示词编写，到视频生成、效果修改和 MP4 导出，完整体验一次用豆包工作制作和剪辑视频的过程。

打通豆包工作 + Remotion 需要两步

先用最直白的话说清楚这套组合是怎么运转的。

Remotion 是一个通过 React、SVG、CSS 等代码来生成和剪辑视频的第三方开源工具，可以直接在 GitHub 上找到，然后自行安装。它的优势在于画面干净、帧率稳定，文字排版以及动画过渡的节奏可以控制得比较精准。

但以前大部分人很难把它用起来。因为哪怕只是做一个最基础的文字淡入淡出，也得自己先配好环境。现在豆包工作把这个门槛明显降低了：你只需要用提示词把分镜和画面要求告诉它，它就能直接调用你的本地电脑，自动完成环境检查、素材拆解、动画编写等步骤，最后把渲染好的 MP4 文件直接存进你的硬盘文件夹。

正式开始前，电脑上需要完成下面两步基础设置。

第一步：开启豆包工作的本地电脑工作模式

打开豆包工作桌面客户端，建议使用豆包 2.1 Pro 高版本。在对话框左下角点击工作模式切换按钮，在弹出的菜单中选择「工作任务 · 本地电脑」。

这一步是基础，因为只有切换到本地电脑模式，豆包工作才拥有在你的电脑上创建视频工程并导出 MP4 成片的能力。

第二步：安装 Remotion Skill 并加载专属技能

先在窗口输入安装 Skill 的要求，下面是我的提示词：

请帮我在本地电脑上下载并安装 Remotion 官方 Skill，用于后续 AI 视频剪辑和动画制作。
先检查 Node.js、npm 等运行环境，再通过官方命令 npx skills add remotion-dev/skills 完成安装。
官方仓库：https://github.com/remotion-dev/skills 。
安装后请检查 Skill 是否可以正常使用，确认是否包含视频创建、素材处理、字幕制作、动画和视频渲染等相关能力，并告诉我安装结果及后续调用方法。
本次只需完成安装和验证，暂时不用制作视频。

然后在输入框下方点击「技能」按钮，在技能列表里找到并点击 Remotion Best Practices。它就像是一个 Remotion 技能的调度器，负责根据任务选择合适的专项技能。

点击后，输入框上方会出现对应的技能标签。这就相当于给豆包工作注入了一套完整的 Remotion 视频剪辑与动画制作规范。

Remotion 在本地运行需要基础的 Node.js 环境。如果你电脑上之前没有安装过，也不用到处找教程，直接在对话框里让豆包工作帮你检查并配置即可。它会自动核对电脑里的 Node.js、npm、Remotion 版本以及可用的中文字体。

实战教程

把一个推箱子游戏的录屏剪成游戏攻略

我平时空闲的时候喜欢打开推箱子网站玩几把，挺益智的。这次想到可以直接把之前玩推箱子的录屏交给豆包工作，让它把录屏变成游戏攻略。这样视频就能活起来，让观众很快抓住关键操作，更容易理解背后的通关思路。

下面以《推箱子》第 3 关为例，看看如何通过豆包工作与 Remotion，把一段普通的游戏录屏，制作成带有动态箭头、人物聚焦效果、路线提示和解析字幕的攻略视频。

先让豆包工作分析素材内容，这样后续剪辑能更准确地保留关键操作。这次我们直接把原始录屏和任务要求交给豆包工作，让它先进行一次完整的拉片分析。

豆包工作通过后台自动抽帧，以 1 FPS 的采样方式检查游戏画面，同时结合棋盘布局和人物、箱子的位置变化，梳理整个关卡的操作过程。分析完成后，它将 31 秒的原始录屏拆解成 9 个核心分镜，覆盖开局观察局面、推动 A 箱、推动 B 箱、调整行进路线等关键节点。

有了这份分镜结构，后续制作就可以围绕真正重要的操作展开，每个镜头要展示什么都有了更明确的依据。

完成分镜划分后，接下来最重要的工作，就是为游戏画面添加清晰的攻略引导。在与豆包工作对话时，我们可以直接描述想要的视觉效果，让它通过 Remotion 生成对应的动画组件。

例如，在人物推动箱子的关键镜头里，添加随慢放画面同步移动的黄色动态箭头，让观众更容易看清箱子的移动方向。当人物需要绕行或者调整站位时，可以使用白色聚焦光圈突出角色位置，并通过黄色虚线勾勒接下来的行进路线。

这样一来，观众既能跟着画面学习每一步操作，也能理解为什么要走这条路线，从而减少只记住操作顺序、却不理解通关原理的问题。

在实际生成代码和渲染视频时，AI 也可能遇到一些工程问题。这次实操就出现了几个比较典型的情况。一个是时间轴配置导致全局黑屏：最初生成的视频由于部分时间轴参数被写死，画面没有按照预期显示。另一个是棋盘坐标换算出现偏差：由于画面缩放系数与坐标映射没有正确对齐，整个棋盘被错误地缩到了左上角。

我直接告诉豆包工作对这些问题进行修改。它修改完毕后，通过静帧回归检查，确认关键元素的位置和显示效果符合要求。

当所有镜头、动态箭头、字幕和通关弹窗都完成调整后，豆包工作再次对关键画面进行了抽帧检查，确认没有明显的布局异常。随后便在本地渲染导出 38 秒、1080P 高清的《推箱子第 3 关完整攻略》视频。

对于游戏攻略、操作教程和软件使用演示等场景，这种方式尤其适合将原本缺少讲解的录屏素材，整理成方便观众跟随学习的视频内容。虽然很多地方还比较粗糙，也存在少量错位现象，但整体已经很有游戏攻略的味道了。

把 9 张 App 静态宣传图剪成带旁白的产品介绍视频

再来看一个更常见的产品宣传场景。我手里有 9 张设计好的 NOVA App 宣传图，现在需要把它们制作成一条 30 秒左右的横屏产品介绍视频，而且每幕都要配上对应的讲解旁白。

可以先让豆包工作生成初版，根据 9 张图片自动制作带旁白的产品介绍视频。如果有不满意的地方，再通过自然语言反馈，调整旁白节奏和画面衔接。

我的提示词把视频尺寸、时长范围、视觉风格以及配音要求都写清楚了：

收到指令后，豆包工作会在本地自动建立工程并开始制作。它先生成了 9 段旁白音频，但通过脚本检测发现，总时长超过了 60 秒，不符合 35 秒以内的要求。于是豆包工作自动精简文案，将每段旁白缩短至 3–4 秒，再重新生成音频，让配音时长符合要求。

接着，豆包工作根据 9 张图片的原始版式，为静态画面添加动态效果。比如左侧标题逐行浮现、手机里的待办任务逐条打钩、进度环和统计数字逐渐增长、右侧信息卡片依次弹出，让原本静止的宣传图变成了更生动的产品演示画面。

完成动画和代码编写后，豆包工作还自动截取了几张关键画面检查排版，确认没有明显问题，最终导出了第一版视频。

解决旁白抢拍问题

拿到第一版视频试看后，画面和动画都没什么问题，但出现了一个剪辑中常见的小毛病：因为两幕画面切换时使用了淡入淡出的重叠转场，导致上一幕的旁白还没说完，下一幕的声音就提前跟上了，听起来有些赶。

这个时候不要去修改工程文件，直接在对话框里像平时提修改意见一样告诉豆包工作即可：

收到反馈后，豆包工作定位到了音频重叠的原因，并自动完成了三个修改。它把 9 段旁白从各个场景中提取出来，改成独立的音频时间轴统一管理。这样一来，画面仍然可以使用重叠转场，但转场效果只作用于视觉部分，不再影响旁白的播放顺序。

然后又在每一幕旁白交接的位置，统一增加 5 帧的气口，让新画面先浮现，随后再开始播放人声。同时，每段音频都加入了轻微的淡入淡出处理，避免声音突然切断，让整体听感更自然。

虽然仔细看局部的动画过渡还比较基础，没有专业后期手动打磨得那么精细，但整体效果已经满足常规产品演示的需要。无论是界面里的数据增长、卡片弹出，还是 9 段旁白与画面的节奏配合，都已经形成了一条结构完整、可直接用于演示的产品介绍视频。

对于 App 产品介绍、功能展示或日常宣传素材制作，这种方式可以减少大量重复的时间轴编辑工作，也让后续修改更加直接。

给豆包工作 9 张图片，靠对话做出 45 秒科普短视频

前面的案例把 9 张 App 宣传图做成了带旁白的产品介绍视频。如果换成更复杂的知识科普短视频，手里只有一些静态图片，又该如何让豆包工作一步步帮我们制作成 45 秒的动态成片呢？

这次以「月亮为什么会有阴晴圆缺」为例。我们准备了 9 张月相图片：

科普短视频的制作难点，除了让静态图片动起来，还需要保证画面符合科学常识。例如太阳光的照射方向、月球亮面的朝向，以及不同月相之间的变化规律，都需要准确呈现。

所以在开始制作时，最好提前把视频的整体规格、视觉风格、科学原则和分镜脚本整理清楚，再连同图片一起交给豆包工作。

我提前规划了 9 个镜头的具体分镜脚本，让豆包工作清楚每个场景应该展示什么、元素如何运动，以及不同镜头之间如何衔接，并在提示词里明确要求采用类似苹果发布会的极简视觉风格：

把 9 张图片和完整提示词发送给豆包工作后，接下来的制作工作就可以交给它自动执行。在这次实测中，整个自动执行过程中途因电脑离线暂停，重连后继续，全程约一个多小时，期间无需人工介入。

豆包工作首先检查了本地电脑的运行环境，并自动创建项目目录。

随后，它开始编写视频需要的核心视觉组件，包括星空背景、参数化月球、太阳、地球以及动态字幕等。

这些元素完成后，豆包工作又将这些独立场景按照预设的分镜顺序组织起来，并通过平滑的淡入淡出转场连接。最终，整条视频被编排成 1350 帧、30fps、总时长 45 秒的完整时间线。

整个过程里，原本静止的月相图片逐渐变成了具有运动效果、镜头切换和知识讲解节奏的动态视频。

抽帧自检：让豆包工作提前发现画面里的问题

很多 AI 在剪辑视频时，最头疼的问题就是画面元素穿帮、文字重叠，以及局部动画效果不够自然。这里有一个很实用的技巧：在提示词中要求豆包工作正式渲染前，先对关键画面进行一次抽帧自检。

这次实测中，豆包工作完成代码编写后，我调用抽帧命令，对镜头的关键帧进行了检查，并根据发现的问题修改代码。

例如，检查时发现部分弯月的明暗朝向不准确：

豆包工作调整了月相的绘制方式，使亮面方向符合预设的科学原则。

另外，在切换月相名称时，部分标签因为同时出现而挤在一起。豆包工作通过错开文字的入场时间，让各个名称依次显示，避免了重叠。

它还发现地球光晕边缘存在明显的方形截断痕迹，于是进一步调整了相关视觉效果，让光晕过渡更加自然。

这些问题单独看都不算大，但如果全部出现在最终成片里，就会明显影响视频的专业感。提前进行抽帧检查，可以在正式渲染前发现并修正一部分问题，减少后续反复导出和修改的工作量。

完成关键帧检查和细节调整后，豆包工作开始正式渲染视频。最终，它在本地导出了一条 45 秒的高清 MP4 科普短视频，同时额外生成了一份与画面时间轴对应的 srt 外挂字幕文件，方便后续在其他视频平台或剪辑软件中使用。

对于知识讲解、教学演示以及需要大量图文素材转视频的场景，这种制作方式可以省去不少手动搭建动画和调整时间线的工作。

给新手的 3 个实用操作建议

通过上面几个案例，我们已经大致了解了豆包工作 + Remotion 的使用方式和实际效果。当然，在具体操作过程中，还有一些细节需要注意。下面我结合这次实测的经验，整理了几点建议。

如果你想在自己的电脑上试试这套工作流，以下 3 个小技巧能帮你少走弯路：

1. 把抽象形容词换成按秒划分的具体动作：尽量不要只对豆包工作说「帮我剪一个高级、丝滑的视频」。参考案例一的思路，直接告诉它 0–4 秒做什么推进、4–11 秒哪个元素隔 0.6 秒弹出、11–20 秒哪个按钮延迟出现。你给的时间节点越明确，生成的动画节奏就越舒服。

2. 有现成宣传图时，记得加上拆解元素做动画：如果只是把每张图片轮换着播放，看起来就会很单调。在提示词里明确要求保留原图版式，写脚本将图中的手机、卡片、按钮拆解出来分别做入场动画，豆包工作就会自动切图并分层编排，画面丰富度会提升一大截。

3. 在提示词里加上抽帧检查画面的要求：可以在指令最后补上一句：「在渲染最终 MP4 之前，请先抽取每个镜头的关键帧检查画面，确保没有文字重叠、元素裁切或方向错误。」这能触发豆包工作在后台自己看图找问题，省去你手动挑错的功夫。

如果你也对这种视频制作方式感兴趣，不妨按照上面的步骤亲自尝试一下，打开豆包工作切到本地电脑模式，看看它在实际使用中能带来哪些不同的体验。如果你在使用过程中遇到问题，也欢迎到 云栈社区 和大家一起交流。