我公众号写了 28 篇文章,一直有个念头:把它们变成视频。
卡住我的就一件事——我特别不喜欢剪辑。素材拖进时间线、找卡点、对字幕,想想就头大。
所以昨晚睡觉前,我跟Claude说:帮我找一条不用剪辑的路,把文章变成视频。
今天起床,文件夹里躺着 4 条成片——有配音、有字幕、有转场。全程我真的没碰过剪辑软件。
我从头到尾看了一遍,一条都没发出去。
四条全毙。但两天折腾到最后,效果最好的是下面这张——一张会动的杂志卡片。发在小红书它就是Live Photo:
它怎么来的,得从那四条被毙的视频说起。
1四条片,先全毙了
第一条,AI 自己操作网页、自己录屏、自己剪辑,27 秒。技术上挺神的——它边操作边记日志,剪辑点直接从日志里算出来,不需要"看懂"画面。
看完的感受:一份会动的 PPT。
第二条,加了配音。AI 把口播稿拆成 5 段,每段配音的时长反过来决定画面节奏,音画严丝合缝。还生成了三张月鹿插图垫画面,中文标注一个字没错。
44 秒,音画同步,废了。配音是那种一听就是机器的"播音腔"——内容再真,声音一响就假了。
第三条,竖版口播。一个大圆圈里的月鹿轻轻浮动,假装在说话,卡片按台词节拍弹出来。
还是 PPT。圆圈会动的 PPT。
第四条是 Claude 下功夫最多的:26 秒切了 11 个镜头,平均 2.4 秒一刀;素材全是真的——真实的终端画面、真实的报错、真实生成的动画;每个静止画面都加了缓推镜头,专门治它自己前三条的 PPT 感。
看完我回了两个字:不行。
四条片,四种做法,当时的判词是四个词——假、不吸引、不对味、方向不对。
说不清为什么,只知道不对。
2一张插图,5 秒把我看住了
四条片毙完,我让 Claude 换了个思路:先不做整条片,让一张图动起来试试。
用的是小云雀——我买过它的会员,还剩一些积分。
丢给它一张我上篇文章里的月鹿插图:月鹿摇着一台木头曲柄机器,长文进、卡片出。提示词就一句话:让它动起来。
几分钟后,出来一条 5 秒的动画。我盯着它看了三遍。
曲柄真的在转,机器上的钟表指针真的在走,右边的卡片一张张滑出来摊开。月鹿的月牙角、脸上的雀斑、挎包上的月牙标——一个都没丢。连"镜头缓缓推近"这种要求,它都自己做了。

也翻了个小车:原图上的手写标注,动画里被吃掉了。所以定了条规矩:生成的素材一律不带字,文字后期用代码叠上去。
一条 5 秒动画,花掉一点会员积分,效果吊打前面那 4 条成片。
这时候我开始隐约觉得:问题可能不在工具,也不在执行。
3毙到第四条,我才看懂自己毙的是什么
把 4 条片放一起看,我发现它们有个共同点——全是教程的壳:命令、步骤、卡片、讲解。
一开始我以为问题出在脸和声音上:我不露脸,机器配音我自己都嫌弃。但这俩都有现成的解——脸可以用数字人,声音可以克隆。都不是真正的问题。
真正的问题是我给这件事定的三个条件:把我写的教程变成视频、看着得舒服、我还不用剪辑。
四条废片证明的是:直译式做法——文章讲什么、视频就讲什么,只换个载体——能做到"不剪辑",做不到"看着舒服"。
不是做得不够好,是直译满足不了三个条件同时成立。
可我的文章能成立,靠的从来不是"教程"这个形式,是内容里的过程和判断。教程只是文字平台最顺手的壳。
内容是资产,文字和视频只是两个出口。出口不同,壳就该不同——直译不行,得重新讲。
视频世界顺手的壳是什么?故事。
直译是"我做了什么,视频就演什么"——命令截图配上一段解说,跟着我的操作走一遍。故事是"这件事发生了什么"——有一个想要的东西、一个卡住的地方、一个转折。同一件事,直译讲的是流程,故事讲的是这件事本身有没有戏剧性。
四条废片全在讲流程,一条故事都没有。接下来重做的那版,讲的才是"四条片全毙了,最后一条活过来"这件事本身——你现在看的这篇文章,其实就是那条视频的故事版。
4睡醒重看,有一条活了过来
写这篇稿子之前,我把四条废片又看了一遍。
看到第二条——那条 44 秒、被我嫌弃配音的——我停住了。
它居然是四条里最耐看的:一件事从头讲到尾,有铺垫有结果,插图垫在该垫的地方。当时毙它,是机器配音一响就出戏。可声音是零件,不是骨架。
它真正缺的就两样。一个是我的声音——克隆能解决;一个是稿子——它用的还是"教程讲解"的口吻,换成讲故事的口吻,密度和弧线就都回来了。
初判毙掉的是零件,骨架没毛病。
5视频这条路,这么走
所以最后的方向不是推倒重来:
公众号 —— 继续写,教程、复盘、方法,一个字不少,这是深度阵地
视频 —— 拿 44 秒那条当母版改:配音节拍不变,静态插图换成会动的动画,机器配音换成我的克隆声,稿子从"讲解"换成"讲故事"
互相喂 —— 每条片怎么做的,回头又是一篇公众号文章
毙完四条片我算了笔账:AI 视频单段现在能生成 15 秒,下周Seedance就能到 30 秒。30 秒够讲一个小故事点,两分钟的视频——4 段拼一下——能装下的内容已经不少了。
这笔账算下来,创作的门槛是降了,但内容的要求反而变高了:画面不用剪了,可故事得真的好。生成还得抽卡,也要花一点点钱——但比起我手动拖时间线剪视频,这些都算舒服的代价。
“
生成越便宜,好故事越值钱。
这也是我不心疼那 4 条废片的原因。产线是通的:配音节拍、自动剪辑、角色一致性,全验证过了。壳错了,零件都是好的——换个壳,直接装车。
按这个配方,当天就重做了一版:80 秒,大字卡、真截图、两段月鹿动画嵌在时间线里,女声旁白讲的就是这篇文章的故事。比四条废片强了不止一个档。
6彩蛋:当天效果最好的,居然不是视频
收工前顺手测了个东西——归藏开源的社媒卡片 skill,新出了个Live Photo功能:把一张排版好的图文卡片里的"图片位",换成 5 秒视频。
我把月鹿摇曲柄那段动画装了进去,打包成实况照片,隔空投送到手机——就是文章开头你看到的那张卡。
相册里,一张杂志排版的卡片,里面的曲柄真的在转。
发小红书时它就是一张普通图文,混在轮播里——但它会动。折腾一整天视频,真机上效果最服的,是这张会动的图。
所以"把文章变成视频"这个问题,答案可能不止一个出口。这种会动的卡怎么用到你自己的内容里,下一篇细讲。
7能带走的
这两天实测的东西,结论放这:
小云雀 图生视频 —— 会员积分抵扣,5 秒动画 IP 特征全保留,mini 模型够用。适合:插图变动画、角色短片
video-use(1.2万星) —— LLM 不看视频,靠转录剪口播,需 ElevenLabs key。适合:有真人口播素材的剪辑
edge-tts —— 免费中文配音,音质可以,但播音腔明显,慎用于人设内容
归藏社媒卡片 skill —— 开源(GitHub op7418),Live Photo 实况卡片 5 分钟一张。适合:小红书轮播里放一张"会动的"
三条结论:
1. 生成素材不要带字,文字后期叠——AI 视频里的字十有八九会糊
2. 图生视频锁 IP 比想象中稳,你账号的插图、头像、表情包都是现成的动画原料
3. 动手前把自己的硬条件写下来——我的三个是:教程内容、看着舒服、零剪辑。四条片毙得不冤:不先全毙一遍,我看不清哪条缺的是骨架、哪条缺的只是零件
那 4 条片我一条没删,留在文件夹里——三条当学费,一条当母版。
等用母版改出的第一条正式片发出来,回头再看这两天,大概就像我现在回头看第一篇阅读量两位数的文章。
学费交了,课得上完。
点个赞点关注说两句— 月鹿造物 —你的点赞和关注,是我继续写下去的最大动力