体验完豆包工作+Remotion做视频，我彻底回不去了....

大家好，我是小林。

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帮你直接剪辑和制作视频了，绝对是做视频必备神器了！

经过我一周的体验之后，我发现在「豆包工作」里使用 Remotion 工具非常方便。

你看下面，我只需要在豆包工作里用对话的方式，就可以完成视频画面编排、素材拼接、字幕添加和动画制作以及最终导出，而且还可以在右侧里去人工剪辑，这体验非常丝滑。

我也在豆包工作+Remotion做了好几个视频，给你们看看。

比如，我玩推箱子的录屏被剪成了一个游戏攻略视频，还配上了中文解说字幕。

还有我提供几张app产品图，做了一个手机app的产品介绍视频，旁白也都是让豆包工作配上的。

还有做了个解释月相的知识科普视频。

那么，接下来我就用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────

看完案例效果之后，我们就进入教程部分。

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，然后需要自行安装。

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用起来，因为哪怕做一个最基础的文字淡入淡出，都得自己配环境。

现在豆包工作把这个门槛变低了，你只需要用提示词的方式把分镜和画面要求告诉豆包工作，豆包工作能直接调用你的本地电脑，自动完成环境检查、拆解素材、编写动画等，最后把渲染好的 MP4 视频直接存进你的硬盘文件夹里。

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，也就是Router for all Remotion skills，它负责根据任务选择合适的 Remotion 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，也不用去到处找教程，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────我把一个推箱子游戏的录屏剪成了游戏攻略

接下来我们就进入实操环节。

我最近空闲时刻特别喜欢打开玩推箱子的网站，来上几把，特别益智大脑。

所以我这次想到可以直接把之前玩推箱子的录屏拿过来给豆包工作剪辑，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。

下面是原始录屏：

我们以《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，能够帮助后续剪辑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 1FPS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。

在分析完成后，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。

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，观众既能跟着画面学习每一步操作，也能够理解为什么要采用这条路线，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的全局黑屏，最初生成的视频由于部分时间轴参数被写死，导致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。

我就告诉豆包工作对这些问题进行修改。

它修改完毕后，它通过静帧回归检查，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了一条 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。

很多地方还是粗糙，也有错位的现象，但还是很有游戏攻略那味道的。

把 9 张 App 静态宣传图，剪成带旁白的产品介绍视频

我们这次从比较最常见的产品宣传场景开始。

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，并且每幕都要配上对应的讲解旁白。

接下来我们可以先让豆包工作生成初版，让它根据 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，可以通过自然语言反馈，调整旁白节奏和画面衔接。

我的提示词是这样的，把视频尺寸、时长范围、视觉风格以及配音要求写清楚了：

收到指令后，豆包工作会在本地自动建立工程，并开始制作视频。

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，让配音时长符合视频要求。

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。

这时候，不要自己去修改工程文件。

而是直接在对话框里，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。

豆包工作将 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。

这样，新画面可以先浮现，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了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，我们把 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，手里有一些静态图片，该如何让豆包工作一步步帮我们制作成 45 秒的动态成片？

这次我们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。

这个过程里，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。

下面我结合了这次实测的经验，整理了几点建议，供大家参考。

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，参考上面的案例一，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 来，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，看看它在实际使用中能带来哪些不同的体验，打开豆包工作切到本地电脑模式，亲自试一下吧。

对了，最后提醒一下。

现在网页搜索『豆包工作』下载电脑端，新用户领 30 天免费体验套餐。老用户每日签到领额度可以攒着，等做任务的时候用，签到 30 天得到的**额度很高。

领了体验套餐，就可以上手试试用豆包工作做视频。