这条 “图->文->声->影” 流水线！我把它封装成了一个人人都能用小产品！

大家好！我是专注分享AI编程的瓜哥！

大家有没有试过用AI生成视频？就是那种钱不少花，但每次还只能生成5-10秒的视频，基本没法直接拿来用，让人非常郁闷~ 我自己快速体验了下，就直接放弃了...

最近，为了给正在开发小程序填充内容，我尝试用多个AI工具组合成一套视频输出的工作流。花了1周时间，反复测试后，终于跑通了这套工作流。最关键的是，为了方便使用，我还把整套工作流封装成了一个应用，现在用起来那是相当的舒爽啊！

这个工作流，可以生成科普知识、产品介绍、情感表达、生活记录、公益宣传等。比如：一分钟讲清楚一个动物特征，几张图加语音把一款新产品介绍明白。

Demo 1

这是一个科普类视频，讲述印度尼西亚的科莫多巨蜥是如何捕猎野牛的。

###

Demo 2

这是一个科普类视频，讲述海豚如何利用回声定位鱼群。

也就是说，现在已经能从0-1，一口气生成整个动画视频。全程使用AI工具辅助，包括创意、文案、图片、音频、视频合成等。今天，把思路分享给大家，让有需要的朋友们能发挥出更大的效应来。

如果你也想让AI帮你高效产出内容，那点个 ‘关注’ ，不然你可能还得跟剪辑软件死磕。

一、我是咋想的？

起初，我是为了给我的科普小程序（奇妙动植星球）填充内容。我试了H5动画、Vne3/即梦（短视频生成AI）等等单一工具，碰到下列问题：

• H5开发：周期长，输出结果不可控

• Ven3/即梦：风格不稳定，视频时间较太短

想用单一工具来生成视频行不通，必须尝试构建一个“工作流”，把AI的能力组合起来。于是我跟AI开始讨论设计流程（脚本->图片->音频->合成），并用《AI讲解员视频生成器》工具组合进行实践。

经过很长时间的调优，这个流程变得很丝滑，生成视频也比较符合的我的需求，于是我干脆让AI写了个Web应用，把所有经验固化下来。

于是有了下面这个应用：

二、我是咋做的？

2.1 实现思路

通过多种AI工具组合使用，从而实现快速、批量、稳定的生成的图片视频。

1. 第 1 步：让AI生成主题故事脚本

1. 第 2 步：让AI生成故事所需的图片提示词和音频生成提示词

1. 第 3 步：分别生成图片和音频

1. 第 4 步：一键视频合成输出

2.2 工具组合

工具不唯一，以下工具是我测试效果比较好的，其中脚本讨论、图片生成、音频合生成都可以选择你顺手的。

• 脚本讨论：Gemini 2.5 Pro（写故事思路）

• 图片生成：Gemini 2.5 Flash Image（文字生成图片）

• 音频生成：Gemini 2.5 Pro Preview TTS（文字转语音）

• 视频合成：本地Web网站（素材合成视频）

三、制作的流程

3.1 脚本讨论

跟AI讨论主题、内容结构、具体描述等。

3.2 图片生成

用谷歌最新的纳米香蕉（当前最强AI生图工具），输入提示词批量生成图片。

3.3 音频生成

在线文字转音频，将生成好的文本给到Gemini，选择你喜欢的人声，点击转换，大概10几秒就搞定了。

3.4 视频生成

点击【生成视频】按钮，可在 Cursor 的终端/Web网站查看视频生成进度~

##

四、工具产品化

刚开始，我是在Cursor里跑这个工作流，但每次都需要将文字、图片、音频上传到指定文件夹，再让Cursor执行合并任务。后来一想，工作流都跑通了，不如直接做一个Web网站，使用起来更方便些。

说干就干，通过Vibe Coding（氛围编程）方式，很快就基于Python和CSS跑出一个前后端分离的Web网站来，长下面这个样子。

自从有了这个小应用，可以进行视频的批量生产，效率原地起飞！

五、总结

很显然，当前单一的AI工具都有局限，但如果能将多个AI结合起来使用时，往往能创造意想不到的惊喜。在经历了各种尝试后，终于跑出来这条能稳定生产动画的AI工作流。

在跑通流程后，将工作流封装成一个产品。我自己能提效，也希望将思路和方法分享出来，让更多的内容创作者、运营人员、产品经理，能够大幅降低创作门槛。

目前这个工作流虽然能稳定运行，但在画面的衔接、字幕的同步等方面，还有很大的优化空间。接下来，我会继续探索...