做过短视频的人都知道，一条视频从策划到发布有多折腾。
选题、写脚本、找素材、拍摄、剪辑、配音、加字幕——每一个环节都是坎。哪怕是最简单的口播科普视频，从写稿到成片，少说也要三四个小时。如果是剧情类、动画类，周期更长。
但如果你会用 AI 工具，这个过程可以被压缩到 30 分钟以内。
这篇文章，我想聊聊 WorkBuddy 的 AI 视频制作能力。不是泛泛而谈的"AI很强大"，而是一篇从零开始的实操教程——你能用它做出什么样的视频、具体怎么操作、Prompt 怎么写、怎么省积分、哪些坑要避开。
照着做，你今天就能上手。
本文目录
- WorkBuddy 视频制作能力全景
- 文生视频：一句话生成动态画面
- 图生视频：让静态画面动起来
- 视频特效：60+模板一键生成创意动效
- Prompt 进阶：5条原则写出高质量指令
- 省积分策略：把每一分钱花在刀刃上
- 实战案例：30分钟做一条口播科普短视频
- 常见问题与避坑指南
一、WorkBuddy 视频制作能力全景
先说清楚 WorkBuddy 到底能做什么。很多人以为它只是个"AI 聊天助手"，其实它的多模态生成能力远比想象中强大。
在视频制作这件事上，WorkBuddy 提供了三层能力：
| 能力 | 触发方式 | 输出 | 典型场景 |
|---|---|---|---|
| 文生视频 | 对话中直接描述画面 | 5-10秒短视频（MP4） | 凭空生成动画片段、创意短片 |
| 图生视频 | 提供一张图片+描述 | 5-10秒短视频（MP4） | 让AI生成的图片动起来 |
| 视频特效 | 上传图片+选择模板 | 动态特效视频 | 拥抱、变身、万物归尘等创意动效 |
此外，WorkBuddy 还内置了图片生成（ImageGen）能力，可以先生成高质量图片，再转化为视频。这套"图片+视频"的组合拳，是目前 AI 视频制作最高效的工作流。
积分提示： 图片生成消耗约 5-10 积分/张，视频生成消耗约 50-100 积分/条。建议先用图片验证画面效果，满意后再生成视频，能大幅节省积分。
二、文生视频：一句话生成动态画面
文生视频是最直接的用法：你描述一段画面，WorkBuddy 调用 AI 模型生成对应的短视频。
2.1 怎么触发
打开 WorkBuddy 客户端，在对话框里直接描述你想要的视频画面即可。不需要切换任何模式，WorkBuddy 会自动识别你的意图并调用视频生成能力。
比如你输入：
生成一个短视频：一个女孩在落地窗前光脚转圈跳舞，窗外是洱海和苍山，阳光洒进来，慢动作，电影感
WorkBuddy 会调用文生视频能力，大约 2-5 分钟后，生成一段 5-10 秒的短视频，自动保存为 MP4 格式到你的工作区。
2.2 桌面端 vs 手机端
WorkBuddy 的视频生成功能在桌面端和手机端都可以使用：
- 桌面端：
- 打开客户端 → 首页"新建任务" → 选择"日常办公" → 对话框中直接描述视频需求
- 手机端：
- 打开 WorkBuddy App 或小程序 → 首页"云端工作" → 选择"视频生成" → 输入提示词
手机端的视频生成在云端沙箱环境中运行，不占用手机性能，随时随地都能创作。
2.3 一个实际例子
假设你要做一条产品介绍短视频，可以这样下指令：
生成一条 16:9 横屏短视频，主题：居家养生小知识，清新插画风格，女声配音，自动字幕，时长约 45 秒
如果你有现成的素材，也可以让 WorkBuddy 帮你整合：
读取 D:\我的素材 文件夹中的图片和音频，制作 60 秒 16:9 横屏视频，商务风格，自动字幕+轻柔背景音乐，成片保存到桌面
关键点： 指令越具体，成片质量越高。只说"做一条职场视频"，产出内容会很空洞。标注风格、时长、重点内容，效果会好很多。
三、图生视频：让静态画面动起来
文生视频虽然方便，但对画面细节的掌控不如图片精准。一个更高效的工作流是： 先生成图片，再让图片动起来 。
3.1 为什么要"先图后视频"
原因很简单：图片生成速度快（十几秒出一张），消耗积分少（5-10积分/张），可以快速迭代画面效果。等你对图片满意了，再用这张图生成视频，避免直接生成视频后发现画面不对、白白浪费积分。
3.2 操作流程
第一步：生成图片
帮我画一张图：一个中年男性财务人员，戴眼镜，穿白衬衫，坐在办公桌前翻阅账本，表情专注，写实风格，柔光，8k超高清
第二步：用这张图生成视频
用刚才生成的图片，生成一个短视频：财务人员在办公桌前翻阅账本，表情专注，写实风格，竖屏
WorkBuddy 会以你提供的图片为基础，生成一段 5-10 秒的动态视频。人物的动作、表情、环境光影都会在原图基础上产生合理的动态变化。
3.3 保持角色一致性
如果你需要做系列视频，最大的挑战是保持角色形象一致。方法很简单： 固定角色描述关键词 。
每次生图时，都在 Prompt 开头加上相同的人物描述：
"中年男性财务，戴眼镜，白衬衫，严肃但可靠" + 场景描述
这样不管换什么场景，人物的外貌特征都能保持基本一致，不会出现"上一条视频里的人脸和这一条完全不像"的尴尬。
四、视频特效：60+模板一键生成创意动效
这是 WorkBuddy 视频制作中最有趣、最容易出爆款的能力。
视频特效的原理是：你上传一张（或两张）图片，选择一个特效模板，AI 会根据模板自动生成一段动态视频。目前支持 60+ 个模板，覆盖人物互动、变装变身、物理特效、风格转换等多种类型。
4.1 热门模板一览
类型模板名称效果人物互动拥抱 hug两个人物相拥，温馨互动亲吻 kissing双人亲吻互动比心 hearting人物做出比心手势公主抱 bridalcarry公主抱互动效果脸颊贴贴 cheeks脸颊贴合互动变装变身变身机甲 futuresoldier人物变身为未来战士变身美人鱼 mermaidme人物变装为美人鱼赛博朋克 cyber赛博朋克风格变装埃及变装 egyptme古埃及风格变装毕业啦 graduation毕业季变装效果物理特效万物归尘 return2dust人物化作粒子消散飞走了 balloonfly人物像气球一样飞走被拽走了 dragme人物被无形力量拽走面对疾风 windonface强风吹拂面部特效膨胀 morphlab人物身体膨胀变形风格转换动漫视频 animelive真人照片转为动漫动态视频卡通视频 cartoonlive转为卡通风格动态3D手办风 3dfigure转为3D手办风格毛茸茸 fuzzy转为毛绒玩具风格
4.2 怎么用
在对话中告诉 WorkBuddy 你想做什么特效，上传对应的图片即可。比如：
帮我对这张照片应用"万物归尘"特效，让人物化作粒子消散
或者双人互动模板：
帮我把这两张人脸照片，用"拥抱"模板生成一个互动视频
生成的视频会自动下载到本地工作区，可以直接用于社交媒体发布。
爆款思路： 视频特效特别适合做"变装""变身"类的短视频内容，在小红书和视频号上很容易出爆款。一张人像照片 + "赛博朋克"模板，10秒出一条创意视频。
五、Prompt 进阶：5条原则写出高质量指令
AI 视频生成的质量，80% 取决于你的 Prompt。以下是 5 条核心原则。
原则一：明确镜头角度
"全身镜头，从头顶到脚尖"比"她在跳舞"效果好得多。镜头角度决定了画面的构图，是视频质量的基础。
常用镜头描述词：全身镜头、半身镜头、特写、俯拍、仰拍、侧面镜头、正面镜头。
原则二：描述动作细节
"俏皮地转圈跳跃，像蝴蝶一样轻盈"比"跳舞"更生动。AI 需要具体的动作描述才能生成自然的动态画面。
写动作时，想象你在给一个没看过这支舞的人描述——他需要知道手怎么动、脚怎么迈、身体怎么转。
原则三：加入环境描写
"窗外是洱海和苍山，阳光洒进来"能增强画面氛围。环境不仅决定了背景，还影响光影效果和整体调性。
写环境时，包含三个要素：地点（在哪里）、时间（什么光线下）、氛围（什么感觉）。
原则四：指定节奏和质感
加入"慢动作""电影感""纪录片风格"等关键词，可以让视频更有质感。这些词会影响 AI 对镜头运动速度和画面风格的判断。
常用质感词：慢动作、电影感、纪录片风格、清新自然、赛博朋克、复古胶片。
原则五：用否定描述避免Bug
AI 生成视频和图片时，最常见的 Bug 是多出肢体、面部异常。在 Prompt 结尾加上否定描述，可以大幅降低出错率：
- only TWO hands visible —— 限定手部数量
- anatomically correct hands —— 要求解剖学正确
- no extra limbs —— 禁止多余肢体
一句话总结： 好 Prompt = 镜头角度 + 动作细节 + 环境描写 + 节奏质感 + 否定描述。五要素齐全，出片质量上一个台阶。
六、省积分策略：把每一分钱花在刀刃上
视频生成消耗的积分是图片的 10-20 倍。如果不讲究策略，几条视频就能把积分烧完。以下是几条实战省积分策略。
策略一：先图后视频
这是最重要的一条。先用图片（5-10积分/张）验证画面效果，迭代到满意后，再用满意的图片生成视频（50-100积分/条）。避免直接文生视频，结果画面不对，积分白花。
策略二：低质量参数测试
调试 Prompt 时，先去掉"8k""ultra detailed"等高质量参数，用低质量快速生成测试效果。满意后再加上高质量参数正式生成。
策略三：固定模板批量生产
做系列内容时，第一张图的 Prompt 调试好之后，后续只需改场景描述，其他参数保持不变。这样不仅风格统一，还避免了重复试错的积分消耗。
策略四：善用"再来一张"
不满意就重新生成，不要将就。但重新生成前先想清楚为什么不满意，修改 Prompt 后再生成，而不是原样重刷。
策略五：合理规划使用频次
免费版有固定积分额度，高频批量制作高清视频会快速消耗积分。建议重度创作者合理规划每日生成数量，优先把积分用在最关键的视频上。
七、实战案例：30分钟做一条口播科普短视频
把前面说的所有能力串起来，做一个完整的实战演示。
目标： 做一条 60 秒的口播科普短视频，主题是"为什么早起并不适合所有人"。
第一步：让 WorkBuddy 写脚本（3分钟）
帮我写一条 60 秒的口播短视频脚本，主题：为什么早起并不适合所有人，要求：开头有悬念、中间有知识点、结尾有金句，语气轻松但专业，字数约 200 字
WorkBuddy 会生成一份结构完整的脚本，包含开头钩子、核心知识点和结尾金句。不满意可以让它改，满意后进入下一步。
第二步：生成配图（5分钟）
根据脚本内容，让 WorkBuddy 生成 4-6 张配图：
根据上面的脚本，帮我生成 5 张配图，统一使用清新扁平插画风格，灰蓝色调，每张图对应脚本的一个段落
每张图消耗约 5-10 积分，5 张图总计约 50 积分。图片十几秒就能出一张，快速迭代到满意。
第三步：生成视频片段（10分钟）
选择最关键的 1-2 张图，让它们动起来：
用第 3 张配图（闹钟和床的画面），生成一个短视频：闹钟在床头柜上震动，被子微微起伏，清晨微光透过窗帘，慢动作，竖屏
视频生成约 2-5 分钟，消耗约 50-100 积分/条。建议只对最关键的画面生成视频，其他用静态图配字幕即可。
第四步：合成成片（10分钟）
有两种合成方式：
方式一（适合新手）：用剪映手动合成
- 把配图拖进时间轴，每段配对应的口播文字
- 把动态视频片段叠加上去
- 加字幕、配背景音乐
- 导出成片
方式二（适合想省事的）：让 WorkBuddy 用 FFmpeg 批量合成
帮我把这些图片和视频合成一个 60 秒竖屏视频，每张图配对应音频，加底部字幕，保存到桌面
WorkBuddy 会生成 FFmpeg 命令，直接批量合成，不需要你手动剪辑。
最终效果
60 秒视频，5 个场景，有人物、有知识点、有转折、有金句。全程耗时约 30 分钟（含人工调整）。如果不追求完美，20 分钟就能出一条。
对比传统流程：选题 30 分钟 + 写脚本 1 小时 + 找素材 1 小时 + 剪辑 2 小时 = 至少 4.5 小时。效率提升接近 10 倍。
八、常见问题与避坑指南
Q1：生成的视频画面不对怎么办？
先检查 Prompt 是否足够具体。90% 的画面问题是 Prompt 太笼统导致的。加上镜头角度、动作细节、环境描写后再试。如果还是不对，先用图片生成验证画面，满意后再转视频。
Q2：视频里人物的手不正常怎么办？
这是 AI 生成的常见 Bug。在 Prompt 结尾加上否定描述："only TWO hands visible, anatomically correct hands, no extra limbs"。如果用的是图生视频，先确保源图片的手部正常。
Q3：视频生成失败或超时怎么办？
视频生成通常需要 2-5 分钟，如果超时可能是网络问题或服务繁忙。稍等片刻后重试即可。同一个请求最多重试 1 次，如果两次都失败，建议简化 Prompt 后再试。
Q4：文生视频和图生视频怎么选？
需要精确控制画面构图和人物外貌时，用图生视频（先图后视频）。需要快速生成创意画面、不在意细节时，用文生视频。日常推荐图生视频工作流，出片质量更稳定。
Q5：视频特效和视频生成有什么区别？
视频特效是基于预设模板的图片转视频，适合做变装、变身、互动等创意动效，效果可控但创意受模板限制。视频生成（文生/图生）是 AI 根据你的描述自由生成，创意空间更大但画面掌控度较低。两者互补使用效果最好。
Q6：生成的视频可以直接商用吗？
AI 生成的内容用于自媒体发布一般没有问题，但建议关注平台的最新政策。如果涉及商业广告等正式场景，建议人工审核后再使用，避免版权和合规风险。
— — —
写在最后
WorkBuddy 的 AI 视频制作能力，本质上不是"替代你做视频"，而是"把做视频的门槛降到地板上"。
以前做一条视频，你需要会写脚本、会拍摄、会剪辑、会配音——至少四项技能。现在你只需要会描述你想要什么，剩下的交给 AI。
但这不意味着"人人都能做出好视频"。差别在于：谁的 Prompt 写得更好、谁的工作流更高效、谁更懂得把 AI 生成的内容和人工判断结合起来。
工具是杠杆，但杠杆的另一头还得有人用力。
这篇教程里的每一个步骤、每一条 Prompt、每一个省积分策略，都是实际使用中验证过的。照着做，你今天就能做出第一条 AI 视频。
剩下的，就是练习。
本文为原创教程，转载请注明出处
