用 Codex 从参考视频自动生成剪映草稿：一套「抄爆款」自动化工作流

前言：为什么是「抄」而不是「造」

很多做短视频的人有个误区：以为好内容一定要从零原创。但实际上，流量密码早就被验证过了——爆款视频的结构、节奏、钩子都是经过市场检验的。

用 Codex 自动化剪辑的核心思路是：找一条爆款参考视频 → Codex 自动拆解镜头 → 从你的素材库匹配替换素材 → 自动生成配音和字幕 → 输出一份可以直接在剪映里打开的草稿。

整个过程不需要你手动拖素材、卡时间、对字幕，一条视频从拆解到草稿完成，熟练后大约 20–30 分钟，甚至可以用批量方式处理。

⚠️ 注意：这套工作流的定位是自动生产，适合电商带货、营销推广、混剪 Vlog 等需要大量结构化内容的场景。精细原创内容仍需要人工把控。

第一步：环境准备（30 分钟搞定）

必需工具清单

安装依赖包

pip install opencv-python numpy pillow
复制

配音工具（二选一）

• 豆包语音大模型（推荐）：字节跳动出品，和剪映同源的 AI 配音，费用约 4–8 毛/分钟，效果稳定
• VoxCPM：免费开源的声音克隆工具，适合需要克隆特定声音的场景

可以把这段提示词发给 Codex，让它帮你检查环境：

请帮我检查视频自动化剪辑需要的环境：
1. 检查 FFmpeg 是否已安装，如果没有请帮我安装
2. 检查 Python 版本是否 >= 3.8，如果没有请帮我安装或升级
3. 检查是否安装了剪映专业版，如果没有请告诉我下载链接
4. 安装 Python 依赖包：opencv-python, numpy, pillow
检查完之后，告诉我哪些已经装好了，哪些需要我手动处理。
复制

项目文件夹结构

project/
├── assets/          # 素材库（按类别分类存放）
│   ├── appearance/  # 外观展示
│   ├── function/    # 功能演示
│   └── scene/       # 使用场景
├── work/            # 每次剪辑的工作区（按日期创建子文件夹）
│   └── 2026-10-01/
├── final/           # 最终成品
└── AGENTS.md        # 项目配置文件
复制

💡 避坑提醒：所有文件夹名称统一使用英文和数字，不要出现中文路径，否则极易出现素材读取失败和黑屏报错。

第二步：拆解参考视频

找到你想参考的爆款视频，下载后放到 work/2026-10-01/ 文件夹里，命名用英文（如 reference_001.mp4）。

然后给 Codex 发送以下提示词：

我需要拆解一个参考视频。
参考视频位置在 reference_001.mp4

请帮我完成这几件事：
1. 用 FFmpeg 识别视频的镜头切换点（通过帧间差异分析）
2. 为每个镜头提取关键帧，保存为图片
3. 提取视频的音轨，单独保存
4. 生成一个 recipe.json 文件，记录每个镜头的开始时间、结束时间、时长、关键帧路径
5. 如有文案，根据音频生成一个配音文本，按镜头分段，文案需要精校，避免出错

完成后保存到 work/2026-10-01/，并告诉我识别了多少个镜头，让我确认切分是否合理。
复制

Codex 会执行 FFmpeg 命令进行镜头检测，并在对应文件夹输出： - 每个镜头的截图（frame_001.jpg、frame_002.jpg...） - recipe.json（镜头结构数据） - script.txt（提取的文案）

人工审核要点： - 镜头切换点是否准确（不要把一个完整镜头切成两段） - 文案是否有识别错误（OCR/ASR 准确率难以达到 100%） - 时长标注是否与画面吻合

第三步：素材匹配（核心环节）

这一步是整套工作流最有价值的地方。Codex 会自动遍历你的素材库，为每个镜头找到最合适的替换素材。

提示词模板：

我需要从素材库中匹配替换素材。
项目信息：
- recipe.json 路径：work/2026-10-01/recipe.json
- 素材库路径：assets/
- 输出路径：work/2026-10-01/

匹配要求：
1. 读取 recipe.json 中每个镜头的关键帧
2. 遍历素材库，为每个素材提取关键帧
3. 通过颜色、亮度、构图等视觉特征计算相似度，给出置信度得分
4. 应用这些规则：
   - 避免连续3个镜头都用同一个场景
   - 避免相邻镜头出现明显重复的房间或构图
5. 生成 fragment_plan.json 和 matches.json
6. 把选中的素材复制（不是移动）到 material/fragment01/、fragment02/ 等文件夹

重要原则：如果某个镜头的匹配置信度低于 0.6，标记为「缺素材」，不要用无关素材硬凑。

完成后告诉我匹配结果，并列出哪些镜头缺素材需要人工补充。
复制

匹配逻辑说明： - Codex 用 OpenCV 提取关键帧的 HSV 颜色分布和亮度直方图 - 计算余弦相似度，给出 0–1 的置信度得分 - 应用业务规则（避免单调重复）过滤低质量匹配

关键原则：宁可留空素材，也不要用无关素材硬凑。低置信度素材会让成片看起来像是机器生成的，一眼就能看穿。

第四步：生成配音

文案确认后，调用 TTS 接口生成配音：

我需要为视频生成配音。配音文本是 work/2026-10-01/script.txt

要求：
1. 调用豆包 TTS 接口，为每个镜头生成独立的语音文件
2. 读取每个生成的语音文件的实际时长
3. 如果配音时长和参考视频的镜头时长不一致，记录时长差异
4. 将所有片段拼接成完整的配音文件：final_voice.mp3
5. 更新 recipe.json，记录真实的配音时长

完成后，让我试听一遍，确认语音自然度和语速。
复制

配音生成后，Codex 会用真实音频时长调整视频节奏，确保音画同步。

第五步：生成剪映草稿

这是最复杂的一步。剪映草稿格式有严格要求，ID 冲突会导致草稿打开失败或覆盖已有内容。

我需要生成最终的视频和剪映草稿。
输入信息：
- recipe.json：work/2026-10-01/recipe.json
- matches.json：work/2026-10-01/matches.json
- 素材路径：work/2026-10-01/material/
- 配音文件（可选）：work/2026-10-01/final_voice.mp3
- 字幕文本（可选）：work/2026-10-01/script.txt

输出：
1. 渲染预览视频：work/2026-10-01/remix.mp4
2. 字幕文件：work/2026-10-01/captions.srt
3. 剪映草稿：work/2026-10-01/jianying_draft/

要求：
1. 按照 recipe.json 和 matches.json，把素材按顺序拼接
2. 如果有配音，用配音的时长作为基准；否则用参考视频的时长
3. 生成 .srt 格式的字幕文件
4. 生成剪映可以打开的草稿格式，注意：
   - 内容 ID、元数据 ID、根索引 ID 必须一致且唯一
   - 素材路径必须是绝对路径且文件真实存在
   - 所有素材先复制到项目文件夹，避免路径失效

直接生成剪映草稿，完成后提醒我审核和确认。
复制

审核清单： - [ ] 草稿能否正常打开 - [ ] 素材是否都能正常显示（无黑屏/缺文件） - [ ] 时间轴是否正确（镜头顺序和时长） - [ ] 字幕是否遮挡关键内容 - [ ] 配音和画面是否同步

进阶：封装成 Skill，实现一键复用

跑通整套流程后，让 Codex 把工作流封装成一个 Skill：

帮我把上面的剪辑工作流封装成一个 Skill。
保存路径：~/.codex/skills/auto-edit/
包含：SKILL.md（触发描述和步骤）、scripts/（Python 脚本）、references/（提示词模板）
复制

以后只需一句话就能启动整套流程，不再需要重复输入复杂的提示词。

效果对比

来源：数创共和《Codex AI 自动化剪辑从 0 到 1，无保留开源在抖音赚了 5W+ 的剪辑工作流》，今日头条，2026-07-06。本文已重新组织为结构化教程，操作路径以你本地 Codex 版本为准。

资料最后核对日期：2026-10-01 · 内容整理自 CodexGuide 社区公开教程