我做 AI 自媒体，一条知识视频到底是怎么做出来的？
今天给大家分享下，我做 AI 自媒体知识视频的一些经验和技巧。
我平时做一条 AI 知识视频，成片一般只有几分钟，但前面要做的事情其实不少。选题、查资料、写稿、做演示页面、录屏，最后再把这些东西剪到一起。
我之前做过一期《为什么 AI 越用越蠢》，为了讲清楚上下文窗口是怎么回事，我把整期内容拆成了 11 个演示页面。
里面最麻烦的，反而是看起来最简单的几页动画：6 个格子怎么填满，第 7 条消息怎么把前面的内容挤出去，都得跟口播一一对上。
这篇我就把平时做知识视频的流程拆开讲讲，也拿其中最费时间的一小段做了次测试，看看现在的 AI 到底能不能帮我把这部分工作接过去。
这是我从原视频里抽出来的 33.8 秒机制段。它不是一条完整节目，而是一个单独拿出来也能看懂的知识单元。
1️⃣ 我平时怎么做一条 AI 知识视频
我做 AI 自媒体，平时做一条知识视频，大致会走完这些环节：
资料查证和选题方向 → 阿Lin腔口播稿 → PPT / HTML 演示画面 → 真人口播录屏 → 操作片段 → 后期剪辑
选题阶段，我会先确认这个东西值不值得讲，有没有新的信息，以及普通人看完能不能真的用上。
写稿也不是把资料直接交给 AI 改写。
事实要先查清楚。专业词要翻译成人话。稿子写完以后，还得自己念一遍，哪里拗口就继续改。
到了画面，我通常会把抽象概念拆成 PPT 或 HTML 页面。屏幕负责展示结构、数据和对比，我负责把其中的因果关系讲清楚。
如果涉及网页或软件操作，再单独录一段真实操作。最后把真人口播、演示页面和操作片段放进剪辑软件里组合。
2️⃣ 写稿已经很快了，真正麻烦的是把知识画出来
知识视频和普通素材混剪不太一样。
讲一个产品，可以放界面和操作。
讲一个抽象概念，画面就没那么好找了。
比如我之前做过一期视频，题目叫《为什么 AI 越用越蠢》。
这期讲的不是某个具体软件，也没有现成界面可以直接录。它讲的是上下文窗口、历史消息被挤出、重要要求被噪音淹没。
这些概念没法直接录出来，只能自己设计画面。
为了让普通人听懂，我最后把整期内容拆成了 11 个演示页面。
其中最关键的三页，是这样设计的：
- 用 6 个格子表示 AI 一次能看到的内容
- 第 7 条消息进来，把最早的信息挤出去或压缩
- 最早的「请全程用中文回答」消失，AI 开始冒出英文
我当时就是用这三页，来解释上下文窗口是怎么被填满的。
这里的「6 个格子」只是个比喻，不是说 AI 真的只有 6 个格子。
它想说明的是：对话越来越长以后，AI 能看到的历史可能不再完整。你最早交代过的要求，也可能慢慢离开它当前能看到的范围。
这类画面最费时间。
因为它既要动，还得讲对。格子什么时候填满，第 7 条怎么进入，最早的要求怎么消失，都要跟口播一一对应。
于是我想试一个更具体的问题：
如果我已经有查证过的口播稿和画面逻辑，AI 能不能直接把最难做的这一段动画做出来？
3️⃣ 我没有让它做完整视频，只挑了最难的 30 多秒
原视频大约 6 到 7 分钟。
我没有打算把整条视频全部交给 AI。
开场、个人介绍、使用建议和结尾，用真人口播加演示页面更合适。真正需要测试的，是中间那段解释机制的 MG 动画。
所以这次只取原稿中的一个完整片段：
为了方便理解，假设 AI 一次只能看到 6 格内容。当第 7 条消息进来，最早的内容可能被挤出去，也可能被压缩成一段摘要。所以 AI 不一定变笨了。它可能只是看不到你前面说过的话。
我把这段做成了一条 30 到 40 秒的微型知识视频。
问题、解释和结论都得完整，单独拿出来也能看懂。
4️⃣ 把真实口播稿交给视频 Agent
这次用的工具叫 Fotor Video Agent。
按照官方给出的产品信息，它也是市面上少有支持生成 4K 高清 MG 动画的制作工具之一。
我没有只丢给它一句「做一个 AI 越用越蠢的视频」，让它自己编内容。
知识视频最怕一本正经地讲错。所以我把已经查证过的口播片段、画面逻辑和限制条件一起交给了它。
要求写得比较具体：
- 16:9 横屏
- 总时长控制在 30 到 40 秒
- 中文 MG 科普动画
- 用格子表示 AI 当前能看到的内容
- 明确写出「6 格只是帮助理解的假设」
- 第 7 条进入以后，同时表现「挤出旧内容」和「压缩成摘要」
- 最后一幕用「请全程用中文回答」被挤出，证明要求为什么会失效
这次输入里，我把口播原文、四幕结构、必须出现的画面、画幅和导出规格都一次说清楚了。
我原本按四幕来设计：
- AI 为什么越聊越笨
- 6 个格子逐渐装满
- 第 7 条进入，旧内容被挤出或压缩
- 中文要求消失，AI 回答开始跑偏
我原本只给了它四幕结构，它最后自动拆成了 8 个场景，还把旁白、字幕和时间线一起排好了。
整体逻辑没有跑偏，只是几处屏幕文字太长，我又手动压短了两句。
最终成片是 33.8 秒，16:9，1080P，30fps。时间线里包含 8 个 MG 场景、4 段 Pearl 中文女声旁白、17 条可编辑字幕和一条裁到同等长度的轻科技背景音乐。
分镜表负责检查它有没有理解错，时间线则能看出这不是一段整体焊死的视频。每个 MG 场景、字幕、旁白和 BGM 都有独立轨道。
5️⃣ 生成只是第一步，我更关心它能不能改
知识视频很少一遍就定稿。
有时候是一个词太专业。
有时候是数字更新了。
也可能只是做完以后才发现，这句话放在画面里太长，观众来不及看完。
成片出来以后，我又做了两次修改。
第一次，我直接进 MG 元素编辑，选中了第七幕的一段说明文字。
原文是：
当对话超过 AI 的记忆窗口时，最早的指令会被挤出视野。
我把它压短为：
对话超过记忆窗口后，最早的指令会被挤出视野。
选中文字以后，右侧能直接改文本、字号、字重、行高、对齐和位置。这次修改在画布里即时生效，不需要重新生成整段动画，也没有改动其他场景或消耗新积分。
第二次，我试着用自然语言改其中一幕。
我选中第七幕，只让它改警告条，其他画面、时长、配色和音乐都不要动。具体指令是：
只修改当前第七幕：把「指令已被挤出上下文」的警告条改成橙红色，并增加轻微闪烁强调。其他元素、文字、时长、配色、字幕、旁白和音乐全部保持不变。
修改完成后，第七幕的警告条变成了橙红色，并增加了轻微闪烁。
其他 7 个场景、字幕、旁白和音乐都没有改动。它只更新了我选中的这一幕，没有把整条视频重新生成一遍。
我最关心的其实就是这里：它到底能不能改。
成片能出来，只能算拿到了素材。后面还能继续改，它才真正能接进我的制作流程。
6️⃣ 它在我的工作流里负责哪一段
这次做出来的动画能用，但我不会让一个工具包办整条视频。
资料查证、口播取舍和最终判断，还是要由我负责。
真人口播不会取消。需要证明软件行为的地方，也依然会使用真实操作录屏。
Fotor Video Agent 对应的是中间这一段：
查证过的口播稿 → 知识点可视化 → 可编辑 MG 动画 → 进入最终剪辑
对我来说，它只要能缩短拆页面、排元素和做动画的时间，同时还留得下修改空间，就够了。
至于到底能省多少时间，我现在还没有一个靠谱数字。等后面再多做几个同类片段，才比较得出来。
7️⃣ 最后
我现在用 AI 做视频，已经不太在意某个工具能不能「一键包办全部」。
这次测完，Fotor Video Agent 在我流程里的位置很清楚：把已经写好的口播和画面逻辑，先做成一段带分镜、旁白、字幕和音乐的 MG 初版。
普通文字可以直接改，某一幕的画面也可以单独调整，不用把整条视频重新做一遍。
所以我会把它放在「知识点可视化」这一环。内容对不对，最后怎么剪，还是我自己来。
如果你也想拿自己的文章试一下，可以从这里进入：
。
