人生副本系列特火，很解压，有人用它一个视频涨粉 100w，可以带货、带广告、教徒赚钱，很适合大家做副业。

你可能刷到过这类视频：一张张电影质感的插画，配着低沉的旁白，今天你要体验的人生副本是，在县城躺平的一生；体验 30 岁被裁员的第 100 天。一条 8 分钟的视频讲完一个人的人生。

节奏舒缓、画面治愈、故事扎心，评论区全是看哭了、这就是我。

人生副本赛道在抖音非常火，起号也很简单，看到一个剧本人生的博主，解读自己的人生，爆火涨粉 50w+， 于是我进行了拆解，现在成品来了，8分钟，生成了102张图，总共用时6个小时搞完，全程codex进行，我只做指挥，大概流程这样： 1、输入主题，codex给你主题方向，你来选

开源我月入10w+的Codex的使用方法（超详细教学）

Codex 这种东西，直觉告诉你应该是程序员用的。但最先玩转它的那批人，是产品经理、运营、自媒体博主、大学生、个体户老板——没几个会写代码的。 因为程序员用它，是从 80 分到 95 分。你不会写代码，是从 0 分直接到…

它就是当下短视频里最稳的解压赛道之一：第二人称人生体验叙事。而它的生产，已经从手工剪辑一周一条，进化成了 AI 流水线一天一条。

我用 codex，用了 8h，做了 102 张图，制作了这个视频，你先看看。

然后，我把这套完整的流水线拆给你看，从选题到发布，每一步干什么、用什么模型、为什么这么干，一次讲透。学完你自己就能搭一条。

先说清楚：这类视频到底长什么样

在讲流程之前，先给这类视频定个标准长相，后面每一步都围着它转：

  • 第二人称叙事：你是主角，你体验一段人生。这是它和普通故事最大的区别，也是代入感的来源。
  • 一句旁白，一张图：每句话对应一幅插画，镜头缓缓推近，配上低沉人声，节奏解压。
  • 固定片头：外卖员、代驾、货车司机、白领、老板、医生、教师、工人的暗色人生轮播，最后定格超大主题字，一眼就能认出这个栏目。
  • 横屏长视频：4:3 画幅、8～10 分钟，像一部微型纪录片。平台对长视频的完播权重很友好。
  • 固定画风：正常人头、自然五官的二维电影化插画。不是 AI 味很重的网红脸，更像动画电影分镜。

记住这五点，后面每一步都是为了让它们成立。

准备清单

开工前，把这几样东西备齐：

\1. 一个能跑多 Agent 流水线的 AI 工具。 这套流程的核心不是让 AI 画一张图，而是让 AI 像工厂一样并行生产：剧本、分镜、生图、配音、渲染五个分支同时跑，互不阻塞。所以你需要的是支持多智能体协作、能调用生图、语音合成和渲染工具的 Agent 环境，而不是单个聊天窗口。

\2. 火山引擎语音合成服务。 声音是这类视频的灵魂。需要开通火山引擎的语音合成能力，20000 字免费，可以白嫖。用它的克隆音色做旁白，语速平缓、压低声线，就是人生副本那个味。

\3. FFmpeg 加剪映。 FFmpeg 负责把一张张静图渲染成缓缓推近不抖动的镜头，再拼接成片；剪映用来出可编辑草稿，方便你发布前微调字幕、换音乐。

\4. 一套固定素材包。 包括片头的人生轮播图、齿轮机械音效、主题卡入场重鼓音效。这套素材固定复用，不用每期重做，它就是你的栏目包装。

备齐这四样，就可以开工了。下面进入正题。

详细步骤：一条视频的生产流水线

在进入具体步骤之前，先理解这套流水线的核心逻辑。

一条 8 分钟的人生副本视频，102 句旁白、102 张正文图。如果串行跑，每张图生图加质检平均 90 秒，102 张就是 153 分钟，两个半小时纯等 AI 画图。102 句 TTS 每句合成 5 秒，一句等完再下一句，又是 8.5 分钟。102 个镜头渲染每个 15 秒，一个接一个压，再加 25 分钟。

光这三项加起来就超过 3 小时。还没算剧本写作、质检、视觉设计的时间。更没算一张图生成失败，你发现后重新排队，再等一轮的时间。而且这三小时里你什么都不能干，只能盯着进度条。

反正我用了8 小时 才等完一条视频，黄花菜都凉了。批量做号根本不可能。

这就是为什么必须并行。不是锦上添花，是不并行这套流水线根本没法量产。

理解了时间压力，再看流水线的结构。套路很简单，前期只设两个人工决策点，确认主题，确认剧本。剧本一旦锁定，后面不再一步一问，而是按依赖关系同时开工。

这张图只看一个关键，箭头表示依赖，不表示所有任务都要排队。

下面，按八个步骤拆开每条产线具体干什么。

第一步：选题，让主模型出 6 个候选再打分

别拍脑袋定主题。第一步是让主控大模型生成 6 个候选人生方向，每个方向从 7 个维度打分：

  • 代入感：普通人有没有共鸣，被裁员、相亲失败就比登月强。
  • 冲突感：故事有没有张力。
  • 延展性：能不能撑起 8～10 分钟的体量。
  • 画面可生成性：场景容不容易画出好图。
  • 事实风险：涉及健康、法律、金钱、职业的数字有没有可靠来源。
  • 平台风险：会不会踩平台红线。
  • 原创风险：跟爆款重复度高不高。

这一步跑在你的主控大模型上，Claude 和 GPT这类对话大模型都能干，一次生成六个方向，自动按上面七个维度打分，选最高分，并列时选原创风险更低的。这一步的本质，是把什么选题能火从玄学变成评分制。

好主题的判断标准很简单：前 15 秒必须兑现题目。标题写体验在县城躺平的一生，开头第一句就是今天你要体验的人生副本是，在县城躺平的一生，然后立刻进入人生体验，不铺垫、不预告。

第二步：写第二人称剧本，一句旁白一张图

这是整个流程里最值钱的一步，也是内容质量的分水岭。

剧本有硬性结构：

  • 首句固定：今天你要体验的人生副本是，加上本期主题。第二句直接进人生，不写教程式预告。
  • 先列 8～10 个剧情节拍，再扩写成完整剧本。剧情节拍是故事的大节点，比如童年、高考、第一份工作、失业、中年、晚年，不是句子数量。
  • 事件驱动节奏：每 30～60 秒必须发生一次事件、关系、场景或认知变化。长视频最怕平，这条规则就是防平。
  • 三种故事机制，至少选一种打底：
  • 欲望兑现：一个属性比如有钱，在日常、浪漫、喜剧、危机里给出不同价值，结尾回到感官锚点。
  • 关系升温：注意、记住、照顾、接触、确认逐级发生，每一级升温都要有行动证据，不能光靠台词。
  • 社会痛感：一个小问题比如讨好型人格，逐渐损害身体、社交、关系，结尾保留不可追回的代价。
  • 一句一图：以句号、问号、感叹号为界拆句，每句话对应一张图。抽象旁白必须转换成能看见的动作和结果，你的安全感在这一刻彻底崩塌这种句子不合格，要改成女生独自坐在玄关地面，手机停留在未接来电页面，门外母亲持续敲门，她双手抱膝、脸色发白才算合格。

剧本同样是主控大模型来写，这一步建议用推理能力更强的模型，Claude 的 Opus 档或者 GPT都能胜任，把上面的结构要求喂进去，让它先列剧情阶段再扩写全文。

主题确认后再写剧本，剧本写完停下来做第二次确认。剧本一旦点头，后面才会启动全部生产，就很难掉头， 这一步非常重要。

第三步：内容质检，让主模型先过四道安检

剧本定稿后，先别急着画图。并行跑一轮内容质检，查四件事：

  1. 事实：健康、法律、金钱、职业的数字有没有可靠来源？无法核实的数字直接删掉，不编看起来真实的数据。
  2. 原创：参考爆款只学结构，不复用对方的事件组合、金句、人物关系顺序、分镜顺序。
  3. 第二人称与口语可读性：通篇都是你，念出来顺不顺。
  4. 平台风险：有没有违规内容。

这一步还是主控大模型来审，同一套模型既能写也能审，把质检清单发给它，让它逐项过一遍，输出问题清单。质检发现问题只改剧本本身，改完剧本后面所有产物作废重做，所以质检要在生产之前做，越早发现问题越省钱。

第四步：视觉设计，给角色发身份证

这一步解决 AI 视频最大的痛点：角色连续性。AI 画图最大的毛病是同一个人三张脸，这套流程用三层机制锁死：

  1. 角色身份证：每个长期角色固定编号、性别、年龄阶段、脸型、眉眼鼻嘴比例、发型、体型、一个稳定识别点、按场景编号的服装。性别是跨全片硬锁定字段，从婴儿到老年都不能变。
  2. 场景表加视觉圣经：所有场景、时间、光线、服装、道具登记在案，统一画风。
  3. 连续性状态：同一场景连续镜头继承时间光线、服装发型、人物左右位置、房间布局、道具数量和位置。只有剧本明确发生变更时才改。

同时把剧本拆成的一句一图单元扩展成完整分镜：每个镜头确定景别、机位、情绪、动效和转场。动效只允许缓缓推近这类确定性轻运动，转场默认硬切，只有情绪连续的镜头才用 0.12 秒短叠化，这就是人生副本那种安静、电影感的来源。

角色身份证、场景表、视觉圣经和分镜，全部由主控大模型生成，再配合格式校验脚本检查有没有漏镜头、句子有没有被改动。这里不需要专门的设计模型，主控模型加上一套规范就能把人物一致性锁住。

第五步：配音，用克隆音色念剧本

配音和视觉设计互不依赖，可以同时跑。这里用火山引擎的语音合成服务，用克隆音色合成逐句音频，几个请求并行跑，再按剧本顺序拼回一条完整的旁白。

这一步用的是火山引擎的大模型语音合成，资源是克隆音色 seed-icl-2.0，音色号 xxx，24k 采样率，语速保持默认不调速。关键细节是：

  • 语速要压住，别为了凑时长偷偷提速，解压感一大半来自慢。
  • 用每句音频的真实时长建立时间轴和字幕，不用字数估算，估算出来的字幕必然对不上嘴。
  • 字幕白字粗体黑描边，底部居中，一句旁白对应一个字幕段；遇到逗号就换行，逗号本身不显示，任何一行都不出现逗号。

第六步：批量生图，三队列并行出图

视觉圣经完成后，正式进入生图阶段。流程是先锚点后正文：

  1. 先生成角色母图和场景基准图，这是锚点，后面所有正文图都要引用它们，保证同一张脸。
  2. 某镜头的角色和场景锚点一通过，立刻释放该镜头，不等全部母图。
  3. 所有正文图逐张独立生成，但按风险分成三条队列并行跑：
  • 高风险队列：手部、手机、工具接触、多人肢体重叠、身份关键镜头。必须全分辨率检查，手要能追溯到手腕前臂、手机屏幕方向合理、筷子烟卷真实接触不穿掌，画坏了直接重画，别替模型解释。
  • 角色队列：普通人物镜头，重点查脸型、年龄、发型、服装、左右位置。
  • 环境队列：空镜、道路、建筑、房间，重点查场景结构、时间、光线。
  1. 每张图失败最多重试三次，不阻塞其他队列；全部完成后校验每个镜头恰好一张图，漏图不许交片。

生图走你 Agent 内置的生图模型，每张图都是一次独立调用，坚决不用九宫格拆图或者批量接口。实际生产里 GPT 系列生图模型和火山引擎的 Seedream 这类绘图模型都可以替换，只要支持逐张独立调用、能把角色母图喂进去保持同一张脸就行。

统一画风关键词可以抄作业：

正常人头与自然人脸比例、真实发型、二维插画感不写真摄影、环境细节丰富的电影化生活插画、人物与场景光影统一、干净细腻线稿、柔和赛璐璐上色、画面内无任何文字水印。负面提示词重点排除：真人摄影、3D 渲染、塑料皮肤、Q 版大头、多余手指、手部畸形、肢体融合、乱码文字水印。

第七步：片头加渲染，把静图变成会呼吸的视频

图、音、时间轴齐了，进入渲染：

  • 固定片头：6 张暗色人生素材按非等距节奏切换，齿轮机械声推进，主题卡切入前 87 毫秒一记重鼓，定格下三分之一处超大红白斜体主题字。这套片头固定复用，就是你的栏目招牌。
  • 正文动效：所有镜头只做中心锁定的平滑推近，图片中心不动，从 1.00 平滑放大到 1.04，近景 1.06，用平滑曲线匀速推进。禁止左右横移、禁止缩小、禁止随机抖动、禁止呼吸回弹、禁止黑边。这就是人生副本安静治愈感的技术来源：画面几乎不动，只有极其克制的推近。
  • 并行渲染：几个渲染进程同时渲染单镜头，最后按顺序无损拼接，绝不能按完成先后拼。
  • 同步生成剪映草稿：成片之外，同步导出一份可编辑的剪映工程，方便你发布前换背景音乐、调字幕、剪节奏。

这一步没有 AI 模型，跑的是 FFmpeg 渲染引擎，它负责把一张张静图按时间轴做缩放推近，再拼成 H.264 格式的成片；剪映草稿由脚本按同一时间轴生成。模型管创意，渲染管把创意变成能发布的视频，两边各干各的。

第八步：交付验收，发布

成片前做最后一轮验收：剧本完整、每张图都有对应配音时间段、片头覆盖首句、正文无黑边无抖动、时长对得上、无超长静音。验收过了，这条视频就是成品。

验收由主控大模型逐项核对成片参数，再抽帧检查画面。发布建议：一条成品同步发抖音、B 站、小红书、视频号四个平台，同一素材成本几乎为零，收益面却翻了四倍。

结尾

人生副本系列的护城河不在画质，在流水线：选题评分制、第二人称剧本、一句一图、角色身份证、并行生产、固定片头，每一个环节都是可复制、可优化的标准动作。

把这套流程跑通，你一天能产出一条 8 分钟成片。