这次尝试不是从“我要研究 AI 视频工具”开始的，而是因为手里已经有 PPT 和配套演讲音频，不想再讲一遍，也不想重新手工剪一遍。刚好看到 Codex + HyperFrames 做视频的短视频后，我把任务丢给 Codex，让它从目录设计、素材整理、时间轴对齐、成片自检，一直推进到长视频切片和发布文案。
一、不是先想工具，而是先有一个卡住的场景
第一个任务的材料很具体：
- 一份已经设计好的 12 页 PPT；
- 一段 17 分 22 秒的演讲音频；
- 一份可以参考的讲稿或逐字稿。
主题是：
从拟人到治理：AI 陪伴的中美监管图景与企业全球化合规路径
如果人工剪辑，大致步骤是这样的：先把 PPT 导出成图片，再把演讲音频拖到剪辑软件里，然后一边听一边切页。听起来简单，但有几个麻烦点。
第一，我不想再讲一遍。内容已经在演讲音频里了，重新录制只是重复劳动。第二，PPT 本身就是主视觉。它不是背景素材，而是已经设计好的知识结构。视频流程不能随便加大字幕、加遮罩、加浮层，否则反而会破坏信息。第三，知识视频的错误很隐蔽。前几分钟正常，不代表 12 分钟以后不会跳页；文件有音轨，也不代表后半段没有静音。
这就是我打开 Codex 的原因。不是因为我突然想学一个新工具，而是这件事已经卡在那里了。我不是要它“帮我想一个视频创意”，而是要它接住一个具体生产任务：把已有材料组织起来，做成一条可检查的知识视频。
二、第一步不是建工程，而是把需求讲清楚
我先在 Codex 插件市场里安装了 HyperFrames by HeyGen。
这里要先说清楚一点：HyperFrames 不是剪映那样的可视化剪辑软件。它更像一个“用代码描述视频”的渲染工具。Codex 负责理解需求、生成工程、写脚本、运行检查；HyperFrames 负责把视频工程渲染成 MP4；FFmpeg 负责更底层的音视频处理和检查。但作为使用者，我一开始并不需要懂这些细节。真正要做的，是把任务讲清楚。
我给 Codex 的第一轮需求，大意是：
这里有一个我后来觉得很重要的点：我不是自己先设计好目录，再让 Codex 填空。是 Codex 先根据任务设计了项目结构，然后告诉我应该把素材放进去。
这正是 Codex 和普通聊天工具不一样的地方。它不是只给建议，而是会把任务落到项目文件夹里：哪里放原始素材，哪里放导出的 PPT 图片，哪里放中间稿，哪里放最终视频，哪里放检查结果。
对非技术用户来说，这一步其实很友好。你不需要先知道一个视频工程应该怎么组织，只要把需求说清楚，Codex 会先搭一个工作台。
三、Codex 先设计目录，这一步比我想象中重要
一开始我也觉得，做视频为什么要先管目录。后来才发现，这是这类任务和普通聊天最不一样的地方，也是整个流程能跑起来的关键。
如果素材都散在桌面上，PPT、音频、逐字稿、导出图片、视频版本混在一起，Codex 很容易不知道哪个是源文件、哪个是临时文件、哪个是最终结果。人工剪辑时我们靠记忆处理这些混乱，但 Codex 更适合在结构化目录里工作。
它设计目录，本质上是在做三件事：
- 区分输入和输出：哪些是原始素材，哪些是生成结果。
- 保留中间过程：转写稿、时间轴、预览图、检查报告都能留下。
- 方便复用：下一次换一份 PPT 和音频，仍然可以沿用同样结构。
所以这一轮里，我做的事很简单：按 Codex 的要求，把 PPT、音频、讲稿放进对应位置。Codex 做的事是读取素材、判断格式、设计下一步处理路径。这个分工比我想象中重要：人不用从工程细节开始，Codex 也不会在一堆混乱文件里盲猜。
四、第一个坑：它把 PPT 做得太像“短视频”了
第一版出来后，我很快发现一个问题：它有点太像短视频了。
画面上叠了大字字幕、重点词、底部字幕条。理论上这听起来没错，因为很多视频平台都这么做。但放到这份 PPT 上，效果很差。
这份 PPT 本身已经是完整设计稿，有标题、图表、卡片、底部说明和视觉层级。再叠一层字幕和浮层，信息就开始互相打架。
这时我做的事，不是自己去改工程，而是把观感问题反馈给 Codex：
Codex 做的事，是根据这个反馈调整视频策略：去掉字幕层、去掉浮层，让 PPT 全屏展示。
这一步让我很快意识到一个边界：
Codex 能执行和调整，但它不知道我这类内容的审美优先级，除非我说清楚。
也就是说，Codex 可以执行视频策略，但它不知道我这个内容应该克制到什么程度。这个判断必须由我给。
五、真正关键的不是生成画面，而是先把时间轴立住
PPT 视频真正难的地方，不是把图片放进视频里，而是“讲到哪里，画面就要到哪里”。如果演讲里已经开始讲“中国规则”，画面还停在“美国监管”，那这个视频就不能发布。
一开始曾经尝试过按总时长比例去拉伸时间轴。比如整段音频更长，就让每页 PPT 停留时间同比变长。这个办法看上去省事，但很快发现不可靠。
人的演讲不是匀速的。有些页会讲很多案例，有些页只是快速过渡。按比例拉伸，只是数学上整齐，内容上仍然会错位。
后来 Codex 使用本地 Whisper 先把演讲音频转成带时间戳的文本，再根据内容定位每一页开始讲述的位置。我做的事，是检查这些关键点是否符合实际内容；Codex 做的事，是把这些关键点整理成 PPT 时间轴，并把它写进视频工程。
例如最后的切换点大致是：
| PPT 页 | 开始时间 | 对齐依据 |
|---|---|---|
| 1 | 00:00:00 | 开场引入 |
| 2 | 00:01:09 | 个人体验和 AI 搭子 |
| 5 | 00:06:51 | 进入美国监管路径 |
| 10 | 00:12:53 | 进入中国规则 |
| 12 | 00:15:33 | 回到企业合规路径 |
这一步是从“生成视频”进入“组织视频生产”的分水岭。因为它不是直接给我一个黑盒成片，而是先生成一个我可以检查的中间产物：时间轴。
六、自检不是一开始就有，是被问题逼出来的
最开始我并没有要求 Codex 做复杂自检。那时候我的想法也很朴素：只要视频能生成出来，应该就差不多了。但后面连续踩了两个坑，才让我意识到，视频工作流必须把自检放进去。
第一个坑是 12 分钟以后画面跳错。有时像是停在旧页，有时像是跳到了不该出现的页面。
为了解决这个问题，Codex 帮我抽取了几个关键时间点的画面。这样我不用完整看完 17 分钟视频，也能快速确认重要节点是否正确。
我重点检查了：
- 12:52，应该还在美国监管图景；
- 12:53，应该切到中国规则；
- 14:00，应该进入中国规则重点；
- 15:33，应该进入企业合规路径。
第二个坑更隐蔽：12 分 20 秒以后没有声音。
这个问题如果只看文件属性，很容易漏掉。视频有音轨，时长也对，但后半段实际是静音。后来 Codex 用 FFmpeg 检查静音，才定位到是工程里残留了旧的音频时长。
这时我才把“音画自检”明确加入需求：
注意，这不是我一开始就设计好的“完美流程”。它是踩坑之后逐步长出来的。最终 Codex 抽出了成片关键帧，我再人工确认。
到这里，第一个场景才算真正跑通。
七、可复用流程不是我一开始想到的，是 Codex 复盘时提醒我的
第一个视频做完后，Codex 给了一个建议：既然这次流程已经跑通，可以把它沉淀成模板。这个建议对我很有启发。因为我一开始只是在解决一个视频问题，并没有想着以后复用。但 Codex 从项目结构和中间产物的角度看，会自然发现哪些部分可以固定：
- PPT 放哪里；
- 音频放哪里；
- 转写稿放哪里；
- 时间轴怎么生成；
- 预览怎么检查；
- 成片怎么自检；
- 最终文件怎么命名。
这也是 Codex 和普通工具有点不一样的地方。普通工具帮你完成一次操作；Codex 更容易在完成之后顺手提醒你：这件事可以变成下一次的流程。换句话说，它不只是执行者，也有一点项目助理的作用。
八、第二个场景是被第一个场景激活的：97 分钟对谈切片
第一个 PPT 视频跑通后，我本来已经准备收工。但这个流程让我突然想起之前还有一段 97 分钟的长对谈视频，一直想做切片。
那段视频主题是：
数据和 AI 合规的终局与重启
我知道里面有很多值得单独发的观点，但每次想到要完整看一遍、标时间点、切片、包装、写发布文案，就会自然往后拖。这次因为 Codex 已经帮我跑通了 PPT 视频流程，我就灵机一动：长视频切片是不是也能用类似方式？
这次我给 Codex 的需求不是“直接剪成短视频”，而是：
这里最关键的一句是“请先不要剪视频”。长视频切片最耗人的不是剪，而是判断哪里值得剪。如果一开始就让 Codex 机械切片，很容易得到一堆完成度很高、但没有传播价值的视频。
九、长视频里，Codex 先做的是“内容地图”
Codex 先根据逐字稿和本地转写，帮我把 97 分钟内容拆成若干段，形成一张内容地图。
它筛出的候选包括：
- 2026 年，企业会开始给 AI 算账；
- 法律工作里，哪些任务已经适合交给 AI；
- 出海合规为什么不能只看 GDPR；
- 跨境数据传输是不是企业自己能解决；
- AI 时代，法律人不能被替代的能力是什么；
- AI 不是趋势，而是一种新的工作条件。
这一步里，我做的是判断：哪些主题值得发，哪些适合首发，哪些可能太专业。Codex 做的是展开长内容、提炼候选、给出起止时间和标题建议。这就是 Codex 在这个场景里最适合做的部分：它可以快速把长内容摊开，但它不能替你判断账号定位、读者兴趣和内容风险。
十、先切预览版：不要一上来就包装
确认候选片段后，我让 Codex 先切无包装预览版。
我的要求是：
这一步的目的，是先确认内容本身是否成立。很多短视频不好看，不是因为包装不够，而是因为这段内容没有一个能独立成立的观点。先看预览，可以避免把时间浪费在错误片段上。预览版确认后，才进入真正接近短视频成品的阶段。
这也是后面我觉得最值得单独拿出来讲的一步：精彩快剪、标题卡和转场。
十一、从预览到可发布：精彩快剪、标题卡和转场不是装饰
长视频切片和 PPT 成片最大的不同，就在这里。PPT 成片的目标是稳：画面不要乱，音频不要断，页码不要错。但长视频切片如果只保留原画面原声，就很像从一场长谈里硬切出来的一段。内容可能是好的，但缺少进入感。尤其是在视频号、B 站这类场景里，观众不会先知道这段对谈为什么值得看，开头必须帮他建立入口。
所以预览版确认后，我让 Codex 加了三个东西：
- 开头的精彩快剪；
- 正式进入前的标题卡；
- 快剪、标题卡和正文之间的转场。
这一步听起来像“包装”，但实际不是为了花哨，而是解决三个问题。精彩快剪要告诉观众这条视频最值得听的判断是什么；标题卡要把这一条从长对谈里独立出来，让它变成一个有主题的小视频，而不是原视频的一段残片；转场则要让快剪、标题卡、正文之间的节奏自然一点，不要像几段素材硬拼在一起。
第一版增强很快暴露了问题。画面被压得太暗，开头快剪有些断句。后来我试过静音快剪，但又觉得不自然，像视频一开始坏了一下。
于是我用自然语言给 Codex 反馈。这段反馈其实很像给剪辑师提意见：
这一步让我感受到 Codex 的另一个价值：我不需要用剪辑软件术语描述所有技术细节，只要把观感问题说清楚，它就能把反馈落实到批量视频里。
比如第一条《2026，AI 要开始算账了》，开头不再随机截取，而是选了几句能代表本条观点的话：
- 企业会问：到底提效了几分？
- AI 不是能用就行；
- 它要进入真实实践。
十二、发布文案可以让 Codex 先出，但最后仍然要人判断
切片做出来以后，还差发布文案。这一步也很耗时间：推荐标题、备选标题、封面文案、视频号简介、B 站简介、YouTube 英文标题、中英文简介、标签。
我给 Codex 的需求是：
Codex 在这里很适合做初稿，因为它已经读过切片内容，也知道每条视频在讲什么。但我不会直接照用。标题是否过度夸张、法律表达是否准确、传播钩子是否符合账号气质，这些仍然要人来判断。
十三、这次最重要的分工：我做判断，Codex 做组织和执行
如果把整个过程拆开，其实人和 Codex 的分工很清楚。
| 阶段 | 我做什么 | Codex 做什么 | 为什么这样分工 |
|---|---|---|---|
| 场景提出 | 判断这个任务值得做 | 理解任务目标 | Codex 不知道我为什么要做这个视频 |
| 目录设计 | 按要求放入素材 | 设计项目结构 | Codex 更擅长把任务落到文件系统 |
| 视频策略 | 判断 PPT 应该原生优先 | 调整字幕、浮层、画面策略 | 审美和内容定位需要人判断 |
| 时间轴 | 检查关键切换点是否合理 | 转写音频、生成时间轴 | Codex 擅长处理机械对齐 |
| 问题反馈 | 指出哪里不对 | 修改工程、重新生成 | 人看观感，Codex 做执行 |
| 自检要求 | 决定哪些风险必须检查 | 抽帧、查静音、看音轨 | Codex 擅长重复检查 |
| 切片判断 | 决定哪些片段值得发 | 读长稿、提炼候选 | Codex 做粗筛，人做价值判断 |
| 发布文案 | 把关准确性和风格 | 批量生成初稿 | Codex 提供选项，人做最终选择 |
这张表也是我觉得这篇文章必须讲清楚的地方。
如果只说“Codex 帮我做了视频”，读者其实不知道该怎么开始。
但如果拆成这些阶段，就能看出来：Codex 不是一个神奇按钮，而是一个可以持续协作的工作台。你给它明确目标，它会拆任务；你给它素材，它会组织目录；你指出问题，它会修改；你要求检查，它会把检查变成流程。
十四、这套方法适合什么场景？
跑完这两轮以后，我觉得这套方法最适合的不是所有视频，而是结构化知识内容。
第一类是 PPT 驱动的课程、讲座、培训、政策解读、行业报告。
这类内容本身有清楚章节，PPT 是主视觉。只要把演讲音频和页面对齐，就能得到一条完整视频。
第二类是已经讲过一次、但还没有视频化的内容。
很多分享结束后，手里有 PPT、有录音、有文字稿，但没有整理成视频。过去这类材料容易被搁置，因为剪辑成本太高。
第三类是长直播、长访谈、长培训的切片。
这类内容最怕只存档。里面往往有很多观点可以单独传播，但人工看完和切片太费时间。Codex 适合先做内容地图，再帮助生成预览和增强版。
第四类是法律、合规、研究类内容。
这些内容不能只追求好看，还要能复核。时间轴、逐字稿、关键帧、自检结果都保留下来，会比完全依赖剪辑软件里的时间线更稳。
它不太适合高度依赖镜头语言、音乐节奏、情绪张力的商业短片。那些内容更需要导演式审美判断，Codex 可以辅助，但很难直接变成稳定流水线。
十五、如果你想照着用，可以从这条指令开始
最后给一个可以直接复用的起步指令。
如果你也有一份 PPT 和一段演讲音频，可以先这样对 Codex 说：
如果你要处理长视频切片，可以这样说：
这两段指令的核心不是“让 AI 干活”，而是先让 Codex 建立工作顺序。
这也是这次实验对我最大的启发。
我以前总以为视频生产难在剪辑本身。跑完这两轮以后，我反而觉得，真正难的是中间那些反复、琐碎、容易拖延、又必须有人认真处理的步骤：整理素材、建时间轴、看预览、改包装、查静音、写发布文案。
Codex 接住的正是这一段。
第一个 PPT 视频跑通以后，第二个 97 分钟对谈切片几乎是顺手发生的。
这说明一个好的工作流，不只是完成眼前任务，还会让你突然想到：
原来那些一直搁着的内容，也可以重新处理了。
这才是我觉得 Codex + HyperFrames 值得继续研究的原因。
说明：本文件为公众号渲染试稿，建议在浏览器中打开后复制渲染结果，再粘贴到公众号编辑器。