4 步做出 VOX 风格视频：Codex 工作流教材

学习交流 学 AI 视频和自动化工作流

想一起学 AI 视频、自动化工作流和实用工具，可以扫码加微信，我会把你拉进学习交流群。群里会不定期分享免费工具、安装包和实操案例。

API 中转 推荐中转站：跃云 yue-yun.com

做 Codex、Claude Code 或各类 Skill 时，如果需要稳定的模型 API，推荐使用跃云中转站。部分 Skill 调用的模型接口也可以走这里。注册或充值时填写优惠码 DC96236305AA3EA0，可获赠免费体验额度。

访问 yue-yun.com →

做知识类、自媒体口播视频时，最费时间的往往不是“想说什么”，而是分镜设计、统一画面风格、逐镜出片，以及最后把素材对齐口播节奏。

这期分享的是一套适合 VOX 风格报纸拼贴视频 的四步工作流：

1. 在 Codex 里用 vox-director 把口播拆成画面和分镜提示词
2. 用 GPT 生图能力生成统一风格的分镜图
3. 把分镜图丢进 Google Flow，用 Omni Flash 转成视频片段
4. 回到 Codex，用 ChatCut 自动对齐口播、字幕和节奏，剪成成片

这套工作流适合做什么

如果你追求的是：

• 撕纸、胶带、半调网点、报纸剪贴
• 大胆色块 + 大号标题
• 镜头运动清楚、信息图能看懂

那这套流程就很对口。

你需要准备什么

1. 工具清单

2. 账号与权限提醒

• Google Flow + Omni Flash 通常需要对应的 Google AI 订阅档位（以 Google 当前页面为准）。
• ChatCut 需要 ChatCut 账号，并在 Codex 桌面端完成插件安装与登录。
• 若你走官方 vox-director 全自动路线，还需要 Atlas Cloud API Key；本文主推的是“半自动四步法”，不一定强依赖 Atlas。

安装：vox-director 和 ChatCut

安装 vox-director（Codex）

开源地址：

https://github.com/Alisa0808/vox-director

在终端执行：

# macOS / Linux
git clone https://github.com/Alisa0808/vox-director.git ~/.codex/skills/vox-director

Windows PowerShell 可用：

git clone https://github.com/Alisa0808/vox-director.git "$env:USERPROFILE\.codex\skills\vox-director"

装好后重启 Codex 或新建任务。确认目录里至少有：

• SKILL.md / SKILL.zh.md
• AGENTS.md
• references/
• scripts/

安装 ChatCut（在 Codex 里用）

官方安装入口：

• 说明页：https://chatcut.io/chatgpt-plugin
• 插件仓库：https://github.com/ChatCut-Inc/agent-plugin

最省事的方法（推荐）：

1. 打开 ChatGPT / Codex 桌面端（不要只在网页端装，网页端装不上本地插件）。
2. 新建对话，直接发送：

阅读 chatcut.io/chatgpt ，帮我安装 ChatCut 插件并创建一个新任务。

1. 按提示完成浏览器登录授权。
2. 安装成功后，一定要换到新对话再开始剪辑（安装对话里往往还读不到新插件工具）。

也可以让 Codex 用官方插件市场命令安装（由桌面端自带的 Codex CLI 执行）：

# 添加 ChatCut 插件市场
codex plugin marketplace add https://github.com/ChatCut-Inc/agent-plugin.git --ref main

# 查看市场名称
codex plugin marketplace list

# 安装插件（把 <MARKETPLACE> 换成上一步看到的名称）
codex plugin add chatcut@<MARKETPLACE>

# 登录授权
codex mcp login chatcut

安装完成后可以验证：

codex mcp get chatcut --json

ChatCut 装好后，常见用途包括：导入素材、改时间线、加字幕、清理口播、补 B-roll、做 MG、导出视频。

这期会用到的模型

如果你走官方 vox-director 全自动流水线，仓库当前默认组合是：

四步工作流（跟着做）

第 1 步：用 vox-director 拆分镜

在 Codex 里新建任务，把口播稿或选题丢给它。可以说：

使用 vox-director，帮我把下面这段口播做成 VOX 报纸拼贴风格视频方案。
要求：
1. 先给分镜表（每段旁白、画面描述、标题字、运镜、元素运动）
2. 先不要直接生图、也不要直接生成视频
3. 画幅用 9:16，总时长大约 45–60 秒
4. 风格偏信息图 + 撕纸拼贴，适合抖音/视频号

口播稿：
（把你的口播全文贴在这里）

你要重点检查三件事：

1. 第一段是不是钩子（3 秒内能抓住人）
2. 每段是不是够短（常见建议：大约 4–6 秒切一次画面）
3. 相邻镜头运镜是否重复（不要连续两镜都推近）

确认分镜后，再让 Codex 输出两套提示词：

• 每镜的 生图提示词（拼贴海报）
• 每镜的 图生视频提示词（镜头运动 + 元素运动）

第 2 步：在 Codex 里生成统一风格分镜图

分镜确认后，继续在同一个项目里让 Codex 生图：

分镜已经确认。
请按统一 VOX 拼贴风格，为每一镜生成分镜图。
要求：
1. 所有镜头色板、撕纸质感、字体风格保持一致
2. 标题字尽量烧进画面（尤其是建立镜头）
3. 输出文件命名按镜头编号，例如 shot-01.png、shot-02.png
4. 先生成前 2 张给我看风格，确认后再批量生成剩余镜头

实操建议：

• 先出 1–2 张“风格样片”，再批量，避免整套返工。
• 拼贴基因必须长在图里：撕边、胶带、半调、报纸底、大色块。图弱了，后面 Flow 再怎么动也救不回来。
• 同一条视频里，尽量固定画幅（9:16 或 16:9），不要中途混画幅。

第 3 步：把分镜图丢进 Google Flow，用 Omni Flash 转视频

1. 打开 Google Flow
2. 选择 Gemini Omni Flash
3. 上传第 2 步的分镜图
4. 粘贴该镜对应的“图生视频提示词”
5. 逐镜生成，下载全部片段

提示词可以长这样：

Animate this paper-collage poster. Keep the collage look intact.
Camera: slow push-in.
Element motion: newspaper clippings shift slightly, chart bars rise, torn paper edges flutter.
No morphing text, keep Chinese titles readable, 2D editorial motion.

下载时建议：

• 文件名和镜头编号对齐：shot-01.mp4、shot-02.mp4
• 单独建一个项目文件夹：口播.wav/mp3、分镜图/、视频片段/、字幕.srt

第 4 步：回到 Codex，用 ChatCut 自动剪辑合并

确保 ChatCut 已安装并登录，然后新建对话（不要继续装插件的那个旧对话），把素材路径和目标发给它：

请用 ChatCut 帮我剪这条 VOX 风格视频。

素材：
- 口播音频：/path/to/voice.wav
- 视频片段目录：/path/to/clips/  （shot-01.mp4 到 shot-12.mp4）
- 口播文稿 / 字幕：/path/to/script.txt

剪辑要求：
1. 按口播节奏对齐每个片段
2. 自动加中文字幕，风格干净可读
3. 片段之间用轻快切，不要花哨转场
4. 保留信息图文字可读性
5. 先给我剪辑方案和时间线说明，确认后再导出成片

ChatCut 适合补这些事：

• 口播停顿清理
• 字幕
• 片段顺序与时长对齐
• 背景音乐音量压低（ducking）
• 简单包装和导出

如果它打开了可编辑时间线，你也可以随时进 ChatCut 界面手调：字幕位置、某一镜多留 0.5 秒、BGM 音量等。

一条可直接复制的“总提示词”

你也可以把四步压缩成一次下达（仍然建议在关键节点人工确认）：

我要用 Codex 做一条 VOX 报纸拼贴风格短视频。
流程固定为 4 步：

1) 用 vox-director 根据口播生成分镜表 + 生图提示词 + 图生视频提示词
2) 用 GPT 生图生成统一风格分镜图
3) 我会把图拿到 Google Flow，用 Omni Flash 逐镜转视频
4) 视频片段下载后，你用 ChatCut 按口播对齐字幕和节奏，导出成片

请从第 1 步开始，先只输出分镜方案给我确认，不要直接生图。

口播稿：
（粘贴全文）

常见问题与避坑

1. 为什么画面像“会动的 PPT”，不像 VOX？
多半是生图阶段拼贴不够。回去加强：撕纸边、胶带、半调、报纸剪报、大标题字，而不是只写“信息图风格”。

2. 为什么 Omni Flash 出片后字糊了？
图生视频时提示词要明确“标题文字保持清晰、不变形、不融化”。建立镜头尽量少剧烈旋转。

3. ChatCut 装了却调不动？
确认三点：是否在桌面端安装、是否 mcp login chatcut 成功、是否已经新建对话再剪辑。

4. 必须用 Atlas Cloud 吗？
不一定。官方 skill 全自动路径依赖 Atlas Cloud；本文这套“Codex 拆分镜 + GPT 生图 + Google Flow + ChatCut”更适合日常手动可控出片。

5. 口播很长怎么办？
先把口播压到 45–90 秒版本再拆分镜。镜头太多会拖垮统一风格和后期对齐。

最小可行练习（30 分钟）

1. 写一段 20–30 秒口播（只讲 1 个观点）。
2. 让 vox-director 拆成 4–6 个镜头。
3. 生 4–6 张统一风格分镜图。
4. 在 Flow 里用 Omni Flash 各转 1 段视频。
5. 用 ChatCut 合并 + 加字幕导出。

跑通一次后，再做 60 秒完整内容会轻松很多。

资料来源

• vox-director 开源仓库
• vox-director 中文说明
• ChatCut ChatGPT/Codex 插件安装说明
• ChatCut Agent Plugin 仓库
• Introducing Gemini Omni
• Google Flow 官方入口
• Gemini Omni 模型页