Codex 一人做完短视频

五个项目里有四个都要 FFmpeg，三个要 Node.js，两个要 Python。先一次装齐，后面能省很多事。

# 检查是否已具备（有版本号输出就算过）
node --version      # 需要 18 及以上
python3 --version   # 需要 3.10 及以上
ffmpeg -version

# macOS 一次装齐
brew install node python ffmpeg

# Ubuntu / WSL2
sudo apt update && sudo apt install -y nodejs npm python3 python3-venv ffmpeg

它不是剪辑软件，而是”用代码描述视频”的渲染框架。安装其实是给 Agent 装一组技能，装完在对话里直接说要什么片子。

# 给编程 Agent 装 HyperFrames 技能（推荐加 --full-depth 拿最新版）
npx skills add heygen-com/hyperframes --full-depth

# 非交互环境（脚本 / CI）用这条，只装核心技能集
npx hyperframes skills update

装好后，在 Codex 里直接下指令，例如：

用 /hyperframes 做一条 10 秒的产品介绍视频：
标题淡入 + 背景视频 + 轻量背景音乐，最后一帧留出二维码位置。

也可以自己起项目、预览、渲染：

npx hyperframes init my-video       # 新建一个视频工程
npx hyperframes preview             # 浏览器里实时预览，改代码即刷新
npx hyperframes render              # 渲染导出 MP4

# 按需追加现成效果
npx hyperframes add flash-through-white   # 白闪转场
npx hyperframes add data-chart            # 数据图表

关键命令说明：

⚠️ 不加 --full-depth 时，skills add 拿的是技能仓库的缓存快照，可能比主干落后几小时，容易装到旧版技能。

一整套跑在本机的 AI 语音工作室：克隆音色、文字转语音、语音输入三件事都能干，还自带 MCP 配置文件，Agent 能直接调。

# 先装命令运行器 just
brew install just          # macOS
# 或者：cargo install just

# 在 GitHub 搜索 jamiepine/voicebox，克隆到本地
git clone <voicebox 仓库地址>
cd voicebox

just setup     # 建 Python 虚拟环境、装齐所有依赖
just dev       # 同时起后端 + 桌面应用

just --list    # 想看还有哪些命令就跑这个

想编译成独立应用长期用：

just build          # 编译 CPU 版服务端 + 桌面应用
just build-local    # Windows：同时编译 CPU 与 CUDA 版

克隆音色的做法：在应用里录一段自己的说话（几秒到几十秒都行，越干净越准），存成一个音色；
之后任何文字都能用这个音色念出来，还能调语速和情绪强度。

接进 Codex：仓库根目录预置了 MCP 配置，桌面应用跑起来后，在这个目录里启动 Agent 就能自动识别到 Voicebox 的工具，直接让它”把这段稿子用我的声音配好音”。

⚠️ 克隆声音只用在你自己有权使用的音色上。拿别人的声音做内容存在法律风险，平台也会处理。

它的安装方式很特别——不用你自己配环境，而是把一段”安装提示词”丢给 Agent，让它自己 clone、装依赖、注册技能。

帮我安装 GitHub 上的 browser-use/video-use。
先读它的 install.md 完成安装，配好 ffmpeg，把技能注册到你当前所在的 Agent 里，
需要 TTS 的 API Key 时问我要。装完先读 SKILL.md 了解日常用法，
再读 helpers/ 目录（剪辑脚本都在那儿）。装完不要自己开始转写，
告诉我准备好了，等我把素材放进目录。

装好之后，把素材丢进一个目录，在该目录里启动 Agent 下指令：

cd /你的/素材目录
codex        # 或 claude，用你顺手的那个

把这个目录里的素材剪成一条 90 秒成片：
先转文字稿，剪掉口水词和超过 1 秒的静音，
自动调色走电影感，字幕烧进画面，最后导出 final.mp4。

它自动做的几件事：

这个最”重”，但也最省心：把编程 Agent 直接变成一间视频制作公司，内置 12 条制作流水线、100 多个工具、700 多个技能与制作知识文件。

# 在 GitHub 搜索 calesthio/OpenMontage，克隆到本地
git clone <OpenMontage 仓库地址>
cd OpenMontage
make setup

机器上没有 make 的话，手动等价步骤：

python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
cd remotion-composer && npm install && cd ..
python -m pip install piper-tts
cp .env.example .env      # 再按注释填要用的服务密钥

然后用你的编程 Agent 打开这个项目目录，直接说要什么片子：

# 全 AI 生成画面的路子
做一条 60 秒的科普动画，讲清楚神经网络是怎么学习的。

# 用真实素材的路子
做一条 75 秒的城市雨天纪录片式混剪，只用真实素材、不要旁白，
基调偏挽歌，配上音乐。

接到指令后它会自己联网调研选题、生成画面、写稿并按情绪指导配音、自动找可商用的背景音乐、烧入逐词字幕，最后渲染。
出片前还会跑一轮多点自检：用 ffprobe 校验文件、抽帧看画面、分析音量、核对”是否真的做到了你要求的东西”、检查字幕。
每个环节选用哪个服务，它会按 7 个维度打分并留下可追溯的决策记录，重要的创作决定都会先问你。

片子做好了，最后这段重复劳动交给它：一次上传，多个自媒体平台同步排期发布，标题、简介、标签按各平台差异自动适配。

用法 A（最简单）：装桌面客户端或直接开网页端 → 注册登录 → 授权你要发布的平台账号 → 勾选平台、上传成片 → 一次提交。

用法 B（接进 Codex）：它提供统一 MCP 接口，在 Agent 配置里加一段就能让 Codex 直接调用发布工具。以 Codex 的 config.toml 为例：

[mcp_servers.aitoearn]
url = "官方站点的统一 MCP 接口地址"

[mcp_servers.aitoearn.http_headers]
x-api-key = "你在后台申请到的 API-Key"

配好后在 Codex 里直接说人话即可：

把 out/final.mp4 发布出去，标题用「Codex 一人做完短视频」，
带上开源工具相关话题标签，定在今晚 8 点发。

⚠️
首次发布前必须先完成各平台账号授权（走官方 OAuth，不用把密码交给第三方），部分平台还要在设置里开启中转服务。
发布前务必逐条核对各平台的内容规范：该勾的 AI 生成声明要勾，标题标签别用违规词——自动化只帮你省时间，不会帮你规避规则。

✅ 五个串起来之后，你的工作就只剩两件：决定这条片子讲什么，以及发布前审一遍。中间的活儿都能交出去。