用 GPT 写脚本，用剪映做动画，创意一分钟落地

原创 已于 2025-12-22 16:04:51 修改 · 313 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能

于 2025-12-22 16:02:19 首次发布
GPT-oss:20b

GPT-oss:20b

图文对话
Gpt-oss

GPT OSS 是OpenAI 推出的重量级开放模型，面向强推理、智能体任务以及多样化开发场景

AI创作——AI生成创意视频

在这里插入图片描述

一. 背景

用 GPT 写脚本，用剪映做动画，创意一分钟落地。
GPT 负责创意和脚本，剪映负责画面和动画，让 AI 成为创作搭档，把灵感快速变成可观看、可分享的动画内容。

二. 生成流程

主要分为两个步骤：GPT生成创意脚本、剪映通过脚本生成动画。
下面以一个例子说明：

1. GPT生成创意脚本

提示词如下：

请帮我设计一个AI应用场景，结合起来应用自然： 场景1：进小区时，通过人脸识别，闸机开门； 场景2：对着小米手机说：“小爱同学，播放音乐。”手机就开始播放音乐; 场景3：对着智能音响说：“天猫精灵，现在几点钟？”，天猫精灵会给出答案； 场景4：对着智能音响说：“小度小度，关闭窗帘。” 窗帘会自动关闭。 请你将上述场景串联起来，自然流畅。
要求：生成儿童版动画脚本（1–2 分钟），语言简单、画面可爱、节奏慢，非常适合 3–6 岁小朋友理解,动画中的主人翁为郭景航。

生成结果：

🎬 儿童动画脚本：《郭景航和他的AI小帮手》

目标观众：3–6 岁小朋友
时长：约 90 秒
风格：明亮卡通、幽默生动
核心逻辑：AI看、听、懂、帮忙

🎞️ 镜头 1（0–12 秒）｜小区门口

画面

郭景航背着小书包走到小区门口

闸机有卡通小眼睛在“眨眼”

旁白

“郭景航回家啦！小区门口有个聪明的闸机，会认识他哦~”

动作/特效

闸机“滴”一声，自动打开

郭景航开心地走进去

🎞️ 镜头 2（12–28 秒）｜路上听音乐

画面

郭景航拿出小米手机

手机屏幕亮起来，像有小脸在笑

郭景航（童声）

“小爱同学，播放音乐~”

动作/特效

手机播放轻快的音乐

郭景航一边走一边摇头晃脑，开心地哼唱

旁白

“他说一句话，手机就知道他想听音乐啦！”

🎞️ 镜头 3（28–50 秒）｜到家问时间

画面

郭景航进家门，坐在沙发上

客厅里智能音响带卡通小眼睛

郭景航（童声）

“天猫精灵，现在几点钟呀？”

音响（童声）

“现在是晚上七点整！”

动作/特效

郭景航眨眨眼，指着音响笑

音响闪闪发光

旁白

“音响听懂了问题，还会回答郭景航哦！”

🎞️ 镜头 4（50–75 秒）｜关窗帘

画面

郭景航看向窗户

天色渐暗，窗帘微微晃动

郭景航（童声）

“小度小度，关闭窗帘~”

动作/特效

窗帘自己慢慢关闭

郭景航拍手欢呼

旁白

“小度小度听懂了，帮郭景航关上了窗帘。”

🎞️ 镜头 5（75–90 秒）｜总结

画面

郭景航坐在沙发上，身边有手机、音响、窗帘动画化的小笑脸

整个房间温暖、明亮

旁白

“看一看，听一听，懂一懂，帮一帮~
AI小帮手让郭景航的生活变得好方便、好开心！”

字幕
👀 看一看 → 👂 听一听 → 🧠 懂一懂 → 🤝 帮一帮

2. 在剪映中生成动画

打开剪映软件，点击AI故事成片
再将GPT生成的脚本（文案）贴如对话框中，点击生成视频，几分钟后即可获得想要的动画效果。
在这里插入图片描述
生成的动画如下：

视频效果

您可能感兴趣的与本文相关的镜像

GPT-oss:20b

GPT-oss:20b

图文对话
Gpt-oss

GPT OSS 是OpenAI 推出的重量级开放模型，面向强推理、智能体任务以及多样化开发场景

提示工程架构师亲测：GPT-4o vs Claude 3，创意产业提示工程性能对比
大模型应用工坊
08-12 1034
2024年3月，Anthropic发布Claude 3系列大模型，以"接近人类水平的智能"重新定义了AI能力边界；仅仅一个月后，OpenAI的GPT-4o横空出世，以"omni"（全能）为代号，宣称实现了多模态能力的突破性整合。这两款模型的相继问世，不仅在AI技术圈引发震动，更在创意产业掀起了一场"生产力革命"——设计师用AI生成视觉概念，文案用AI拓展创意方向，营销团队用AI实现全渠道内容自动化，游戏开发者用AI构建沉浸式叙事世界。
Copilot在游戏开发中的应用：Unity脚本自动生成实践
AIGC应用创新大全的博客
08-02 1389
2021年GitHub Copilot的发布，为代码自动生成带来了革命性突破。作为基于GPT模型训练的AI辅助编程工具，Copilot能根据注释、函数名、代码上下文，实时生成符合语法和逻辑的代码片段，甚至完整脚本。减少重复劳动：自动生成模板代码（如生命周期、结构），让你专注核心逻辑；降低API学习成本：对Unity特有的组件（RigidbodyAnimator）、类（），Copilot能生成符合最佳实践的调用代码；统一代码风格：通过团队共享提示词模板，让生成的代码符合项目规范；快速原型迭代。
GPT-SoVITS语音克隆在动画配音中的效率提升
weixin_34945060的博客
12-24 296
借助GPT-SoVITS，仅需1分钟真实录音即可克隆角色声音，实现高效、低成本的多语言动画配音。该技术大幅降低数据与算力门槛，支持本地部署与跨语言合成，已在实际生产中提升超90%效率，正推动动画制作从资源密集向创意驱动转型。
GPT-SoVITS在语音广告创意中的A/B测试实践
weixin_33419305的博客
12-23 1009
利用GPT-SoVITS技术实现语音广告的声音变量精细化测试，通过少量样本快速生成多种音色与语调组合，结合用户转化数据优化投放效果。实践表明，声音策略可显著影响点击与购买行为，推动营销从经验驱动转向数据驱动。
GPT-4生成脚本 → TTS转语音 → Sonic驱动嘴型，完美链条
weixin_35756637的博客
01-02 269
一条由GPT-4生成脚本、TTS合成语音、Sonic驱动嘴型的技术链，正让数字人视频实现全自动生产。仅需文字和一张人脸图，几分钟内即可生成音画同步的自然说话视频，大幅降低制作门槛与成本，已在直播、教育、政务等场景落地应用。
每天10分钟！用AI做原创动画搞笑视频，流量大到爆炸！（附完整教程和工具）
热门推荐
2401_84760322的博客
07-19 1万+
最近莫名的喜欢上了动画视频，以前也了解过，有专门的工具可以做这种视频，但要逐个去对帧，出去文案和配音以外，光制作一个视频就需要近一个小时。AI这已经发展一年多了，不会还要逐个对帧吧？研究了一下，现在做这种视频真的是太简单了。做这种视频一共需要4步1.AI生成文案2.文案生成配音3.选择人物背景4.合成视频首先打开这个制作工具，工具收费，需要的再找我选择动画制作，之后按照自己的需要选择自由创作，单人动画，或者对话视频。
Premiere Pro剪辑助手：LobeChat自动写视频脚本
weixin_35950531的博客
12-15 983
通过LobeChat与大语言模型结合，实现AI自动生成视频脚本并导出SRT字幕，无缝对接Premiere Pro剪辑流程。支持本地部署、语音交互与角色预设，提升短视频创作效率，降低内容生产门槛。
AI日报-20250619：重磅！GPT-5今夏震撼来袭！Midjourney V1视频模型AI动画新时代！
06-19 948
1、MiniMax Agent横空出世：60天征服半数员工，AI生产力革命来袭！2、中国团队突破AI算力瓶颈！SRDA架构震撼发布，DeepSeek预言成真 3、苹果SpeechAPI震撼发布！34分钟4K视频转录仅45秒，碾压OpenAI 4、OpenAI重磅突破：科学家成功调控AI模型"毒性"行为！5、OpenAI突然终止与Scale AI合作！数据供应链面临大地震6、2025年VentureBeat女性AI大奖入围名单震撼揭晓！全球12国杰出女性角逐桂冠。
AutoGPT在视频脚本创作中的创意激发作用分析
weixin_42437253的博客
12-13 948
本文分析AutoGPT在视频脚本创作中的应用，展示其通过目标分解、网络搜索、动态优化等能力，实现从灵感枯竭到高效产出的转变。系统可自动生成结构完整、事实准确的脚本，显著提升内容创作效率。
剪映要变天了？字节Vidi2自动根据素材剪辑视频
至顶AI实验室
12-04 1118
剪映要变天了？字节Vidi2自动根据素材剪辑视频
OpenAI GPT-5文案生成助力营销落地
weixin_29885875的博客
10-12 416
GPT-5通过深度语义理解与多模态交互，实现营销文案的智能生成与个性化定制，提升内容生产效率与转化效果。
创意产业新赛道：AIGC创业机会与商业模式分析
AI 原生应用开发的博客
05-02 1345
本文聚焦AIGC在创意产业的创业机会与商业模式，覆盖文本、图像、音视频、游戏、教育等核心场景，分析技术可行性、市场痛点与盈利路径。目标是帮助创业者识别高潜力赛道，理解不同商业模式的适用条件，并掌握从技术选型到商业落地的关键方法。全文共10个章节，从技术背景切入，依次解析核心概念、创业机会、商业模式、实战案例、应用场景、工具资源、未来趋势等内容，最后通过常见问题解答与扩展阅读完善知识体系。AIGC（AI-Generated Content）：通过生成式AI模型自动或辅助生成文本、图像、音视频等内容的技术。
AIGC内容变现指南：如何在AI创作市场分一杯羹？
04-22 1995
根据Gartner 2023年报告，全球AIGC市场规模已突破400亿美元，预计2025年将以42%的年复合增长率达到1200亿美元。技术成熟度提升：大语言模型（如GPT-4）、扩散模型（如Stable Diffusion）、多模态模型（如Google Gemini）的迭代，使AI生成内容的质量从“可用”跃升至“专业级”；需求侧爆发：企业降本增效需求（如营销文案、客服话术生成）与消费者个性化内容需求（如定制头像、数字艺术品）共同推动市场扩容。
多模态×AIGC：引爆AI应用的下一个超级风口
2501_92954090的博客
09-02 870
Quizlet（多模态记忆卡）：用户输入「英语单词：aberration（偏差）」，AI生成例句（含语音朗读）、配图（如「靶心偏离的箭矢」）、记忆口诀（「A bee ration（蜜蜂的口粮）有偏差（aberration）」），提升记忆效率。」，地球仪自动显示数据；作业帮「喵喵机」：扫描数学题图片，AI不仅给出答案，还生成解题视频（手写步骤+语音讲解），若学生拍的是作文草稿，AI用文字标注修改建议（如「这里可以增加环境描写，比如‘夕阳的余晖洒在教室窗前’」），并生成修改后的范文；
AI赋能金融科技，VisualProject引领项目管理新潮流
weixin_46916369的博客
01-06 493
金融科技项目管理迈入AI赋能新阶段，VisualProject引领智能化转型。随着金融科技竞争转向"体系化能力"，传统管理模式面临需求断层、资源失衡等痛点。维普时代推出的VisualProject通过AI深度融入项目全流程，实现智能需求解析、资源协同和风险预警，使招商银行等项目效率提升40%、延期率降至8%。该产品构建"数据驱动决策"体系，提供30余项核心指标分析，助力金融机构实现精准管理。未来，AI与项目管理的深度融合将持续推动金融科技高质量发展。
[20页中英文PDF]生物制药企业新一代知识管理：用知识图谱+大模型构建“第二大脑“
01-07 403
药物研发正面临知识爆炸的挑战。本文深入探讨如何利用大语言模型和知识图谱技术构建企业级"第二大脑"，将分散的科研数据、文献和隐性知识整合为可搜索的知识库，实现60%的文档审查效率提升，并可能为制药行业创造600-1100亿美元的年度价值。
基于LangChain与RAG技术构建智能客服问答系统：完整实现指南
最新发布
weixin_46244623的博客
01-08 640
本文介绍了基于LangChain框架和RAG技术的智能客服系统构建方法。该系统整合了Ollama本地语言模型服务和FAISS向量数据库，能够高效检索项目文档并生成准确回答。文章详细阐述了系统架构、核心组件及实现代码，包括知识库构建、文档检索和回答生成流程。该系统可显著提升客服效率，支持网络搜索、数学计算、节假日查询等多种功能，并提供了良好的可扩展性。通过本地部署Qwen2.5模型，实现了安全可靠的智能客服解决方案。
【金猿CIO展】上海康展物流有限公司董事长兼CIO王浩：AI驱动数智化转型——医药物流供应链的全链路革新之路
数据猿
01-04 745
未来，我们将继续聚焦技术创新与服务升级，深化人工智能、物联网等技术在全场景的应用，以更高效、更合规、更智能的供应链服务，助力大健康产业发展，致力于成为专业医药物流最佳服务商，与行业伙伴共同构建更具韧性与价值的供应链生态。：建立全链路透明服务体系，客户、委托方、康展物流、承运商派送商四方均可通过WEB端、移动端实时跟踪订单信息、物流状态、车辆位置与温度数据，实现发货通知、时效跟踪、回单状态查询、异常反馈等全流程可视化，变被动查询为主动感知。数智化转型的终极目标，是实现运营模式的升级与服务价值的重塑。
以 JoyAgent-JDGenie 项目为例：如何利用 AI Agent 高效学习开源框架
caicongyang
01-05 1021
本文以JoyAgent-JDGenie项目为例，介绍利用AI技术高效学习开源框架的方法。
请给我一段使用Python写的用GPT2模型做文本分类的非常详细的代码
05-28
好的，下面是使用GPT2模型进行文本分类的Python代码，具体解释见注释： ```python import torch from transformers import GPT2Tokenizer, GPT2Model from torch.utils.data import Dataset, DataLoader # 定义分类任务数据集 class MyDataset(Dataset): def __init__(self, texts, labels, tokenizer, max_len): self.texts = texts self.labels = labels self.tokenizer = tokenizer self.max_len = max_len def __len__(self): return len(self.texts) def __getitem__(self, idx): text = self.texts[idx] label = self.labels[idx] # 将文本转换成token inputs = self.tokenizer(text, add_special_tokens=True, max_length=self.max_len, padding='max_length', truncation=True, return_tensors='pt') inputs['labels'] = torch.tensor(label) return inputs # 加载GPT2模型和分词器 tokenizer = GPT2Tokenizer.from_pretrained('gpt2') model = GPT2Model.from_pretrained('gpt2') # 定义分类任务数据 texts = ['I love playing football.', 'I hate studying.', 'I enjoy watching movies.'] labels = [1, 0, 1] # 定义分类任务数据集 dataset = MyDataset(texts, labels, tokenizer, max_len=20) # 定义分类任务数据加载器 loader = DataLoader(dataset, batch_size=2) # 定义分类任务训练函数 def train(): model.train() optimizer = torch.optim.Adam(model.parameters(), lr=1e-5) criterion = torch.nn.CrossEntropyLoss() for batch in loader: optimizer.zero_grad() inputs = {k: v.reshape(-1, v.size(-1)) for k, v in batch.items()} outputs = model(**inputs) logits = outputs.last_hidden_state[:, -1, :] # 取最后一个token的输出作为分类结果 labels = inputs['labels'].reshape(-1) loss = criterion(logits, labels) loss.backward() optimizer.step() # 进行分类任务训练 for i in range(10): train() ``` 该代码使用GPT2模型进行文本分类，首先定义了一个分类任务数据集`MyDataset`，其中将文本转换成token，再将token和标签打包成一个输入。 然后加载GPT2模型和分词器，定义了分类任务数据和数据集，再定义了分类任务数据加载器，将数据分批次加载。最后定义了分类任务训练函数，使用Adam优化器和交叉熵损失函数进行训练。 最后通过多次训练，得到分类任务的结果。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

guopeiAI

请博主加个火腿

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值