拒绝手动剪辑!Coze+剪映:一键生成“会说话的书”与疗愈视频(附源码) [Coze Day 8]

🚀 60天挑战119个Coze工作流 | Day 8

当前进度：17/119[||||||||░░░░░░░░░░░░░░] 14.3%

大家好，我是 胡巍·互为螺旋。

炼气期（图文静态）已过，今日正式筑基（视频动态）。

前7天，我们无论是做海报、写网文还是生成Logo，产物本质上都是“静止”的。但在这个短视频称王的时代，动态内容的完播率和冲击力，永远是对静态内容的“降维打击”。

你是否想过：让 AI 自动画好的 12 张疗愈图，自动排版、配乐，直接变成剪映草稿？ 又或者，让枯燥的文字书摘，变成一个“数字人”声情并茂的朗读视频？

今天，我们将接入 Coze 里的两员大将：剪映 (Jianying)，国民级剪辑软件，通过 Coze 插件直接生成工程文件，省去 90% 的手动操作；以及 关键帧 (Keyframe)，利用剪映插件的 add_keyframes 能力，通过代码精确控制图片运动，模拟专业运镜效果。

我们不玩虚的，直接搭建 V1-老爷爷疗愈视频、V2-会说话的书 以及 V7-一键生成诗集视频 三个实战工作流。

💡 省流版：文末直接获取完整 DSL 源码。

01. 🤯 只有“图”还不够 (静态的痛)

对于疗愈号博主，发了很多意境很美的风景图、老爷爷图，文案也写得很感人，但点赞数就是只有几十。因为隔壁同行发的已经是“微电影”了 —— 画面在流转，音乐在卡点，老爷爷的眼睛里有故事。

对于知识类博主，不想露脸，每天对着书本拍视频，观众早就看腻了。如果书里的“作者”能自己跳出来讲这段话，粉丝停留时长绝对翻倍。

解决这些，不需要昂贵的摄像机，只需要一个 Coze 账号。

02.  V1：老爷爷疗愈视频 (剪映自动成片)

一句话解释它的价值：利用 Coze 的批量生图 + 剪映插件，一键生成包含画面、配乐、转场的视频草稿，彻底解放剪辑双手。

这个工作流的逻辑是：文案 -> 批量图 (Coze) -> 视频草稿 (剪映)。

🔧 阵法布局

步骤 1：创意源头 (Start & LLM)

我们需要先确定画面内容。

1. 开始节点我们配置两个输入变量：title (String) 作为话题或主题（例如“人生感悟”），以及可选的 auto_prompt (String) 用于自定义主角形象（默认为老爷爷）。

2. 交互优化 (输出节点)在开始节点后，先加一个输出节点。目的是告诉用户“AI 已经在干活了”，避免等待焦虑。输出内容设为 正在创作文案...，并关闭流式输出（作为中间状态提示）。

3. 文案生成 (大模型)连接输出节点，添加一个大模型节点，选择 豆包·1.5·Pro·32k 模型。让 AI 扮演老爷爷，根据话题生成 12 句治愈语录。输入变量 title 引用 开始.title。用户提示词设为 用户提供的话题：{{title}}。系统提示词请参考文末资源包。输出设置方面，我们将输出变量命名为 output，格式保持为 文本（注意不是 JSON）。

在大模型后，再加一个输出节点。输出内容设为 文案创作完成，文本格式处理中...，并开启流式输出，让用户感觉到流程在流动。

步骤 2：文本处理与格式化

1. 文本处理 (Text Processing)添加文本处理节点，将大模型输出的一长段文本切割成数组。应用选择 字符串分隔，输入变量 String 引用 大模型.output。分隔符勾选 换行 (\n)、制表符 (\t)、句号 (。)、分号 (；)，这样能确保无论大模型怎么输出，都能精准切分。

2. 数据清洗 (代码)添加代码节点，用于去除切分后可能存在的空行，并处理默认的人物提示词。输入变量包括 items (引用 文本处理.output) 和 auto_prompt (引用 开始.auto_prompt)。输出清洗后的 items 数组和 auto_prompt 字符串。

(代码逻辑见文末资源包)

在代码节点后，添加输出节点。输出内容设为 正在生成画面配图文案...，并开启流式输出。

4. 画面生成 (大模型_画面配图)添加一个新的大模型节点，重命名为大模型_画面配图。输入变量 items 引用 代码.items。用户提示词设为 用户输入数组如下：{{items}}。输出设置一定要选择 JSON 格式，输出变量名为 promptList。

在批量生图前，再加一个输出节点。输出内容设为 正在生成视频配图...，并开启流式输出。

添加批处理 (Batch) 节点，这是实现“一次生成 12 张图”的关键。输入列表 (List) 引用 大模型_画面配图.promptList。

内部配置：点击批处理节点右上角的 + 号或编辑图标，进入内部编排。

1. 添加节点：在 开始 和 结束 之间，添加一个 图像生成 节点。

1. 配置参数：选择 Seedream 4.0 模型，比例设为 4:3 (2304x1728)。设置三个输入变量：prompt (引用 批处理.promptList)、item (引用 批处理.items)、auto_prompt (引用 代码.auto_prompt)。提示词 (Prompt) 填写：纯色背景，上方留白，头顶写着“{{item}}”的文字内容，{{prompt}}，{{auto_prompt}}

1. 闭环连线：将 图像生成 节点的输出端连线到批处理体的 结束 节点。这一步至关重要，否则数据无法流转。

步骤 4：批处理参数映射 (Batch)

点击批处理节点本身（不要进内部），设置输入输出映射。输入端将 promptList 映射到 大模型_画面配图.promptList，items 映射到 代码.items。输出端将 image 映射到 图像生成.data。

步骤 5：组装参数 (代码)

1. 代码节点配置添加一个新的 代码 节点，重命名为 代码_组装参数。输入变量 imageList 引用 批处理.image。输出变量包括 imgs (用于传递给剪映的图片参数 JSON 字符串) 和 audio_infos (用于传递给剪映的音频参数 JSON 字符串)。

(核心逻辑：将图片列表及背景音乐组装成 Timeline 数据，并自动添加 "翻页" 转场效果，代码见文末资源包)

在调用剪映插件前，最后加一个输出节点。输出内容设为 视频编排中，即将完成...，并开启流式输出。

步骤 6：生成草稿 (剪映小助手)

这是实现从“图片”到“剪映工程”跨越的关键一步。

1. 添加插件搜索 视频合成_剪映小助手 (Video Synthesis_Jianying Assistant)。这个插件能将图片、音频、字幕等素材打包成一个剪映各端（手机/电脑）通用的草稿文件。

2. 核心工具 (按顺序添加)我们需要依次使用以下 4 个工具：

(1) 创建草稿 (create_draft)功能是初始化一个 4:3 比例的剪映工程。输入参数配置：width 设为 1024，height 设为 768，user_id 建议填固定数字如 7414。

(2) 添加图片 (add_images)draft_url 引用 create_draft.draft_url，image_infos 引用 代码_组装参数.imgs。

(3) 添加音频 (add_audios)draft_url 引用 create_draft.draft_url，audio_infos 引用 代码_组装参数.audio_infos。

(4) 保存草稿 (save_draft)draft_url 引用 create_draft.draft_url，user_id 填 7414。

步骤 7：结果输出 (End)

将 save_draft (保存草稿) 的 输出端 连线到 结束 (End) 节点的 输入端。参数配置方面，draft_url (String) 引用 create_draft.draft_url 即可，它是草稿的唯一标识。

✨ 效果演示点击运行，等待约 2-3 分钟。你将获得一个剪映草稿链接。打开后，12张画面精美的老爷爷疗愈图片已经按顺序排好，背景音乐也自动铺设完毕。你只需要：微调转场，添加字幕，一键导出。

03. 📖 V2：会说话的书 (The Talking Book)

一句话解释它的价值：让书籍“开口说话”！通过 AI 将书籍拟人化，模拟“主持人”与“书籍”的深度对谈，并配合关键帧动画实现镜头动态切换。

这个工作流的逻辑是：输入书名/作者 -> 拟人化对话生成 -> 关键帧动态运镜 -> 剪映双角色视频。

🔧 阵法布局

(注：该工作流较为复杂，包含多层代码处理，建议直接获取源码导入)

💡 核心差异：与 V1 相比，V2 的核心在于 "多角色协同" 和 "关键帧(Keyframe)自动化"。它不再是简单的图片轮播，而是通过代码精确控制图片的位置移动（运镜），模拟演播室的镜头切换效果。

步骤 1：拟人化剧本创作 (LLM)

输入 书籍名称（如《富爸爸穷爸爸》）和 作者。大模型化身为“主持人”和“拟人化的书籍”两个角色，创作 1000 字以上的深度对话，包含惊讶、追问等语气。输出格式为 JSON 数组，严格区分 role_name 和 line。

步骤 2：视觉与听觉合成

利用 画板 (Drawing Board) 自动生成演播室背景图。准备两张 PNG 图片分别代表“主持人”和“书籍”。语音合成方面，主持人使用沉稳男声（如“解说小明”），书籍使用特色声音（如“爽快思思”），形成听觉反差。同时使用代码将长文本智能拆分为短句字幕。

步骤 3：关键帧运镜 (Code: Keyframes)

这是本工作流的 "灵魂" 所在。Python 代码 (generateVideoTimeline) 不仅计算音频时长，还计算 关键帧数据。当主持人说话时，生成关键帧使主持人图片轻微放大或高亮；当书籍说话时，镜头平移 (Transform X/Y) 到书籍一侧。代码还通过逻辑（如 value: j%2==0 ? -250 : -150）赋予图片轻微的浮动感，避免画面僵硬。

步骤 4：剪映自动化组装 (Jianying Plugin)

最后，将所有数据打包发送给剪映：

1. create_draft：创建 1920x1080 横屏草稿。
2. add_images：分别在不同轨道添加背景图、主持人图片和书籍图片。
3. add_audios：插入合成好的对话音频。
4. add_captions：自动根据角色分配不同颜色的字幕。
5. add_keyframes：关键步骤！ 将代码生成的 keyframes 数据注入到对应的图片轨道，实现动态运镜。
6. save_draft：保存草稿，打开剪映即可看到一个“会说话”的科普视频。

🌟 效果演示：视频中，主持人提问：“您好！今天想先聊聊书里那个大撕裂事件，听说直接毁了旧世界？”

镜头自动推向右侧的书籍图片，书籍回答：“没错，数百年前，人类集体冲刺 Tier 7，想直接成神，仪式失控了，现实维度崩塌，旧世界没了，90亿人口消失或变异。”

全程无需人工打关键帧，全部由代码自动计算完成）

（图：V2 工作流试运行成功，自动生成 draft_url 和 video_url）

04. 📜 V7：一键生成诗集视频 (AI 情感诗集)

一句话解释它的价值：输入一个主题（如“暗恋”），AI 自动模仿徐志摩/胡适风格写诗，并自动配乐、配音、卡点，生成一支意境唯美的诗歌视频草稿。

这个工作流的逻辑是：主题 -> AI写诗 -> 情感配音 -> 智能配乐 -> 剪映成品。

🔧 阵法布局

(注：该工作流较为复杂，包含多层代码处理，建议获取源码导入)

步骤 1：灵感触发 (Start & LLM)

从开始节点输入主题 theme (如“遗憾”)。这一步大模型选择 DeepSeek-R1，设定为擅长深度思考与文学创作的诗人角色。要求生成中文及英文双标题，并创作 6 个场景共 18 句诗歌，核心指令是“像手术刀一样刺入潜意识”。

步骤 2：视听素材 (Plugins & Loop)

首先利用 LLM 提取诗歌中的核心意象关键词。然后使用 search_bgm 工具根据关键词搜索氛围音乐。接着进入循环节点，将诗歌按句拆分，指定 鸡汤妹妹 音色进行语音合成，并实时调用 get_audio_duration 获取每句的精确时长。

步骤 3：数据组装 (Code: Global Data)

这一步并非简单的堆砌，而是通过 Python 代码计算 Timeline (时间轴)。我们需要根据音频时长对齐每一句字幕的起止时间，计算双语标题的展示时段，并调用 画板 生成视频底色背景图。

步骤 4：剪映成片 (Jianying Automation)

依次调用剪映插件的四大功能：create_draft 创建草稿；add_videos 添加背景；add_audios 分别在不同轨道添加 AI 人声和 BGM；add_captions 使用不同字体大小和动画效果（如“惊鸿体”+“渐显”）展示双语标题和正文诗句。参数均由上一步代码自动组装。

步骤 5：最终输出 (End)

输出生成的 draft_url。在剪映中打开，你会看到一个包含 双语字幕、精确卡点、情感配音 的完整诗歌 MV 草稿。

🌟 效果演示：

（图：V7 工作流试运行成功，自动生成 draft_url 和 video_url）

05. 🔄 筑基期的觉悟

从 Day 1 到 Day 7，我们是在“造物”（生成静态资产）。从 Day 8 开始，我们是在“造梦”（赋予时间维度）。

视频生成的门槛看似高，但在 Coze 里，它也就是一个 节点 的事。AI 创作 解决了“写什么”的问题，剪映自动化 解决了“怎么剪”的问题。将两者结合，你其实已经具备了 批量生产高质量短视频 的核心能力。

下周，我们将把这些独立的镜头串联起来，去挑战更复杂的 V3-V5 脚本与分镜自动化。

🎁 资源获取 (丰俭由人)

做这个号的初心是 “授人以渔”。即便你不花一分钱，看完上面的教程，拷贝代码和 Prompt，也完全能做出一样的工具。

但如果你是 “时间土豪”，觉得为了这几个工具花 2 小时调试不划算，我也为你准备了 “时间买断包”。

不见不散！👋