AI 视频创作

概述

视频是营销格式中投入最高、影响最大的形式。传统上，视频制作需要摄像机、灯光、剪辑技巧和数小时的后期制作。AI 颠覆了这一模式：你现在可以仅通过文本生成专业视频。AI 发言人能够交付个性化的演示。AI 编辑器可在数分钟内完成剪辑和字幕添加。生成式 AI 可以根据提示创建 B-roll 素材。本技能涵盖了与 B2B 进入市场（GTM）策略相关的所有 AI 视频工作流——从个性化外联到规模化社交媒体内容。

权威基础

Gary Vaynerchuk — 内容数量取胜。AI 使规模化成为可能。 — 内容数量取胜。AI 使规模化成为可能。
HeyGen/Synthesia — AI 发言人技术 — AI 发言人技术
Runway — 生成式 AI 视频 — 生成式 AI 视频
Opus Clip — AI 驱动的视频剪辑 — AI 驱动的视频剪辑
Descript — AI 优先的视频编辑 — AI 优先的视频编辑

使用时机

触发短语：“AI 视频创作”，“HeyGen 教程”，“Synthesia 演示”，“AI 发言人视频”，“Runway 营销”，“AI 视频广告”，“Opus Clip”，“AI 视频编辑”，“ElevenLabs 配音”，“大规模个性化视频”，“AI 视频内容”

AI 视频技术栈

工具	功能	最佳用途	成本
HeyGen	AI 发言人、虚拟主播视频、个性化视频	个性化演示、外联视频	$29-89/月
Synthesia	AI 虚拟主播视频，支持 140+ 种语言	培训、入职、多语言内容	$29-89/月
Runway	生成式视频、文本转视频、B-roll 素材	B-roll 镜头、视觉效果	$15-95/月
Captions	AI 视频剪辑、自动字幕、眼神接触修正	人物出镜类社交媒体视频	$16-25/月
Opus Clip	AI 切条——将长视频切分为短视频	播客/演讲短视频（用于社交媒体）	$19-29/月
Descript	AI 视频编辑器、基于脚本的编辑	完整视频制作	$19-29/月
ElevenLabs	AI 配音、文本转语音、语音克隆	旁白、广告、播客	$5-99/月
Pika	生成式视频、图片动态化	快速视频生成	$10-35/月

分步工作流

工作流 1：AI 发言人演示视频（1 小时）

使用场景： 产品演示、讲解视频、入职“欢迎”视频。

步骤 1 — 脚本（15 分钟，使用 Claude）：
“为[产品]撰写一个 90 秒的产品演示脚本。
受众：[理想客户画像]。他们关心：[前 3 大痛点]。
结构：
- 0:00-0:10：钩子——他们面临的问题
- 0:10-0:30：[产品]如何解决（3 个关键功能，基于成果）
- 0:30-0:60：屏幕录制 + 操作演示（你自己录制）
- 0:60-0:80：社交证明 + 成果（‘X 个团队在使用我们，实现了 Y’）
- 0:80-0:90：行动号召——‘在 [URL] 开始免费试用’

平台：由 AI 虚拟主播口播。保持句子简短——15 个单词以内。”

步骤 2 — 配音（5 分钟，使用 ElevenLabs）：
- 将脚本粘贴到 ElevenLabs 文本转语音工具
- 选择一个自然的声音（Adam、Bella 或类似——测试 3 个以上）
- 生成。收听。如果需要，调整节奏后重新生成。
- 下载 .mp3 文件

步骤 3 — 虚拟主播视频（10 分钟，使用 HeyGen / Synthesia）：
- 选择与你目标受众期望相符的 AI 虚拟主播
- 上传脚本文本
- 上传 ElevenLabs 配音（或使用内置 TTS）
- 添加：背景（办公室、工作室或品牌化背景）、屏幕文字叠加
- 生成

步骤 4 — 屏幕录制（15 分钟）：
- 录制产品操作演示（使用 Loom、OBS 或 QuickTime）
- 剪辑以匹配脚本时间

步骤 5 — 合成（15 分钟，使用 Descript / CapCut）：
- 图层 1：AI 虚拟主播视频（人物出镜部分）
- 图层 2：屏幕录制（当脚本提及产品功能时）
- 图层 3：来自 Runway 的 B-roll 素材（生成的视觉效果）
- 添加：字幕（自动生成）、背景音乐（低音量、纯音乐）
- 添加：片头/片尾品牌标识
- 导出：1080p，16:9 比例

工作流 2：大规模个性化外联视频（每视频 30 分钟）

使用场景： “嘿 [名字]，我为你制作了这个快速视频……” 个性化视频的回复率是纯文字外联的 3-5 倍。

步骤 1 — 模板脚本（10 分钟，使用 Claude）：
“撰写一个 45 秒的个性化外联视频脚本。
个性化标记：[first_name]、[company]、[pain_point]。
结构：
- ‘嘿 [first_name] —— [关于他们公司/职位的相关观察]’
- ‘我联系您的原因是：[pain_point 在他们的行业中很常见]’
- ‘我们构建了 [product] 来精确解决这个问题。以下是我们如何在 10 秒内做到的’
- ‘我很想花 10 分钟向您展示它是如何工作的。[Calendly 链接] 在评论区’

步骤 2 — 录制模板视频（一次性）：
- 录制包含所有个性化标记的模板脚本（清晰标注出标记位置）
- 或：使用 HeyGen 生成一个 AI 虚拟主播视频模板

步骤 3 — 个性化处理（每位潜在客户，5 分钟）：
- 研究潜在客户：公司、职位、近期新闻、共同联系人
- 定制观察内容：“我看到贵公司刚刚完成了 A 轮融资——恭喜！”
- 录制个性化开场白（在 Loom 上录制 10 秒）或使用 HeyGen 的个性化功能

步骤 4 — 编辑与发送（5 分钟，使用 Descript / Captions）：
- 用个性化开场白替换模板开场白
- 在开场画面中，将潜在客户姓名以屏幕文字形式叠加显示
- 导出。上传。通过邮件或 LinkedIn 私信发送。

工作流 3：规模化社交媒体短视频（5 个视频，用时 1 小时）

使用场景： LinkedIn 视频、TikTok、YouTube Shorts、Instagram Reels。

步骤 1 — 批量脚本（15 分钟，使用 Claude）：
“撰写 5 个关于[主题]的短视频脚本（每个 60 秒）。
结构：
- 钩子（0-3 秒）：大胆的断言、惊人的统计数据、或挑衅性问题
- 主体（3-50 秒）：用一个例子解释一个关键见解
- 行动号召（50-60 秒）：‘关注以获取更多 [主题] 见解’

主题：
1. [主题]
2. [主题]
...”

步骤 2 — 批量配音（10 分钟，使用 ElevenLabs）：
- 将所有 5 个脚本提交给 ElevenLabs。使用同一种声音。
- 批量生成。
- 下载 .mp3 文件。

步骤 3 — 批量 B-roll 素材（15 分钟，使用 Runway）：
- 为每个脚本生成 3-5 个短视频片段（提示：B-roll 概念）
- 或：使用免费素材（Pexels、Pixabay）

步骤 4 — 批量编辑（20 分钟，使用 Captions / Descript）：
- 模板：配音 + B-roll + 字幕 + 品牌标识
- 将模板应用到所有 5 个视频
- 自动生成字幕（Captions 原生支持此功能）
- 添加：底部半透明叠加层，显示你的社交媒体账号
- 添加：逐词高亮字幕（可提升 95% 以上的观看时长）

步骤 5 — 排期发布：
- 将所有 5 个视频上传到排期工具（Buffer、Hootsuite 或平台内置排期工具）
- 在一个工作日内，每天发布 1 个

工作流 4：AI 视频广告创意（5 个变体，用时 2 小时）

步骤 1 — 策略（15 分钟，使用 Claude）：
“为 [product] 在 [LinkedIn / Meta / TikTok] 上设计一个视频广告策略。
受众：[理想客户画像]。预算：$X。目标：[演示 / 注册 / 线索]。
生成：5 个广告概念，包含钩子、脚本和视觉方向。”

步骤 2 — 脚本（15 分钟，使用 Claude）：
“撰写 5 个视频广告脚本。每个：15-30 秒。
变体 1：问题/解决方案（钩子：痛点 → 产品解决）
变体 2：社交证明（‘加入 X 个团队...’）
变体 3：演示预告（展示产品，建立好奇心）
变体 4：创始人故事（‘我构建这个是因为...’）
变体 5：异议消除（‘常见误区：X。现实：Y’）”

步骤 3 — 制作（60 分钟）：
- HeyGen：生成 AI 虚拟主播，口播脚本 1、2、4
- Loom：为变体 3 录制屏幕
- Runway：为所有变体生成 B-roll 素材

步骤 4 — 编辑（30 分钟，使用 Captions）：
- 添加字幕（非协商条款——85% 的社媒视频在静音状态下观看）
- 添加品牌元素（Logo、颜色、片尾卡）
- 添加背景音乐（低音量、纯音乐）

步骤 5 — 发布与淘汰：
- 发布所有 5 个广告。每个每日预算 $50-100。
- 48 小时后：淘汰表现最差的 3 个，加大投入表现最好的 2 个。
- 1 周后：如果获客成本过高，迭代创意。重复此过程。

工作流 5：播客/网络研讨会切片（30 分钟）

步骤 1 — 上传至 Opus Clip 或 Descript：
- 上传你的播客剧集（30-60 分钟）
- AI 自动识别“可能爆火的片段”——高能量、可引用的段落

步骤 2 — 审核与选择（5 分钟）：
- Opus Clip 建议 5-10 个片段。挑选最佳 3-5 个。
- 每个片段：30-90 秒

步骤 3 — 精修（15 分钟）：
- 字幕：自动生成后，需审核准确性（特别是人名、术语）
- 添加：包含剧集标题的开场框
- 添加：片尾卡，显示“完整剧集 → [链接]”
- 调整：开始/结束修剪点

步骤 4 — 发布（10 分钟）：
- 每天 1 个片段，发布在 LinkedIn、X/Twitter、TikTok、Instagram
- 在评论区或个人简介中添加完整剧集链接

AI 视频质量标准

可直接用于交付的成品：

使用真实配音（ElevenLabs 或真人）的 AI 发言人视频
带有 AI 旁白的屏幕录制
从长视频中提取的社交媒体短片
AI 生成的 B-roll 素材（抽象概念、数据可视化辅助）

需要人工参与的部分：

客户评价（就信任度而言，真人 > AI 虚拟主播）
复杂的产品演示（AI 无法预测所有问题）
品牌宣传片（情感叙事需要真实素材）
高管沟通（就信任度而言，你的脸 > AI 生成的脸）

输出格式

AI 视频制作计划

视频类型：[演示 / 外联 / 社交媒体 / 广告 / 切片]
平台：[LinkedIn / YouTube / TikTok / 邮件]
目标时长：[秒]

脚本：[Claude 生成的脚本]

制作技术栈：
- 配音：[ElevenLabs / 真人 / HeyGen TTS]
- 虚拟主播：[HeyGen / Synthesia / 真人]
- B-roll：[Runway / 素材库 / 屏幕录制]
- 编辑软件：[Descript / Captions / CapCut]
- 字幕：[自动生成 / 人工审核]
- 音乐：[来源 / 无]

个性化（如适用）：
- 标记：[first_name、company、pain_point]
- 自定义开场白：[录制 / AI 生成]

实施检查清单

脚本控制在 90 秒以内（90 秒后注意力会急剧下降）
开头 3 秒内设置钩子（任何视频最重要的 3 秒）
每个视频都添加字幕（85% 的社媒视频在静音状态下观看）
检查配音质量（自然的节奏、正确的发音）
AI 虚拟主播是否符合受众期望（企业用专业风格，中小企业用休闲风格）
背景音乐音量足够低，不与人声冲突（-18dB 至 -24dB）
包含行动号召的片尾卡（网址、关注、订阅）
根据平台优化文件大小（邮件 <100MB，社媒 <1GB）
生成缩略图（使用 Canva——人脸加文字叠加）

质量检查

在交付前，请验证：

输出结果与用户明确提出的请求一致
提及的框架或来源在建议中得到了体现
交付物足够具体，可供智能体执行
所有假设、风险或依赖项都已明确说明
不包含未经证实的声明、虚构的事实或私人/内部参考

常见陷阱

AI 虚拟主播的恐怖谷效应。 口型不同步、眼神呆滞、动作机械=观众会在 2 秒内划走。解决方案：使用 ElevenLabs 生成节奏自然的配音。找 5 个人测试：“这感觉真实吗？”
没有字幕。 85% 的社媒视频在静音状态下观看。无字幕 = 85% 的观众看不到你的信息。解决方案：每个视频都加上字幕。逐词高亮功能可将观看时长提升 95% 以上。
脚本太长。 社交平台上，90 秒是注意力的天花板。广告 15-30 秒，演示 45-60 秒。解决方案：将你的脚本砍掉一半，然后再砍一半。每个字都必须有其存在的价值。
生成的 B-roll 与内容不匹配。 Runway 生成的“在现代化办公室中协作的团队”可能会出现有六根手指的人在不可能的办公桌上工作。解决方案：对于具体场景，使用素材库或屏幕录制。对于抽象概念、背景或转场，使用 Runway。
大规模个性化视频看起来像是批量生产的。 一个明显不是你的 AI 虚拟主播在喊“嘿 [名字]”。解决方案：自己录制个性化的开场白（在 Loom 上录 10 秒）。其余部分交给 AI 处理。10 秒的真人接触价值巨大。
忽视平台规格。 LinkedIn：16:9 或 1:1，10 分钟以内。TikTok：9:16 竖屏，3 分钟以内。YouTube Shorts：9:16，60 秒以内。解决方案：根据每个平台的正确宽高比和时长导出。

执行产物

references/framework-notes.md — 命名框架和参考表格
templates/output-template.md — 供智能体输出的交付物模板
scripts/check-output.py — 轻量级交付物验证器

LeadMagic/gtm-skills

gtm-skills 是什么？

在你喜欢的 AI 中提问

文档