Codex + image-2 视频产出工作流分享：躺赚五位数

外包一个几十秒的产品视频要上万块，但我没打开任何剪辑软件，只用代码就把它跑出来了。

工作流的关键在于：先用 GPT-Image-2 把每个场景的视觉预演图出好，再把图交给 Codex 复刻成代码。

先看成品👇：

为什么要先出图

用 Codex 写界面，没有图，就像让人画画但不告诉他画什么：能动笔，但结果全靠运气。

做视频也一样。**「深色调、有科技感、简洁大气」**AI 能理解这些词，但落到实际画面，十次有七次不是你想要的。

所以，结合生图软件，先生成一张预览图，AI就有了可视化的参考，而且比起文字也更直观。

从「帮我做一个有科技感的场景」，变成「按照这张图的布局、颜色、层级，复刻成动画」。

视觉目标从模糊变成可执行。这一步，是整个工作流能跑通的原因。

Step 1：构思脚本和分镜

每个场景确认四件事：

• 画面里有什么（元素、位置、数字）
• 情绪基调（紧张感、讽刺感、转折感）
• 需要出现哪些文字和标注卡
• 动效的出现顺序

不需要任何工具，写文档就行。几个场景，就写几份分镜描述，这是之后所有东西的地基。

Step 2：用 GPT-Image-2 生成分镜预览图

每个场景写一份图片 Prompt，格式如下：

A [界面类型] in 16:9 landscape format, [色调].
[主要元素，精确到位置、层级、数字、颜色]
Floating annotation card · [位置] · semi-transparent dark background
+ white border · large: "[主标注]" / small: "[副标注]"
Overall tone: [情绪基调，如 clinical and quietly wasteful]

我实际用的 Prompt（数据看板场景）：

A clean dark analytics dashboard in 16:9 landscape format.
Left: large donut chart, 68% muted red "Answered in docs", 32% dark gray.
Right: "4.2 hrs" in large white text,
label "avg. weekly support time per user · same questions".
Minimal grid lines, no decorative elements.
Floating annotation card lower-right · semi-transparent dark background
+ white border · large: "68%" / small: "of tickets · already in the docs".
Overall tone: clinical and quietly wasteful.

其他三个场景用同样格式出图。

每张图只问一件事：这个视觉方向对不对？对了才进下一步。

数据看板和 UI 截图类场景适合「精确布局型 Prompt」（如上）。如果场景需要人物插图或背景纹理，则需要更换Prompt写法👇：

人物插图型（透明背景，叠在代码 UI 上方）

A [halftone / editorial illustration] character, [posture/expression].
Warm color palette: ivory, soft purple, warm white. Transparent background preferred.
No background objects, no text, no UI elements. Minimum 1024px tall.
Style: product editorial illustration, not photo-realistic.
Avoid: dark tones, heavy shadows, corporate clipart.

背景纹理型（铺在 UI 下层用）

A 16:9 paper grain background texture, [warm ivory / cool white].
Extremely subtle — this will be covered by UI layers above it.
No patterns, no icons, no text, no focal point.
1920×1080. Zero distracting elements.

原则：纹理和插图用生图解决，文字、数字、布局、动效全在代码里重建。各司其职。

Step 3：把预览图交给 Codex

给图之前，先把场景拆成两层：

• 代码层：文字、数字、卡片、气泡、按钮、所有动效——全在代码里重建，不依赖图片
• 图片层：背景纹理、人物插图——作为静态资源 import 进来，代码不负责生成

这层分工要写进 Codex 的 prompt 里：「文字和布局用代码实现，背景图我会手动 import，你不需要生成图片内容。」

严格按照我上传的这张预览图，复刻成一个 React 动画场景。

先不要写代码，先做三件事：
1. 分析图片的布局结构和视觉层级
2. 列出需要哪些主要组件
3. 确认动效执行顺序

然后：
- 先实现静态布局，还原颜色、字号、间距、圆角
- 再按以下动效顺序加入动画：[你在分镜里写的动效描述]
- 使用 [你的技术栈，如 React + Tailwind + CSS keyframes]
- 只做这一个场景，不要碰其他文件

「先分析，再写代码」这一句很重要。跳过它，Codex 会直接开写，容易写歪。

Step 4：对照预览图检查，逐场景微调

每个场景单独跑，对照原图。有偏差就说具体的：

「标注卡片出现得太早，改成主内容 fade-in 完成后再 slide-in」 「donut chart 颜色偏橙，改成#b44040」

越具体，Codex 越好改。说「再好看一点」只会让它加阴影和渐变，也可以让ai先去改进你的提示词，然后再正式提交。

Step 5：浏览器录屏，交付

四个场景全跑通之后，浏览器直接预览，系统自带录屏。

不需要 After Effects，不需要 Premiere，不需要任何视频软件。

美化一下然后配个bgm，就完成了。当然，为了让视频更好看，我选择使用@FocuSeeHQ

这个工作流适合谁

本文仅提供思路和逻辑演示，希望起到一个抛砖引玉的作用；

适合想做产品演示视频、工具教程视频，但没有视频制作背景的小白，你不需要懂剪辑，不需要懂动效工程。

你需要的是：知道每个场景要长什么样，然后用一张图把这件事说清楚。

先确认视觉，再执行工程。把两个判断拆开，效率会更高。

你试过类似的工作流吗？用什么工具，说一下效果。