创作者开源可复用Skill:让AI给口播视频自动配画面,实测6款模型

创作者阿真于2026年11月20日分享了一个可复用的开源Skill,输入一两句资讯后,它能自动完成从脚本到配图再到视频的流程,并用Claude与Gemini的不同模型做了实测。它的价值在于把口播视频的配套画面制作从人工剪辑变成可重复调用的流程。

一句话看懂:创作者阿真于2026年11月20日分享了一个可复用的开源Skill,输入一两句资讯后,它能自动完成从脚本到配图再到视频的流程,并用Claude与Gemini的不同模型做了实测。它的价值在于把口播视频的配套画面制作从人工剪辑变成可重复调用的流程。

事件核心:发生了什么

根据阿真在公众号“阿真Irene”发布的文章,这个Skill最早是在Claude Opus 5.5上搭建的,后续优化使用了Fable 5.2。作者称,当给出一条类似APEC、Genie 4这样一两句话的资讯时,模型会自行完成脚本、配图和视频产出,减少反复调整的工作量。文中展示了三种直出效果:Claude Code-Opus 5.5 Medium的0调整版本、Antigravity-Gemini 4 Carbon Medium版本(元素出现与消失的微动效、转场较顺畅,并分别调用grok生成演播室风格视频、调用Suno生成BGM),以及Antigravity-Gemini 4 Neon Medium版本。作者称总共实测了6个模型,但素材只具体说明上述三种调用效果,其余模型的测试条件未在素材中展开。

为什么重要

目前公开信息显示,这类Skill的意义不在于模型本身的能力跃升,而在于它把“写脚本、生成画面素材、合成视频、配乐”串成固定流程。对视频创作者来说,这是把提示词工程沉淀为可复用工具的做法;对模型厂商来说,它展示了一种典型的使用方式:由大模型负责任务拆解和调度,图像生成、视频生成、音乐生成模型作为子能力被调用。这也说明,多模型协作可能比单一模型包办更贴近实际生产需求。

对用户/开发者/创作者的影响

普通用户短期内不必期待完全开箱即用的体验,因为Skill需要一定的模型调用和工具链配置。开发者可以借鉴它的思路:用统一的输入接口封装多家API,并为图像生成、视频生成、推理等环节设置可控的调度方式。创作者更实际的变化是,一条短资讯就可能快速产出配画面口播的初稿,精力可以转向选题和表达本身。需要注意,上述效果限定在作者于2026年11月前后的测试环境,不能被视为各模型的长期排名。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

一是这个Skill是否公开托管、文档是否完整,以及是否支持接入更多图像和视频模型;二是作者是否公布其余模型的完整实测数据与对比条件;三是标题称“开源”但素材未说明具体许可证和仓库地址,因此需要等待官方或作者确认。

来源:社区更新 · 2026-11-20

celebrityanime
celebrityanime
文章: 36331

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注