Codex 自己给自己出了一条视频，我看完想抄这套方案

这两天刷到藏师傅发的一条推，愣了一下。

他让 Codex 自己做了一条视频，介绍的是他那套 AI 视频生成方案。

不是截图，不是录屏，是真的让 Codex 自己把这套工具链跑了一遍，产出一条带动效、带旁白、能在聊天界面预览的视频，内容是介绍这套视频生成方案本身。

这事有点递归的妙——工具介绍自己，用的方式就是用自己。

我寻思了一下，这玩意到底怎么运转的，值得拆一拆。

先说这套方案是什么。

藏师傅整合了四个工具，各司其职：

PPT Skill 负责视觉、版式和动效。你可以理解为一个专门做幻灯片动画的模块，它管的是页面长什么样、元素怎么进出场、整体视觉风格是什么。

HyperFrames 负责时间线和渲染。这个是把各个帧、各个片段按顺序组合起来，同时处理字幕、时序对齐的那层。你可以想成是剪辑台，不过是用代码操作的。

Listenhub Skill 负责配音。给视频配旁白音频，合成语音，把声音和画面对上。

即梦 CLI 负责补 B-roll 和演示镜头。前端生成不了的东西——比如需要真实运动画面或者特定演示场景——交给即梦来出。

四个工具，各管一段，最后在 Codex 里拼起来，输出一条完整视频。

好家伙，这套组合比我想象的要完整。

让我觉得有意思的不只是工具本身，而是藏师傅说的一句话：能在聊天界面里直接预览。

这件事比看起来更重要。

做视频这件事，传统流程里最让人崩溃的不是哪个单独环节，而是「对齐」——你改了文案，要去改配音；改了配音，要去对字幕；改了字幕，要去改时间线；改了时间线，发现 B-roll 对不上……每次修改都在一个不透明的工具链里传导，你在改，但你不知道最后出来是什么样。

现在如果能直接在聊天窗口里预览，意思是这个循环缩短了——你说「这段节奏太快了」，Codex 直接改，你直接看。

这是工具在变，但更根本的是创作流程在变。

我对这套东西特别感兴趣的另一个原因是：它涉及的不是一类内容，而是一套可以批量复用的框架。

解释视频（explainer video）这个类型，在技术圈一直是个刚需但很难批量生产的东西。你想给你的开源项目做一个介绍视频，或者给你的 API 做一个 quickstart 演示，传统路径是找外包或者自己用剪映/Premiere 一帧帧摆，两条路都不快。

如果这套方案能跑通，意味着什么？

意味着你有了一个「文本 → 解释视频」的流水线。写好 prompt，让 Codex 跑，出来的是一条有图有声有字幕的视频，内容是关于你指定的任何话题。

这不是在帮你做内容，这是在帮你做内容工厂。

当然，说实话我也不知道这套东西稳不稳定。

从藏师傅的推文里看，点赞 218、转发 27，算是在他的受众里引起了一些反响。但这是一条展示推，不是一篇教程，你不知道这中间有多少踩坑的细节被省掉了，也不知道要跑通这套组合需要哪些前置环境。

HyperFrames 我自己没用过，Listenhub Skill 也是第一次听到。PPT Skill 是藏师傅自己做的工具，应该文档比较齐全；即梦 CLI 是字节的，开放程度倒是不低。

如果你想试，从最简路径进：先跑 PPT Skill + HyperFrames 这条线，把「文字 → 带动效的幻灯片视频」这段打通，再往上加配音和 B-roll。别一上来就想复现完整四件套，容易在环境问题上卡死。

我最近有空的话准备试一下，如果跑通了写一篇实操版的。

说回那条 Codex 自己介绍自己的视频。

这件事有一种奇妙的自指感。Codex 调用了这套工具链，做了一条视频，内容是介绍这套工具链，包括 Codex 自己——工具在描述使用工具的工具的方式，同时自己也是其中的工具。

Hofstadter 在「哥德尔、艾舍尔、巴赫」（简称 GEB，你没看过的话强烈推荐）里有一个核心概念叫「奇异循环」（strange loop）——一个系统在追踪自己的层级时，绕了一圈又回到了起点。巴赫的赋格里有这个结构，艾舍尔的版画里有这个结构，哥德尔的不完备定理里也有这个结构。

现在，Codex 用这套方案给自己出了一条解释视频，也有这个结构。

有点子牛逼，这一下。