你有没有想过，那些有声音、有画面的故事视频，是怎么做出来的？
其实不难。一个故事、一个 AI 助手，五步就能搞定。
我们拿《女孩和牛奶罐》这个故事，从头到尾走一遍。
先看全貌
五步：录音 → 标时间 → 写分镜 → 画图 → 合成视频。就这些。
做视频就像做三明治
做三明治，要面包、肉、菜，一层一层叠起来。
做视频也一样——把声音、画面、时间表叠在一起，视频就出来了。
认识你的 AI 团队
你是总导演，告诉 AI 你想做什么故事，剩下的事它们来干：
- Claude（副导演）— 你的全能助手。帮你调用 Whisper 标时间、写分镜、指挥 Gemini 画图、最后合成视频——整个流程它都能帮你搞定
- Whisper（速记员）— 听录音，记下每句话在第几秒
- Gemini（画家）— 按描述画出漂亮的插画
开始做！
🎤 第一步：大声读故事，录下来
拿起《女孩和牛奶罐》，像讲睡前故事一样大声读出来，用电脑录下来。
不用读得完美，自然就好。
⏱️ 第二步：标记时间
Claude 调用 Whisper，帮你把录音里每句话出现的时间记下来：
- 0:30 — 说到"挤牛奶"
- 0:50 — 说到"幻想新衣服"
- 1:06 — 说到"摔倒了"
这样我们就知道，每句话是在录音的第几秒说的。
🎬 第三步：写分镜
故事里每发生一个新动作，就要换一张新画面。Claude 根据时间戳，把故事拆成一格一格的"分镜"：
- 草地上挤牛奶
- 提着奶桶回家
- 梦想漂亮新衣服
- 不小心绊倒，牛奶洒了
每一格，Claude 都会写好一段"说明书"，告诉画家要画什么。
🎨 第四步：画图
Claude 把写好的说明书交给 Gemini，几秒钟就画好一张插画。
比如第一格"草地上挤牛奶"，给 Gemini 的提示词长这样：
Two farm girls on a sunny green meadow milking a cow. The older girl has long brown hair in braids, the younger girl has short black hair with a red hairband. A large clay milk pot sits between them. Pixar-style 3D animation, vibrant colors, cinematic lighting, 16:9 wide format.
注意看：每次都要写清楚角色长什么样——“扎辫子的姐姐"和"短头发戴红发箍的妹妹”。不然同一个人每张画长得都不一样。
🧩 第五步：合成视频
最后，Claude 把声音、画面、字幕三条轨道对齐——录音说到"摔倒了"的时候，画面就要切到摔倒的那张图。
对齐好，按下导出，视频就做好了！
想试试吗？
- 选一个短故事（1-2 分钟就够）
- 大声读出来，录下来
- 按上面五步走一遍
做不好没关系，多试几次就好了。先动手！