怎么用AI制作YouTube Vox风格解说视频？从选题、脚本到动画成片完整教程

如今，制作一条具有专业感的信息可视化解说视频，已经不再需要庞大的动画团队。借助ChatGPT、OpenArt、ElevenLabs等AI工具，即使你没有动画制作经验，也可以从选题开始，一步一步完成脚本、分镜、画面、配音和后期剪辑。

本教程中会用到多个AI视频工具和素材平台。想直接体验AI视频生成，推荐先打开下面的OpenArt。它集合了多种主流图片和视频生成模型，比较适合需要连续制作多个动画镜头的内容创作者。

OpenArt：一站式AI图片和视频生成平台
链接：http://bit.ly/3UunTl6

提示词1：

我想制作一条 Vox 风格的讲解视频，请帮我列出一些适合这种视频风格的选题。

提示词2：

我想围绕这个主题制作一条视频：XX

现在，请帮我写一份视频脚本。

提示词3：

在，请把这份脚本拆分成多个 Vox 风格的短镜头，每个镜头控制在 10 秒左右。请详细描述每个镜头中应该出现什么画面，并为每个镜头写一段有吸引力的旁白。

视频风格请参考这个视频：

提示词4：

现在，请为第一个场景写一段详细的视频生成提示词。 视频风格要和参考图片保持一致，并把这种风格描述清楚。提示词中需要包含以下元素：扁平化二维图形、动态地图、图标、数据可视化、流畅的镜头运动，以及画面元素一步一步出现的动画效果。

什么是Vox风格解说视频？

Vox风格并不是某一种固定的动画模板，而是一种以“解释复杂问题”为核心的信息可视化视频形式。

这类视频不会只告诉观众发生了什么，还会继续分析：

• 这件事情为什么会发生；
• 背后有哪些原因；
• 不同事件之间存在什么关系；
• 最后会对普通人产生什么影响。

Vox风格视频真正吸引人的地方，并不是从头到尾堆积炫酷特效，而是把动态地图、历史资料、数据图表、时间线、照片、图标和文字标注组合起来，再配合旁白逐步出现，让观众快速理解原本非常复杂的问题。

常见的Vox风格画面元素包括：

• 动态世界地图和区域地图；
• 国家、城市和人物之间的连接线；
• 数据柱状图、折线图和比例图；
• 历史照片与档案素材；
• 时间线动画；
• 扁平化二维图标；
• 重点文字标注；
• 跟随旁白逐个出现的动画元素。

过去，这类视频通常需要策划、编剧、设计师、动画师和配音人员共同完成。现在使用AI，我们可以把整个流程拆分成多个步骤，再利用不同工具分别完成。

制作Vox风格视频需要哪些AI工具？

完整工作流通常会用到以下几类工具。

1.ChatGPT：选题、脚本、分镜和提示词

ChatGPT可以帮助我们完成视频制作前期的大部分文字工作，包括寻找选题、撰写脚本、拆分分镜、生成旁白，以及编写AI视频提示词。

部分高级模型可能需要ChatGPT Plus会员。如果你所在的地区不方便直接订阅，可以查看下面的AI会员服务平台。

ChatGPT会员代充：银河录像局
链接：https://nf.video/C1dxn

2.OpenArt：生成AI图片和动画镜头

OpenArt适合将文字提示词直接生成图片或视频。制作Vox风格视频时，可以根据不同场景选择不同的视频模型，不需要在多个平台之间频繁切换。

打开OpenArt AI视频生成平台
链接：http://bit.ly/3UunTl6

3.Envato Elements：下载真实视频素材

Vox风格视频通常不会全部使用AI动画，还会穿插城市、科技、人物、工厂、自然环境和历史事件等真实素材。

Envato Elements提供视频素材、图片、音乐、音效、字体和模板，适合需要长期制作YouTube视频的创作者。

Envato Elements：视频素材和模板下载
链接：https://1.envato.market/nXYVD7

4.ElevenLabs：生成自然的AI配音

AI视频模型自带的声音不一定稳定，也可能与原始旁白对不上。因此，更推荐把旁白单独提取出来，再使用专业配音工具生成语音。

ElevenLabs：AI文字转语音和配音
链接：https://bit.ly/47UBlUv

5.其他可以搭配使用的AI视频工具

需要制作数字人口播内容，可以使用：

HeyGen：AI虚拟数字人制作
链接：https://bit.ly/47CkE2o

想根据文字快速生成完整视频，也可以使用：

InVideo AI：输入文字自动生成视频
链接：https://invideo.sjv.io/XmWPJb

在实际制作过程中，不需要每个平台都使用。可以先用ChatGPT完成策划和脚本，再选择OpenArt生成主要动画镜头，使用Envato Elements补充真实素材，最后通过ElevenLabs完成配音。

第一步：确定适合Vox风格的视频选题

Vox风格特别适合解释那些“大家经常遇到，但是很少有人真正说清楚”的问题。

打开ChatGPT以后，可以输入下面这段提示词：

我想制作一条Vox风格的信息可视化解说视频，请帮我列出20个适合这种视频风格的选题。选题需要具有好奇心、争议性或者知识性，同时适合普通大众观看。

ChatGPT可能会提供以下类型的选题：

AI与科技类

• 为什么AI越聪明，消耗的电力反而越多？
• AI数据中心为什么需要大量用水？
• 一条海底电缆断了，会对互联网产生什么影响？
• 为什么AI公司都在争夺芯片？

商业与消费类

• 为什么奢侈品牌宁愿销毁商品，也不愿意打折？
• 为什么会员订阅正在取代一次性购买？
• 为什么有些产品看起来普通，却能卖出几百万份？
• 免费软件到底是怎样赚钱的？

城市与生活类

• 为什么城市修建了很多房子，房价却不一定下降？
• 为什么公共交通越发达，市中心的房租反而越高？
• 为什么太阳能越来越便宜，电费却不一定下降？
• 为什么越来越多年轻人不愿意购买汽车？

选择选题时，不要只考虑自己是否感兴趣，还要考虑观众会不会搜索，以及标题能不能产生好奇心。

比较适合YouTube的选题，通常会使用以下结构：

• 为什么某件事越来越严重？
• 如果某件事突然消失，会发生什么？
• 某个行业是如何赚钱的？
• 为什么看起来合理的事情，结果却完全相反？
• 某项技术将如何改变普通人的生活？

第二步：让AI撰写完整视频脚本

确定选题以后，把选题继续发送给ChatGPT。

例如，我们选择：

为什么AI越聪明，消耗的电力反而越多？

接下来输入：

我想围绕“为什么AI越聪明，消耗的电力反而越多”制作一条YouTube解说视频。请帮我写一份8分钟左右的Vox风格视频脚本，面向普通大众。开头需要快速制造悬念，中间通过案例、数据和因果关系逐步解释，结尾总结这件事情可能对普通人产生的影响。语言需要简单、自然，适合直接配音。

生成脚本以后，不要马上进入视频制作。建议先完整阅读一遍，重点检查以下内容：

1. 开头是否能在前15秒吸引观众；
2. 解释顺序是否清楚；
3. 有没有重复表达；
4. 数据和案例是否需要进一步核实；
5. 旁白是否适合直接朗读；
6. 每一段是否都能找到对应画面。

假如你准备制作英文频道，可以先用中文完成脚本，再让ChatGPT进行本地化翻译，而不是逐字直译。

可以使用下面的提示词：

请把这份中文视频脚本改写成自然的美式英语。不要逐字翻译，要符合英语YouTube解说视频的表达方式。句子不要太长，旁白要自然，并保留原来的悬念、节奏和逻辑结构。

第三步：把完整脚本拆分成短镜头

AI视频工具通常更适合生成几秒到十几秒的短片段，因此不能直接把一篇8分钟脚本一次性生成完整视频。

正确的方法，是先把脚本拆分成多个短镜头。原始视频工作流也是先确定选题、生成脚本，再拆分场景和制作提示词，最后生成视频。

把完整脚本发送给ChatGPT，然后输入：

请把这份脚本拆分成多个Vox风格的短镜头，每个镜头控制在5到10秒左右。请为每个镜头提供以下内容：
1.镜头编号；
2.对应旁白；
3.画面中需要出现的内容；
4.地图、图标、数据和文字如何出现；
5.镜头运动方式；
6.适合AI视频生成工具使用的画面提示。

拆分后的结果可以采用这种格式：

镜头1：制造悬念

旁白：
每天早上，全球数十亿人醒来，打开手机、电脑和各种AI工具。

画面：
黑色背景上逐渐出现地球，多个城市亮起，手机、电脑和AI图标从不同区域浮现。地图上的连接线快速延伸，将全球城市连接起来。

镜头运动：
镜头从太空缓慢推近地球，然后快速移动到数据中心。

镜头2：提出核心问题

旁白：
但这些看起来没有重量的AI回答，背后却需要消耗惊人的电力。

画面：
聊天窗口出现在画面中央，随后向后缩小，露出背后规模庞大的服务器机房。电力图标、闪电符号和不断上升的柱状图逐个出现。

完成分镜以后，下一步就是根据每个镜头生成详细的视频提示词，再把提示词导入OpenArt等AI视频平台。

需要针对自己的频道定位、联盟营销方式或者AI工具选择获得进一步建议，可以加入我的知识星球交流：

向有风咨询，加入知识星球圈子
链接：https://t.zsxq.com/16QP9JP8b

第四步：为每个镜头生成Vox风格视频提示词

分镜完成以后，下一步是把每个镜头转换成AI视频生成工具能够理解的提示词。

很多人制作AI视频时，生成效果不稳定，通常并不是模型能力不够，而是提示词只写了“生成一段Vox风格动画”，没有说明画面构图、动画顺序、镜头运动和视觉元素。

建议先准备两到三张你喜欢的参考画面截图，然后上传到ChatGPT，让AI分析这种视频的视觉语言。

可以使用下面这段提示词：

请根据我上传的参考图片，为第一个场景编写一份详细的AI视频生成提示词。

视频需要采用Vox风格的信息可视化设计，画面包含扁平化二维图形、动态地图、数据图表、照片拼贴、时间线、图标和文字标注。

请详细说明画面构图、色彩、光影、镜头运动、元素出现顺序和转场方式。所有画面元素要跟随旁白逐步出现，不要同时堆在画面中。视频时长控制在8秒左右，比例为16:9。

如果准备制作英文视频，还可以补充一句：

请把最终的视频提示词写成英文，但保留中文解释，方便我检查。

一份完整的视频提示词，通常应该包含以下内容：

• 视频主题；
• 整体视觉风格；
• 地图或场景类型；
• 画面中的主要元素；
• 元素出现的先后顺序；
• 镜头推进、缩放和移动方式；
• 数据图表的动画方式；
• 光影和配色；
• 视频比例和时长；
• 不希望出现的内容。

例如，一个关于AI电力消耗的镜头，可以这样描述：

深色背景中出现一张简洁的世界地图。北美、欧洲和亚洲的主要城市逐渐亮起，细线把不同城市连接起来。镜头缓慢推近北美区域，一个大型数据中心图标从地图上升起。随后出现电力图标和不断上升的柱状图。画面采用深灰色、米白色和橙黄色配色，具有现代新闻纪录片和Vox风格的信息可视化效果。所有元素跟随旁白依次出现，保持画面清晰，不要添加人物，不要出现无关文字。

提示词越具体，AI生成的视频通常越接近预期。不过，也不要在一个8秒镜头里安排太多动作。短镜头最好只表达一个核心信息。

第五步：使用Google Flow生成Vox风格动画

准备好视频提示词以后，就可以开始生成第一个动画镜头。

Google Flow是一款AI创意和视频生成工具。进入平台并创建项目以后，可以根据当前界面选择视频生成模式、画面比例、模型和视频时长。

制作YouTube横屏视频时，建议优先选择：

• 视频比例：16:9；
• 视频时长：根据镜头设置为6秒、8秒或10秒；
• 一次生成数量：前期测试时先生成1条；
• 提示词语言：优先使用英文；
• 画面风格：在提示词里完整说明。

在原始制作流程中，提示词会先由ChatGPT生成，再复制到Google Flow里制作短视频片段。由于中文文字有时可能出现乱码，因此提示词和画面内的文字内容最好使用英文，或者直接要求模型不要生成可读文字。

生成以后，重点检查以下几个方面：

1.画面风格是否统一；
2.地图、图表和图标是否按照顺序出现；
3.是否出现乱码或错误文字；
4.镜头运动是否过快；
5.旁白内容是否与画面匹配；
6.视频首尾是否方便与下一个镜头衔接。

假如生成结果不理想，不要马上更换模型。可以先修改提示词，例如：

• 减少画面中的元素数量；
• 缩短动作描述；
• 强调只出现一个主要视觉焦点；
• 删除模型难以理解的抽象描述；
• 加入“no readable text”；
• 明确要求镜头保持稳定；
• 指定主色调和背景颜色。

对于一条8分钟左右的视频，可能需要几十个短镜头。免费额度更适合测试风格和制作重点画面。如果需要连续生成大量镜头，可以使用模型选择更多的一站式平台。

第六步：使用OpenArt批量制作高质量AI视频

想提高制作效率，可以把主要动画镜头放到OpenArt中生成。

立即打开OpenArt，开始生成AI动画视频
链接：http://bit.ly/3UunTl6

OpenArt集合了多种AI图片和视频模型。对于内容创作者来说，它的优势是可以在一个平台中完成文生图、图生图、文生视频和图生视频，不需要为每一种模型分别注册账号。

进入OpenArt以后，可以按照以下流程操作：

1.注册并登录OpenArt；
2.进入视频生成页面；
3.选择“Text to Video”，也就是文生视频；
4.选择合适的视频模型；
5.粘贴ChatGPT生成的视频提示词；
6.设置16:9比例；
7.设置视频时长；
8.根据需要打开声音；
9.点击生成并等待结果。

不同模型适合的画面类型并不相同。有些模型更适合真实人物和电影画面，有些模型更适合动画、地图和图形变化。

制作Vox风格视频时，建议重点观察：

• 是否擅长处理地图；
• 是否能够稳定生成图表；
• 能否保持扁平化设计；
• 镜头运动是否流畅；
• 图标和线条是否容易变形；
• 是否支持首帧图片；
• 是否可以生成横屏视频；
• 每次生成需要消耗多少积分。

在OpenArt选择模型时，平台通常会显示模型支持的视频长度、分辨率和其他能力。可以先用同一段提示词测试两到三个模型，再确定整条视频主要使用哪一个模型。

生成完成以后，如果只有局部画面存在问题，可以使用平台提供的编辑功能，描述希望修改的内容。

例如：

保持当前构图和镜头运动不变，只删除画面右侧的错误文字，并把柱状图颜色改成橙黄色。

需要注意的是，重新编辑通常也会消耗积分，所以最好在第一次生成之前把提示词写清楚。

使用OpenArt体验多种AI视频模型
链接：http://bit.ly/3UunTl6

第七步：AI动画与真实视频素材结合

一条高质量的Vox风格视频，不应该从头到尾全部使用同一种AI动画。

如果所有镜头都是动态地图和图标，观众看久以后很容易产生视觉疲劳。更自然的方法是把以下几类素材混合使用：

• AI生成的动态地图；
• AI生成的信息图表；
• 真实城市航拍；
• 工厂和数据中心素材；
• 历史照片；
• 新闻资料；
• 产品特写；
• 屏幕录制；
• 静态图片的推拉动画；
• 时间线和文字标注。

例如，讲到数据中心时，可以先使用真实服务器机房素材，再切换到AI制作的世界地图，展示数据中心分布。讲到电力消耗时，可以穿插发电厂、电网和输电线路，然后再用动画图表解释数据变化。

需要下载高质量视频、音乐、音效和图形模板，可以使用Envato Elements。

Envato Elements：下载视频素材、音乐和模板
链接：https://1.envato.market/nXYVD7

在Envato Elements中搜索素材时，建议尽量使用英文关键词。例如：

• data center；
• artificial intelligence；
• global network；
• electricity grid；
• world map；
• server room；
• city aerial；
• technology background；
• documentary footage；
• infographic animation。

下载素材之前，要注意横屏比例、分辨率、镜头运动和整体色调。尽量选择能够与AI动画风格自然衔接的素材。

为了降低AI视频生成成本，可以把重点镜头制作成动画，其他部分使用真实素材、静态图片和简单的缩放效果。原始工作流同样建议将AI生成素材与真实视频结合，而不是把所有镜头全部交给视频模型生成。

第八步：使用ElevenLabs制作专业AI配音

AI视频模型自带的声音，可能出现语速不自然、语气不稳定，或者旁白与画面内容对不上的问题。因此，更推荐把视频旁白单独提取出来，再使用专业的AI配音平台生成语音。

这里可以使用ElevenLabs。

ElevenLabs：自然度很高的AI配音工具
链接：https://bit.ly/47UBlUv

首先，把完整分镜脚本发送给ChatGPT，然后输入：

请提取这份分镜脚本中的所有旁白，只保留可以直接配音的文字。删除镜头编号、画面说明、提示词和其他备注。请按照自然段整理，保证前后衔接流畅。

如果制作英文视频，可以继续输入：

请把这份旁白改写成自然的美式英语，适合YouTube知识类解说视频。句子不要太长，表达要清楚，语气自然，不要逐字翻译。

进入ElevenLabs后台以后，找到文字转语音功能，把整理好的旁白粘贴到输入框，再选择适合的声音。

选择AI声音时，可以重点考虑：

• 声音是否清楚；
• 语速是否适合解说视频；
• 语气是否具有可信度；
• 情绪是否过于夸张；
• 长篇旁白的音色是否稳定；
• 是否适合科技、商业或纪录片内容。

Vox风格视频通常不需要过于激动的配音。更适合选择沉稳、清楚、略带叙事感的声音，让观众把注意力放在信息本身。

生成配音以后，建议完整试听一遍。发现人名、地名、缩写或专业术语读错时，可以修改拼写、加入标点，或者把长句拆分成短句，再重新生成。

原始制作流程同样建议把旁白从分镜中单独提取出来，再使用专业的文字转语音平台生成配音，最后下载音频进入剪辑软件。

立即使用ElevenLabs生成AI旁白
链接：https://bit.ly/47UBlUv

第九步：把动画、素材和配音剪辑成完整视频

现在，我们已经准备好了三类核心素材：

1.使用OpenArt等工具生成的AI动画；
2.从Envato Elements下载的真实视频素材；
3.使用ElevenLabs生成的AI配音。

接下来，可以使用剪映、CapCut、Premiere Pro、DaVinci Resolve或其他剪辑软件，把所有内容组合起来。

剪辑时，建议先把完整配音放到时间线上，再根据旁白内容添加对应画面。这样比先拼画面、后放配音更容易控制节奏。

推荐的剪辑顺序

第一步，把完整旁白导入剪辑软件。

第二步，根据旁白停顿和内容变化，把音频划分成多个段落。

第三步，把对应的AI动画、真实素材、图片和图表放到每段旁白上方。

第四步，补充背景音乐、环境音和转场音效。

第五步，加入必要的字幕和重点文字。

第六步，检查每个镜头是否与旁白内容匹配。

Vox风格视频的重点不是频繁使用复杂转场，而是让信息跟随旁白逐步出现。

例如，旁白先提到“全球数据中心”，画面可以先出现世界地图；讲到“主要分布在北美、欧洲和亚洲”时，再分别点亮对应区域；讲到耗电量增长时，最后让柱状图从地图旁边升起。

这种逐步出现的方式，比一次把地图、图标、文字和图表全部放出来更容易理解。

控制画面节奏

知识类解说视频要避免一个画面停留太久。通常可以每隔几秒发生一次视觉变化，例如：

• 地图缓慢放大；
• 新节点逐个出现；
• 图表开始增长；
• 照片从侧面进入；
• 时间线向前移动；
• 关键词被重点标注；
• 真实素材切换为动画；
• 镜头从全景推进到局部。

这里的“变化”不一定是换镜头，也可以是同一个画面里的元素逐步增加。

添加背景音乐和音效

背景音乐的音量不要盖过旁白。知识类视频更适合节奏稳定、存在感较弱的音乐。

可以在地图节点亮起、图表出现、镜头推进和画面转场时，加入轻微的提示音、上升音或点击音，增强信息出现时的反馈感。

需要视频素材、背景音乐、音效和动画模板，可以使用Envato Elements。

Envato Elements：视频素材、音乐、音效和模板下载
链接：https://1.envato.market/nXYVD7

第十步：制作字幕和重点标注

Vox风格视频经常使用文字标注，但文字的作用是帮助观众理解，而不是把旁白全部复制到屏幕上。

建议只显示以下内容：

• 核心数据；
• 年份和时间；
• 国家或城市名称；
• 人物和机构名称；
• 重要结论；
• 关键词；
• 对比关系。

每次出现的重点文字尽量控制在一到两行。字体要清楚，字号要足够大，并且与背景形成明显对比。

可以使用深灰、米白、黄色、橙色或红色作为主要配色，但整条视频最好保持统一。不要每个镜头都更换字体和颜色，否则会让视频看起来像多个模板拼接在一起。

第十一步：导出并上传到YouTube

剪辑完成以后，建议按照YouTube横屏视频的常用规格导出：

• 画面比例：16:9；
• 分辨率：至少1920×1080；
• 帧率：与原始素材保持一致；
• 音频：保证旁白清楚，无明显爆音；
• 文件格式：MP4。

上传YouTube之前，还需要准备标题、视频简介、标签和封面。

标题中可以自然加入这些关键词：

• AI视频生成；
• AI动画制作；
• Vox风格；
• YouTube视频制作；
• AI解说视频；
• ChatGPT；
• OpenArt；
• AI配音；
• 信息可视化。

例如：

怎么用AI做YouTube Vox风格解说视频？AI动画制作从选题到成片完整教学

视频简介的前两段，要先说明观众能从视频中学到什么，再自然放入主要工具链接。

可以把OpenArt放在靠前的位置，因为它与本教程的核心操作直接相关：

OpenArt：一站式AI图片和视频生成平台
链接：http://bit.ly/3UunTl6

完整文字教程和提示词可以放在简介中：

查看本期视频文字信息与相关提示词
链接：https://aiyoufeng.com/ai-video-homestead

第十二步：通过YouTube视频获得收入

制作这种视频以后，可以通过多种方式变现。

YouTube广告分成

频道达到YouTube合作伙伴计划的相关要求以后，可以通过视频播放获得广告收入。

联盟营销

可以在视频简介、置顶评论和网站文章中，推荐自己实际使用的AI工具、素材平台和配音软件。

访客通过联盟链接注册或购买以后，创作者可以获得佣金。

适合本教程推广的工具包括：

OpenArt：AI图片和视频生成
链接：http://bit.ly/3UunTl6

ElevenLabs：AI文字转语音
链接：https://bit.ly/47UBlUv

Envato Elements：视频素材和模板
链接：https://1.envato.market/nXYVD7

HeyGen：AI虚拟数字人制作
链接：https://bit.ly/47CkE2o

InVideo AI：输入文字自动生成视频
链接：https://invideo.sjv.io/XmWPJb

ChatGPT会员代充：银河录像局
链接：https://nf.video/C1dxn

品牌合作和赞助

当频道拥有稳定播放量以后，相关软件公司、AI平台和内容创作工具可能会主动联系创作者进行视频合作。

销售自己的产品和服务

还可以销售课程、咨询服务、提示词模板、视频制作服务或付费社群。

不过，YouTube频道通常不会因为发布一两条视频就立刻产生明显效果。更重要的是保持稳定更新，例如每周发布一条或两条视频，并连续坚持几个月。原始视频内容也强调，稳定更新和持续积累流量，是获得广告收入、品牌合作和联盟佣金的重要基础。

总结

使用AI制作Vox风格解说视频，可以概括为以下完整流程：

确定视频选题，使用ChatGPT生成脚本，把脚本拆分成短镜头，为每个镜头编写详细提示词，使用OpenArt等平台生成AI动画，再通过Envato Elements补充真实视频素材，使用ElevenLabs制作旁白，最后在剪辑软件中完成画面、字幕、音乐和音效。

刚开始制作时，不需要追求每个镜头都非常复杂。先完成第一条视频，再根据观众反馈不断优化选题、脚本和画面质量，比一直停留在准备阶段更重要。

想直接开始制作，可以先使用下面的工具：

OpenArt：一站式AI图片和视频生成平台
链接：http://bit.ly/3UunTl6

ElevenLabs：自然度很高的AI配音工具
链接：https://bit.ly/47UBlUv

Envato Elements：视频素材、音乐和模板下载
链接：https://1.envato.market/nXYVD7

查看本期视频文字信息与提示词
链接：https://aiyoufeng.com/ai-video-homestead

在制作AI视频、运营YouTube频道或进行联盟营销的过程中遇到问题，也可以加入我的知识星球交流：

向有风咨询，加入知识星球圈子
链接：https://t.zsxq.com/16QP9JP8b