Matt Wolfe · 29:37 · 发布 2026-07-08 · 5544次观看(截至抓取) · 观看原视频
主旨
按 11 类视频特效场景拆解 Runway / Seed Dance 2.0 / Kling / Veo 3.1 / Gemini Omni / Remotion / Codex 等 AI 工具的具体分工,演示如何把 5% 的 AI 特效注入 95% 的人味口播视频,而不是造 AI slop。
核心论点
- “AI VFX 不是 AI slop”的关键是把 AI 限定在 5% 的 spice 位——95% 仍是真人出镜、口播、剪辑,AI 只在开场、转场、背景、B-roll 这几处补味。(→ 详解1)
- Runway + Key Frame 补间是最稳的”开场冲墙”特效配方:在 DaVinci Resolve 抓无椅空镜与落座前两帧 → Runway Custom→Key Frame → 模型在两帧间生成过场 → DaVinci Smooth Cut 修补色差。(→ 详解2)
- Animorph(动物变人)用 ChatGPT 先把首帧变体做好,再让视频模型在两张图之间 morph,绕开当前所有视频模型做不好”动物→人”的难题。(→ 详解3)
- 跨地转场的核心是提前录一句过渡台词 + 同款上衣 + 末首帧对位,转场提示词里明确写”the man does not speak at the end”防模型自由发挥接 gibberish。(→ 详解4)
- 背景 VFX 首选 Gemini Omni:录 10 秒口播 → Gemini 传”加雪人/哥斯拉/爆炸/阴雨天”等提示 → 主体口播不动、背景动态改变,直接拼回原视频。(→ 详解5)
- AI B-roll 有两类做法:Codex + Remotion 用 Claude Code Skill 写代码做高亮/箭头/截屏滚动动画;Claude Co-work / Codex 用 Opus 4.8 + 截图+写脚本生成 mp4 完成完整网页文字高亮 B-roll。(→ 详解6)
- Stock footage on demand 直接用视频模型生成,因为训练数据里已经有大量此类素材;提示词越接近 stock site 的常见描述,出来的画面越像 stock。(→ 详解7)
- Logo reveal 与 lower thirds 走”绿幕先生成 + DaVinci Delta Key 抠像”两段式:Seed Dance 2.0 文字总拼错,Veo 3.1 文字更准;两者都用同一色背景让 DaVinci Delta Key 一键抠掉。(→ 详解8)
- Motion graphics 与动画信息图首选 Remotion in Codex——粒子 logo、avatar 油彩、模拟短信气泡、英伟达股价图、飞机航线动画都能一句 prompt 出来;NotebookLM 的 Video Overview 是吃源文档自动出片的另一条路。(→ 详解9)
- Animated talking heads 用 Runway 的 Character Script to Video:上传角色图 + 朗读音频 → 生成该角色说话视频,做两段对话剪辑交错即可呈现”AI 主持人”对话效果,文本交换类内容用这个比纯口播更吸睛。(→ 详解10)
- 这套打法适用范围广、门槛低,但产出仍受”模型擅长什么”限制——morph from animal、跨城市航线、英文文字渲染、AI 主持人唇形仍是当前 AI 视频的薄弱环节,提示词工程只能绕路不能根治。(→ 详解11)
知识点详解
1. 为什么不写”全 AI 视频”——AI VFX 而非 AI slop 的边界 00:21
Matt 开门见山说自己”不喜欢全 AI 生成的视频,还是想要人去做创作”——这是整篇的方法论前提。他观察到在平台上越来越难分辨什么是 AI、什么不是,觉得不舒服,所以自己用 AI 时”故意显示出来这是 AI 做的”。这个态度决定了后续 11 个特效场景都只是 5% spice,而不是把视频交给模型。
落到操作层,这套打法的目标是:用真人出镜口播撑住 95% 的内容(立人设、保可信度),只在开场、转场、背景偶发特效、B-roll 这几处短小位置加 AI 视觉点,既抢眼又不让视频变成”又一个 AI 生成频道”。这种”人味底 + 特效点缀”的比例,与 AI slop 的差别在于内容主体仍是人脑/人声输出,AI 只贡献画面细节。
立场佐证:作者本频道订阅近百万、定位 AI 资讯,全 AI 视频反而与频道调性冲突,这是利益反向的"承认短板/劝你别买"型主张。
2. The Runway Intro Formula:Key Frame 补间的两帧入场法 00:40
Matt 几乎每个视频开场都是”先抓两帧 → 交给 Runway → 接回口播”的同一套配方。在 DaVinci Resolve 里先把空椅静帧(frame one)与落座前一刻(frame two)分别 Export→Current Frame as Still 保存,然后进 Runway 选 Custom→Key Frame 上传这两帧。
提示词保持简单,例如 the man burst through the back wall and then sits down in the chair (02:28)。模型推荐 Seed Dance 2.0(他觉得”honestly really kind of tops them all right now”),其他可选 Kling 与 Google Veo 3.1 (02:32)。他提到自己主用 Runway 纯粹是因为一年半前 Runway 给了大量 credits (03:14),不是 Runway 客观更优——这是”工具选型跟着 credits 走,不是跟着 benchmark 走”的现实主义。
回到 DaVinci 后用 Smooth Cut 视频过渡修补模型生成的硬切与色差。输出选项里他总是勾”with audio on”,不喜欢再在 DaVinci 里静默——因为同一段生成里换模型可能就给了更合适的对白音轨,丢掉可惜。这套工作流能跑通,核心是 Runway 的 Key Frame 功能允许用户提供首尾两帧做约束,大幅减少了”凭空生成”的随机性。
3. Intro Variations 与 The Animorph Hack:动物变人绕路法 04:27
前两段他做了几个变体:claw machine 把我从角落抓起来放进椅子、扔麦克风到新地点接住、穿过 wormhole 被吐到另一端。流程都一样,只换首末两帧与提示词。但”动物变人”(animorph) 这一类他尝试了多个模型都说”really bad at” (05:11)——当前所有视频模型在”从动物形变到人形”这条任务上都不可靠。
绕路技巧(Animorph Hack)是用 ChatGPT 而不是视频模型处理首帧:把空椅静帧丢进 ChatGPT,让它”保持 16:9 长宽比,做一只狼坐在椅子上”,得到一张狼图;再把狼图作为 Key Frame 的首帧、自己坐好图作为末帧交给 Runway。让视频模型做的事从”凭空 morph 动物→人”简化成”在两张几乎只有内容差异的图之间做过渡”,后者所有模型都做得相当好 (06:03)。
这是”把困难任务前移到更擅长的模型”的典型用法:视频生成擅长补间,图像生成擅长合成,各自做自己稳的事,而不是强求一个模型做完所有事。
4. Location & Travel Transitions:跨地转场的提前量 06:16
跨地转场的关键不是后期花活,而是出发前提前录一句过渡台词。Matt 在去 Big Bear 录 cabin 视频之前,在自己办公室先录了前 5 秒说”Here’s the AI news. Let’s have a change of scenery.” (06:45)。之后用”我屋里说最后一句的末帧 + cabin 录的第一帧”做 Key Frame 输入,提示词写”the camera rotates above the head of the man on the first frame and then rotates around him” (07:08)。
注意提示词末尾特意加
and the man does not speak at the end(07:20)——不写这句话,模型常会在转场后自由发挥,让主角”说 gibberish”。
细节上他还做了两件容易被忽视的事:① 录 cabin 那段时特意穿同一件衬衫,让”换景不换人”更可信 (07:52);② 模型选择上,San Diego→Vegas 这段他用 Kling(在 Leonardo 里)而非 Seed Dance——同一流程换模型就能解决一些 Seed Dance 出现的具体瑕疵,但流程不变 (08:35)。
5. Background VFX With Gemini:背景动态与人物静态的反差 09:11
背景类 VFX 适合用一个完全不同思路的工具:Google Gemini 的 Omni 模型。Matt 先正常录一段 10 秒口播,然后把这段 10 秒视频整体上传进 Gemini,提示词写”a yeti walks by in the background behind the man” (09:38)。输出视频里,他在前景说话的动作几乎不变,只是背景多了个雪人走过。
这种做法的本质是把”主体 + 背景”当成一个独立镜头整体交给视频模型再生成,而不是用 Key Frame 单独约束。同样的思路被他用来做”Add an explosion behind me in the video. Don’t change anything else.” (10:43)、Make my head smoking (11:08)、Take that same video, but make it a cloudy and rainy day (11:28) 等。提示词里反复加”don’t change anything else”或”make it so I don’t even react”是为了防止模型让主角转头、惊讶、走神——一旦主角分心,整个”AI VFX 当点缀”的前提就崩了。
6. AI B-Roll & Text Highlight Animations:网页滚动 + 高亮动画 11:39
想做”屏幕滚动到某段文字再高亮”的 B-roll,Matt 抛出了一个反直觉的工具选择:Claude Co-work(12:01),用 Opus 4.8。他坦言 Fable 做这件事可能更好,但 Opus 4.8 “honestly does the trick”。具体做法:打开一篇新闻页 → 在 Co-work 里 prompt “Create the video for me. The video starts with a screenshot of this page.”(12:48),并指示它滚动到 “your work follows you” 那段文字后再用 highlighter animation 高亮。。
Co-work 在背后调用浏览器自动化对网页做截图 + 用代码驱动滚动 + 加高亮层 + 输出 mp4 (12:48)。这个流程同样在 Codex 里跑得通,因为本质是”用代码做屏幕录像动画”,不依赖视频生成模型。Matt 还演示了”zoom 到具体段落 + 加箭头”、“高亮特定区域”等变体,都属于”用代码替代视频生成”的另类 B-roll 做法。
7. Stock Footage On Demand:Stock site 风格直接 prompt 出来 14:25
Stock 视频站上那些”西装男在会议室和女同事握手”风格素材,可以直接用视频模型生成。提示词越接近 stock site 的常见描述,出来的画面越像 stock: Stock footage of a man in a business suit shaking hands with a woman in a business suit while standing in a conference room (14:36)。
Matt 认为这类素材之所以效果稳定,是因为训练数据里本来就有大量 stock 风格视频,模型是被这套风格”喂”出来的。同样的 prompt 跑两遍出片差异不大,意味着这条路径有较高的可重复性。Stock site 的优势是版权清晰、可商用,AI 生成则不需要付费但版权状况模糊——这是用这条路径前需要自己权衡的点。Matt 没在视频里展开法律层面,只把它作为”如果不想用 stock site,又想完全控制画面内容”的备选。
8. Logo Reveals & Lower Thirds:绿幕先生成,DaVinci Delta Key 后抠 15:28
Logo reveal 和 lower thirds(姓名 + 头衔的下三分之一字幕条)走”两段式”。先用 Codex 装 Claude Code Skill remotion best practices(15:42),把 logo/avatar 图传给 Codex,提示词 There's an explosion of particles and then the particles reform to become the Future Tools logo (16:17)。Codex 通过 Remotion 生成 mp4,效果是粒子爆炸后重新聚合成 logo;同套路可做油彩飞溅 morph 成 avatar。
Lower thirds 的难点在于文字精确度。Seed Dance 2.0 拼名字总出错——他演示的版本把 CEO of Busybench 写成 CEO of Busty Bench(17:16)。解决方法是让视频模型先生成绿幕底的人物 + 文字动画,再在 DaVinci Resolve 的 Fusion 编辑器里用 Delta Key 把绿色背景抠掉(17:37),关键参数是把背景色选为绿色并调整容差(17:40)。即便如此,Seed Dance 仍可能要 prompt 四五次才能拼对字(18:21)。
换 Veo 3.1 后文字精度立刻好很多(18:34);Remotion in Codex 则”text perfect every time” 因为本质是代码渲染(18:54),但视觉冲击力不及视频模型版本。所以两个路径的取舍很明确:视频模型好看但文字常错,Remotion 文字稳但不炫。
9. Motion Graphics & Animated Infographics:Remotion 与 NotebookLM Video Overview 20:13
复杂动效(模拟短信气泡、SVG 概念图、股票图)Matt 几乎都用 Remotion in Codex 来做。Remotion 适合”描述性画面”:告诉它”做一段 iPhone 短信对话气泡,内容是 A 问 B 订阅了没、B 说这是大家保持 AI 资讯的方式”,就能出一段 mock iMessage 动画。Remotion 还能把代码块渲染成打字机效果,适合解释”SVG 怎样用代码生成图”这类话题(22:56)。
另一条更省事的路径是 NotebookLM 的 Video Overview:把要解释的资料喂给它,让 NotebookLM 自动生成 cinematic overviews / explainers / shorts(22:00)。Matt 用”birds aren’t real”这种戏谑话题演示,生成的视频里有”无人机上升曲线 vs 鸟群下降曲线”的对照图、人物手握鸟的定格动画等(22:20),都是可以剪进正片的 B-roll 段落(22:16)。NotebookLM 的优势是不用写 prompt,但不能精细控制画面。
10. Animated Talking Heads:Character Script to Video 对话剪辑 25:11
最后一种”会让观众停留更久”的小把戏:用 Runway 的 Character Script to Video 做出两个人对话的”AI 主持人”动画。做法:① 找两张名人图(他用了 Sam Altman 一张可能是 AI 生成的图(26:03)),② 在 DaVinci 的音频录制里把对话两边都自己念一遍,③ 进 Runway Character Script to Video,选 Character Script,上传图 + 上传音频(26:09),④ 生成两段单人完整对话视频。
回到 DaVinci 把两段视频剪成 A 说 → B 说 → A 说 的对话形态(26:41)。这种”AI 主持人对谈”的视觉冲击,比单纯 Matt 自己念一段八卦信息(26:43)显著更能留住观众——本质是用视觉刺激对抗”长视频 = 跳出率上升”。
11. Final Thoughts 与已知薄弱环节 27:08
结尾 Matt 重申两个立场:① 他 95% 用真人,5% 用 AI spice,目的是”给自己加点乐子”而非把视频外包给模型;② 他不期待一个”几乎无人参与”的互联网(28:18)(28:04)。
整片暴露的 AI 视频当前薄弱环节:① 动物→人形 morph 仍几乎做不了,只能用 ChatGPT 绕路;② 跨城市航线动画,Seed Dance / Gemini / Remotion 三个工具都没法既好看又准确,Remotion 准确但视觉简陋(23:20) (24:40);③ 文字渲染精度 Veo 3.1 已大幅领先但仍非 100% 准确,Remotion 是 100% 但牺牲视觉;④ AI 主持人的唇形与表情仍带”AI 味”,长看能识别。
最后他说本片不是给”来看 AI 资讯”的常规订阅者,而是给”想学怎么做一点好玩 AI 视频”的观众——这等于在说:本片与 Matt Wolfe 频道主线(AI 资讯)有偏离,定位为”附加技法演示”而非频道常规内容。
可执行步骤
- 在自己最常剪辑的工具里,先把”开场冲墙特效”的空椅 + 落座前两帧抓到本地存档,作为后续任何 Runway Key Frame 任务的固定素材源。
- 想要 morph / 变形类开场(动物变人、物体变人)前,先用 ChatGPT / Flux 等图像模型把首帧图变体化,再让视频模型做两帧补间——而不是直接 prompt 视频模型做 morph。
- 跨地录制前,提前在原地点录一句过渡台词 + 记下当天的衣服,落地时穿同款 + 用同一句的”末帧 → 新地点首帧”做 Key Frame 转场,提示词末尾加
and the man does not speak at the end防 gibberish。 - 想做”主体口播不动 + 背景动态”型 VFX 时,优先用 Gemini Omni 而不是 Runway:上传 10 秒口播整体 + 写”加 X 物体在背景,不要改变其他”类提示词。
- 想要”网页滚动 + 高亮 + 箭头”型 B-roll 时,在 Claude Co-work 或 Codex 里直接 prompt 它”截屏 + 滚动 + 高亮 + 输出 mp4”,比试图让视频模型生成”假屏幕录像”更可靠。
- Stock 风格的 B-roll(西装握手 / 撒钞票 / 工作会议),直接用 Seed Dance 2.0 / Kling / Veo 3.1 prompt 出来;提示词复用 stock site 的描述句式。
- Logo reveal 与 lower thirds 走”绿幕先生成 + DaVinci Delta Key 后抠”两段式:要文字 100% 准用 Remotion in Codex,要视觉冲击用 Veo 3.1 接受多次重抽。
- 复杂 motion graphics(短信气泡、SVG 概念图、股票图)优先 Remotion;需要”喂资料自动出片”用 NotebookLM Video Overview。
- 想做”AI 主持人对话”型内容,在 DaVinci 自录对话音频 → Runway Character Script to Video → 在 DaVinci 里剪成交错对话;这是当前最能拉长观众停留的视觉手段。
关联
- 互补:Remotion 在 用 Remotion + Claude Code 提示词生成宣传视频 中定位为”用 React 描述视频、可渲染成 MP4 的编程式视频框架”,侧重把现有 React app 复用进 promo 视频与 VPS 部署;本片把 Remotion 推到”AI 视频特效的稳定器”位——text 精确、绿幕干净,补足视频生成模型在 logo reveal / lower thirds 上的文字不稳定短板。
- 互补:Claude Code Skill 在 9 个免费 AI 技能 里覆盖 GStack / Stop Slop / Graphify / taste skill 等开源 skill 合集;本片给出的是 Remotion best practices 这一具体 skill 在 logo reveal / 文字动画场景下的安装路径与实测,补足”remotion skill 装上能干什么”的细节。
- 互补:NotebookLM 在 NotebookLM 2.0 全功能实测 中覆盖其研究/笔记/Featured notebooks 主线用法;本片把 NotebookLM 的 Video Overview 单独拎出来作为”喂源自动出片”型 B-roll 的另一条路径,与 Remotion in Codex 的”prompt 出片”形成”自动 vs 可控”对照。
一手来源与延伸
- 视频所讲工具/平台(均出自视频描述与口播):Runway(包含 Seed Dance 2.0 / Kling / Veo 3.1 等模型)、Google Gemini(含 Omni 模型)、DaVinci Resolve、ChatGPT、Claude Co-work / Codex、NotebookLM、Remotion。
- 作者自营产品(出自视频描述):futuretools.io(AI 工具目录)、futuretools.io/newsletter(每周 AI 资讯邮件)。与本片技术内容无直接绑定,属于频道常规露出。
术语
- AI VFX(用 AI 模型生成的视频视觉特效,本片语境下专指在真人主体视频上叠加的 5% spice)
- AI slop(全 AI 生成、低质、无信息密度的内容,本片刻意回避)
- Key Frame(视频生成中由用户给定首/末两帧作为约束,模型在两帧间补间生成视频)
- Morph(模型在两张图之间做形变过渡,本片语境下专指动物↔人)
- Character Script to Video(Runway 的功能:上传角色图 + 音频/脚本,生成该角色朗读的视频)
- Delta Key(DaVinci Resolve Fusion 编辑器里的色键工具,用于抠出纯色背景)
- Lower thirds(画面下三分之一处的字幕条,通常含姓名+头衔)
- Cinematic overview / explainer / shorts(NotebookLM Video Overview 的三种产出形态)
金句
“I don’t like to make full-on AI generated videos. I still like humans to create stuff.” (00:21) — 这是整篇的方法论锚:5% spice 之所以合理,正是因为作者明确把人味当作主体,而非把 AI 当替代品。
“So that’s the main reason I use Runway.” (03:20) — 工具选型跟着 credits 走,不是跟着 benchmark 走——这是一句容易引出”那我也想拿 credits”的危险话,本片写作时应提醒读者 Runway 给 Matt credits 是一次性事件,不应照抄”选 Runway”的结论。
“And I put and the man does not speak at the end because oftentimes these models will do the transition and then just make me speak like gibberish at the end.” (07:20) — 提示词末尾加约束(
...does not speak at the end)是本片反复出现的反 gibberish 模式,值得作为通用 prompt pattern 记下来。“I’m not really looking forward to a world where everything we see online has very little human involvement.” (28:18) — 与频道订阅百万级 AI 资讯立场反向,属于”承认自己不喜欢的未来”的反向证据,可信度独立。
立场与利益
视频描述里挂着 futuretools.io 工具目录与 newsletter,Matt Wolfe 本人就是 AI 工具目录主理人,理论上”多推 AI 工具”对他有利。但本片的关键主张在分档后:
- 与利益反向(可信度最高):明确说”don’t like full-on AI generated videos” (00:21)、“not looking forward to a world with very little human involvement” (28:18)——这两条都在劝退”all in AI”的内容策略,与 AI 资讯博主的常规流量方向相反,可信度独立。
- 利益中性:Runway / Seed Dance 2.0 / Kling / Veo 3.1 / Gemini Omni / Remotion 等具体工具推荐都是市场公认的同类竞品,未点名联盟返佣或独家赞助(03:14) 还主动说明自己用 Runway 是因为一年半前拿到大量 credits,工具本身不偏不倚。
- 与利益同向(待印证):“5% AI spice on 95% human video”作为方法论主张,与频道”AI 资讯 + 工具盘点”定位有强耦合——频道订阅本身就在看 AI 工具,主张”少用 AI 多用人”反而能强化”权威+克制”人设,与长期变现一致。采信时把这条当”个人风格主张”看,不当作可量化的最佳比例。
利益证据一行:视频描述只挂 futuretools.io / newsletter / 五个社交账号与商业邮箱,未出现 Gumroad / Skool / 带 ref 参数的 affiliate 链接,本片无商业导流。
价值定位
面向已经在做真人出镜口播、想让视频视觉更抓人但不愿全面 AI 化的视频创作者,提供一套按特效类别分工的工具选型与提示词模式,而不是任何单个工具的深度教程。具体落地价值:① 给现成的”Runway Key Frame 两帧入场”模板,可直接复用到自己频道;② 给”绿幕先生成 + DaVinci Delta Key 后抠”的 lower thirds 工作流,绕开 Seed Dance 文字总拼错的痛点;③ 给”NotebookLM Video Overview 喂资料自动出片”作为缺代码能力的 B-roll 备选。
认知层面帮助理解 AI VFX 与 AI slop 的边界是 5% spice 而不是 0%,实操层面提供 11 类特效场景的工具分工清单;与 Remotion + Claude Code 视频生成 存在部分重叠(都用 Remotion + Codex),但本片独有 11 类 VFX 场景的工具分工地图、Animorph Hack(用图像模型绕路视频模型 morph 短板)、Runway Character Script to Video 做 AI 主持人对话等增量。
自检问题
- Matt Wolfe 在本片中反复强调自己 “95% human + 5% AI spice”,这个比例对应到他视频里具体是哪类内容用了 AI? 答案:开场冲墙特效(Key Frame 补间)、跨地转场、背景 VFX(雪人走过/爆炸/阴雨天)、网页文字高亮 B-roll、stock 风格素材、logo reveal、lower thirds、motion graphics、AI 主持人对话剪辑——共 11 类 AI VFX 场景,而非视频主体内容。详见详解1。
- 想要做”动物变人”开场,Matt 推荐的绕路方案是什么?为什么不直接让视频模型做 morph? 答案:先在 DaVinci 抓到空椅静帧,丢给 ChatGPT 让它”保持 16:9 长宽比,做一只狼坐在椅子上”,得到狼图;再把狼图作为 Key Frame 首帧、自己坐好图作为末帧交给 Runway 做补间。绕路原因是当前所有视频模型 morph 动物→人形都”really bad at”。详见详解3。 05:11 06:03
- 跨地转场提示词末尾特意加 “and the man does not speak at the end” 是为了防什么? 答案:防模型在转场后自由发挥,让主角”说 gibberish”。这条”末尾加约束”的反 gibberish 模式在本片里反复出现。详见详解4。 07:20
- Logo reveal 和 lower thirds 在文字精度上哪个工具最稳?为什么? 答案:Remotion in Codex 最稳,因为本质是代码渲染,text “dial in perfectly every time”;Veo 3.1 次之,文字精度比 Seed Dance 2.0 好很多但仍非 100%;Seed Dance 2.0 经常拼错(演示里 CEO of Busybench 被写成 CEO of Busty Bench)。详见详解8。 18:54 18:34
- Animated talking heads 这章的”AI 主持人对话”具体怎么做的?为什么 Matt 说这种手法能让观众停留更久? 答案:在 DaVinci 自录两人对话音频 → Runway Character Script to Video 上传角色图 + 音频 → 生成两段单人完整对话视频 → 在 DaVinci 里剪成交错对话。原因是用视觉刺激(AI 主持人)对抗”长视频 = 跳出率上升”,让观众想看到下一个 easter egg / toy / tool。详见详解10。 26:09 26:43