#模型时代# 我用豆包把一个半成品脚本，改成了能直接出科普短剧的工具

这几天体验了一下豆包专业版，把一个原来的半成品Skill，靠agent自己迭代排错，并结合豆包大模型的特性，最后改成了一个能直接产出准“商用级”内容工作流。过程蛮有意思，效果也不错，所以给大家介绍一下。

1.这个Skill叫一键概念解释。灵感来源是Anthropic哲学家Askell最喜欢的一个提示词：
选一个你指定的领域，从中挑一个研究生水平的概念，写一个寓言故事来间接解释这个概念，让读者到最后才隐约意识到这是在讲什么。然后在故事之后，再写一段正式解释。

她说这个方法让她脑子里积累了大量来自不同学科的概念，虽然有时记不住术语，但概念本身会以故事的形式留下来。比如有一个关于进出口贸易的寓言，让她理解了"为什么某些商品倾向于进口而非出口"的经济学原理。

2.我当时很受启发，也用这个提示词作过一些概念解释。
不过，一直想，如果模型的解释，如果不是文字，而是用视觉语言，比如动态漫画，可能也不错，或许还可以直接作为科普素材。

最早我用Codex写了一个Skill Demo。
但由于Codex没有现成的视频、语音模型接口可用。写完是写完了，功能是简陋到离谱：只是把抽象概念生成几格静态画，生硬拼成视频，没字幕适配，没中文字体支持。效果又差强人意，就放下没再管了。

3.借着升级豆包专业版，就把它想起来了，一方面是想考验一下豆包的agent能力；另外一方面，也是觉得豆包大模型的多模态，很适配这个场景。于是就把这个Skill压缩包，直接扔给了豆包专业版的办公任务，让它理解这个Skill，并结合自己的能力进行优化。

4.结果就居然还真的很不错。
它先把整个链路全换成了豆包原生的多模态能力
画图用Seedream，配音用豆包TTS，不用任何外部接口。从Demo效果看，图画从原来的简笔画，变成了宋代工笔重彩，风格统一，几幅画里两个徽商的长相、衣服、色调从头到尾没崩。
接下来，本来只有静态图片拼PPT一样的效果，最终被做了两种模式：
一种是动态漫画，静态画加缓慢的电影级推镜；
另一种是 AI 短剧模式，基于画好的分镜直接生成动态视频，自动配对应场景的环境音，黄河浪声、公堂环境音、风吹树叶声，字幕换成电影里那种白字黑边，导出来直接就能发短视频平台。

当然，也不是全程一次过。第一次生成的视频没声音，我提示了一下“视频没声音”。豆包自己从音频编码查到ffmpeg参数，从WAV格式兼容性查到不同片段采样率不统一，最后把整个音频合成逻辑全重写了，统一编码统一采样率，把bug修好了。

现在先展示一下动态漫画的Demo，大家实际感受一下。#AILifeDemo#