AI 影片工作流:Codex × Google Flow,從一個主題做出完整 MP4(16 個階段實作)

AI 影片工作流:Codex × Google Flow,從一個主題到完整 MP4(文章封面)

AI 實戰教學 / 資料更新至 2026 年 11 月

想做一支 AI 教學影片,最常卡住的不是生成畫面,而是畫面前後的苦工:寫劇本、畫分鏡、把片段排好、配字幕、配音、配樂。這篇把整件事拆成 16 個階段,用 Codex 處理文字與檔案、Google Flow 生成畫面、FFmpeg 收尾,從一個主題做到一支可以上傳的 MP4。

文中以 90 秒、9 幕的《AI 如何改變未來教室》當範例,每個階段都附上可以直接複製的提示詞或指令;後製的 FFmpeg 指令都實際跑過。

30 秒看重點

16 個階段

分成前期製作、生成畫面、排片、後製四段,每段由最擅長的工具負責。

9 幕 × 10 秒

90 秒影片拆成 9 幕,每幕一張首圖、一段運鏡,好生成也好重做。

NT$165 起

Google AI Plus 每月含 200 點 Flow 點數;Codex 用 ChatGPT 帳號登入,免費帳號也能試。

1/3 點數

先用 360p 草稿試鏡頭,確定了再出 1080p 或 4K,點數省很多。

約 10 dB

實測:旁白出現時,背景音樂自動壓低約 10 dB,旁白結束後恢復。

資料:Google、OpenAI 官方頁面與 TempEDU 實測,2026 年 11 月。詳見文末資料來源。

00先看全貌:三個工具、16 個階段

這套流程的分工很單純:Codex 負責動腦和處理檔案,Google Flow 負責畫面,FFmpeg 負責把畫面、聲音、字幕合成一支 MP4。中間的 Scenebuilder 是 Flow 內建的排片區,把一段段片段接成一場戲。

A 前期製作Codex1 定主題與規格2 寫說明文章3 寫劇本與旁白4 做分鏡表5 圖片+運鏡提示詞B 生成畫面Google Flow6 做角色首圖7 圖片轉影片8 逐段驗收9 Extend 延長10 重做不合格段C 排片Scenebuilder11 Add to Scene12 拖曳排序13 修剪、預覽、下載D 後製Codex+FFmpeg14 SRT 字幕15 旁白+音樂壓低16 MP4 驗收
圖 1 16 個階段分成四段:Codex 動腦、Flow 出畫面、Scenebuilder 排片、Codex+FFmpeg 收尾
工具在這套流程負責怎麼取得
Codex
OpenAI 的 AI 代理
寫文章、劇本、分鏡表、提示詞;後製時代你執行 FFmpegMac、Windows 桌面版,用 ChatGPT 帳號登入
Google Flow
Google 的 AI 創意工作室
生成角色首圖、圖片轉影片、延長片段、排片下載flow.google,需 18 歲以上
FFmpeg
免費開源影音工具
合成旁白與配樂、燒字幕、輸出與檢查 MP4免費下載,也可以請 Codex 協助安裝

整理:TempEDU,2026 年 11 月。

費用怎麼算

Codex 包含在 ChatGPT Plus、Pro 等付費方案中,Free 與 Go 帳號目前也開放試用(官方稱為限時開放),但額度很緊。Flow 在台灣:免費方案可有限使用;Google AI Plus 每月 NT$165、含 200 點 Flow 點數;Google AI Pro 每月 NT$650、含 1,000 點。官方註明功能會依方案、平台與地區而不同。

01前期製作:讓 Codex 一次產出六個檔案

階段 1 到 5 全部交給 Codex。它和一般聊天機器人最大的差別,是能直接在你的電腦資料夾裡建立、修改檔案,還能執行指令。所以與其一段一段複製貼上,不如一次說清楚規格,讓它把文章、劇本、分鏡表、提示詞和字幕檔全部寫成檔案,之後每一步都從這些檔案出發。

提示詞 1/Codex 前期製作

你是 AI 教學影片的製片助理。請在目前資料夾建立新專案,主題是:〔AI 如何改變未來教室〕。
影片規格:90 秒、16:9、9 幕、每幕約 10 秒;觀眾是〔國中小老師〕;全部使用繁體中文、台灣用語。

請依序產出以下檔案,放在 project 資料夾:
1. article.md:約 800 字的說明文章,當作整支影片的內容依據。
2. script.md:9 幕旁白稿,每幕不超過 35 個字,標出每幕起訖秒數。
3. storyboard.csv:分鏡表,欄位為 幕次、開始秒、結束秒、畫面描述、景別、運鏡、旁白。
4. image_prompts.md:每幕一段英文首圖提示詞。主角固定為〔一位戴圓框眼鏡、穿淺藍襯衫的年輕女老師〕,每段都完整重複這段外觀描述;16:9;畫面不要出現任何文字。
5. motion_prompts.md:每幕一段英文運鏡提示詞,寫清楚主體動作、鏡頭移動方向與速度,長度 8 秒。
6. subs.srt:依 script.md 的秒數產生字幕,每行不超過 16 個字。

完成後列出檔案清單,並檢查 storyboard.csv 的總秒數是否剛好 90 秒、每幕旁白念得完。

為什麼先寫一篇文章

直接叫 AI 寫劇本,內容常常很空。先寫一篇 800 字文章當「內容依據」,劇本、旁白、字幕都從同一份文章拆出來,觀點才會一致,事後要改也只要改文章、再請 Codex 重拆。

範例:《AI 如何改變未來教室》90 秒分鏡

下面是用這段提示詞整理出的 9 幕骨架,每幕 10 秒。實際操作時 Codex 會把它寫進 storyboard.csv,並為每一幕補上景別、運鏡和英文提示詞。

幕次與時間畫面旁白
1|0–10 秒清晨的教室,老師推門走進來,講台上的平板亮起十年後的教室,會是什麼樣子?
2|10–20 秒老師用 AI 助理整理教材,螢幕出現分層學習單AI 先把繁瑣的備課時間省下來。
3|20–30 秒學生各自的平板上顯示不同難度的題目同一堂課,每個人拿到適合自己的練習。
4|30–40 秒學生作答,平板立刻標出錯在哪一步錯誤不用等到下週才知道。
5|40–50 秒小組圍著平板,用 AI 生成的圖片做專題報告AI 不代替思考,而是讓想法更快被看見。
6|50–60 秒老師蹲下來,和一位卡住的學生討論省下來的時間,拿來陪伴真正需要的人。
7|60–70 秒學生討論一張 AI 圖片到底可不可信學會問「這是真的嗎」,比會用工具更重要。
8|70–80 秒放學後,家長在手機上看到孩子的學習摘要老師、學生、家長,看見同一份學習紀錄。
9|80–90 秒夕陽下的空教室,平板螢幕慢慢暗下科技會變,教育的核心始終是人。

範例由 TempEDU 編寫,可直接替換成你的主題。

02生成畫面:在 Google Flow 先做首圖,再讓它動起來

階段 6 到 10 在 Flow 完成。關鍵順序是先圖後影:先為每一幕生成一張首圖,確認角色長相、服裝、場景都對了,再把首圖轉成影片。2026 年 2 月改版後,Flow 已經內建 Nano Banana 生圖,在 Flow 裡生圖不扣點數,可以放心多試幾張。

1

建立專案與角色素材

新增專案,先生成主角的正面全身圖,存成素材(Ingredients),之後每一幕都引用同一張參考圖。

2

生成每一幕的首圖

貼上 image_prompts.md 的提示詞,挑一張最接近分鏡的當首圖。

3

圖片轉影片

以首圖當起始畫面,貼上 motion_prompts.md 的運鏡提示詞生成片段;先用 360p 草稿試。

4

逐段驗收

每段片段都對照分鏡表檢查一次,不合格就改提示詞重做,不要留到排片才發現。

5

用 Extend 補長度

動作還沒做完就用 Extend 延長,Flow 會接著原片段的最後畫面繼續演。

提示詞 2/第 1 幕首圖(英文)

Wide 16:9 cinematic shot of an early-morning classroom in Taiwan, soft sunlight through the windows. A young female teacher with round glasses and a light blue shirt opens the door and walks in, holding a tablet. Rows of wooden desks, a chalkboard, a wall screen glowing softly. Warm, hopeful mood, natural colors, realistic style. No text, no captions, no logos.

提示詞 3/第 1 幕運鏡(英文)

Slow dolly-in from the doorway, following the teacher as she walks to the front desk. She places the tablet on the desk and the screen lights up. Keep her face in frame, steady and smooth camera, 8 seconds. Gentle ambient classroom sound, no dialogue, no on-screen text.

逐段驗收:每段片段看這四件事

角色有沒有變臉

臉型、髮型、眼鏡、衣服顏色和上一幕一致嗎?一變就換掉,觀眾一定看得出來。

動作有沒有做完

分鏡寫「放下平板」,片段卻在手伸到一半就結束,就用 Extend 補完。

手和文字

手指數量、黑板與螢幕上的字最容易出錯;有亂碼就重做或之後用剪輯裁掉。

鏡頭有沒有照分鏡

景別、運鏡方向和速度要跟分鏡表一致,接起來才不會跳。

2026 年 8 月後的新功能

Flow 加入 Gemini Omni 1.1 Flash 後,可以指定一個鏡頭的第一格與最後一格,讓模型生成中間的過程;延長片段時會參考原片段最多 10 秒,每次延長 10 秒、總長最多 40 秒;也能提供最多 3 秒的影片當參考,幫助角色一致。360p 草稿生成快約六成、點數只要 720p 的三分之一,定案再輸出 1080p 或 4K。

03排片:用 Scenebuilder 把 9 段接成一場戲

階段 11 到 13 不用離開 Flow。Scenebuilder 是 Flow 內建的排片區,Google 官方說明的操作就是下面幾步:

1

Add to Scene

在專案裡把滑鼠移到片段上,點「更多」,選 Add to Scene,把片段加入序列。

2

拖曳排序

照分鏡表的幕次,把片段拖到正確順序。

3

修剪頭尾

用片段兩端的控制點剪掉開頭的停頓和結尾多出來的動作。

4

預覽整段

從頭看一次,特別注意幕與幕之間的接點是否自然。

5

下載

把整個場景下載成一支影片,存成 project 資料夾裡的 scene.mp4。

Scenebuilder 不做什麼

它只負責排列和修剪,沒有多軌、字幕、配樂和調色。所以這套流程把字幕、旁白和音樂留到下一段,用 FFmpeg 一次處理。

04後製:讓 Codex 跑 FFmpeg,字幕、配音、配樂一次完成

最後三個階段交回 Codex。旁白可以自己錄,也可以用語音合成工具產生 WAV 檔;背景音樂請使用有授權、可商用的曲子。素材放齊後,把下面這段交給 Codex,它會自己組出 FFmpeg 指令、執行、再檢查成品。

提示詞 4/Codex 後製

請幫我完成影片後製,素材都在 project 資料夾:
- scene.mp4:從 Google Flow Scenebuilder 下載的完整畫面
- narration.wav:旁白
- bgm.mp3:背景音樂
- subs.srt:字幕

要求:
1. 先確認電腦有沒有 FFmpeg;沒有的話告訴我安裝方式,等我同意再安裝。
2. 用 scene.mp4 的畫面,配上旁白與背景音樂;旁白出現時背景音樂自動壓低,旁白停下再恢復;背景音樂比影片短就循環播放。
3. 把 subs.srt 燒進畫面,字型用〔微軟正黑體〕,下方置中、加黑色描邊。
4. 輸出 final.mp4(H.264+AAC),不要覆蓋任何原始檔。
5. 最後用 ffprobe 檢查長度、解析度與聲音軌,再抽 3 張畫面截圖讓我確認字幕位置。
每個指令執行前,先用一句話說明它要做什麼。

想自己動手,或想看懂 Codex 在做什麼,下面是我們實際跑過的三條指令。第一條最關鍵:它用旁白當「觸發訊號」去壓縮背景音樂,旁白一出現,音樂就自動變小聲,這個技巧叫側鏈壓縮(sidechain)。

指令 1/合成旁白與背景音樂(自動壓低)

ffmpeg -i scene.mp4 -i narration.wav -stream_loop -1 -i bgm.mp3 -filter_complex "[1:a]aresample=48000,apad,asplit=2[vo][sc];[2:a]aresample=48000,volume=0.35[bg];[bg][sc]sidechaincompress=threshold=0.03:ratio=10:attack=20:release=400[duck];[vo][duck]amix=inputs=2:duration=shortest:normalize=0[a]" -map 0:v -map "[a]" -c:v copy -c:a aac -b:a 192k -shortest mixed.mp4

指令 2/燒入中文字幕

ffmpeg -i mixed.mp4 -vf "subtitles=subs.srt:force_style='FontName=Noto Sans CJK TC,FontSize=22,Outline=2'" -c:v libx264 -crf 20 -c:a copy final.mp4

指令 3/檢查成品

ffprobe -v error -show_entries format=duration:stream=codec_type,codec_name,width,height -of compact final.mp4

實測結果

用 FFmpeg 6.1 製作 12 秒測試片:旁白期間背景音樂比空檔時低約 10 dB,旁白結束後音樂恢復;背景音樂只有 5 秒時也會自動循環到片尾。成品為 1280×720 的 H.264 影片加 AAC 聲音,中文字幕顯示正常。

Windows 使用者要記得

指令 2 的字型名稱要改成電腦裡有的中文字型,例如把 Noto Sans CJK TC 改成 Microsoft JhengHei(微軟正黑體),否則中文字幕可能變成方框。threshold 數值越小、ratio 越大,音樂壓得越多,可以依旁白音量微調。

05但,全自動不等於不用看

這套流程能把重複的苦工交給 AI,但有四件事還是要人來把關:

點數燒得比想像快

一支 90 秒影片至少 9 段,加上重做與延長,很容易用掉上百點。先用 360p 草稿確認鏡頭,再出正式畫質。

角色還是會跑掉

參考圖和固定外觀描述能大幅改善,但無法保證每一幕都一樣,逐段驗收這一步不能省。

看清楚 AI 要執行什麼

Codex 會在你的電腦上執行指令。請它每一步先說明,並在專用資料夾操作,原始檔另外備份。

標示 AI 生成

上傳到影音平台或用在課堂時,主動說明畫面與聲音由 AI 生成;人物、品牌、配樂也要確認授權。

06第一次做,三個步驟

1

先做 30 秒

把規格改成 30 秒、3 幕,先把四段流程完整跑一次,比一開始就挑戰 90 秒更容易成功。

2

把提示詞存成範本

跑順之後,把提示詞 1 和提示詞 4 存起來,下次只要換主題與觀眾。

3

固定一位主角

整個系列用同一個角色與同一張參考圖,影片風格會越做越一致。

對老師來說,這是把課程重點變成短片的捷徑;對學生,是同時練習寫作、分鏡和影音素養的專題;對企業,則能快速做出教育訓練或產品說明影片的初稿。

本文重點

  1. 16 個階段分成四段:Codex 前期製作、Flow 生成畫面、Scenebuilder 排片、Codex+FFmpeg 後製。
  2. 先讓 Codex 寫一篇文章當內容依據,劇本、分鏡、提示詞和字幕都從同一份文章拆出來。
  3. 在 Flow 先做首圖、再轉影片,固定參考圖與外觀描述,並逐段驗收。
  4. Scenebuilder 負責排序、修剪與下載;字幕、旁白與配樂交給 FFmpeg。
  5. 用側鏈壓縮讓背景音樂在旁白時自動變小聲,實測約壓低 10 dB。

想一想

這 16 個階段裡,哪一個你最想交給 AI、哪一個你一定要自己做?為什麼?

資料來源

  1. Google Labs 說明中心。Edit videos and build scenes in Google Flow
  2. Google(2026 年 2 月 25 日)。New ways to create and refine content in Flow
  3. Android Authority(2026 年 8 月 28 日)。Google Flow Gemini Omni 1.1 Flash 更新
  4. Google。Google AI 方案(台灣)
  5. OpenAI(2026 年 2 月,3 月 4 日更新)。Introducing the Codex app
  6. OpenAI(2026 年 4 月 16 日)。Codex for (almost) everything
  7. FFmpeg。FFmpeg Filters:sidechaincompress
  8. FFmpeg。FFmpeg Filters:subtitles

FFmpeg 指令為 TempEDU 於 2026 年 11 月以 FFmpeg 6.1 實測;本文插圖為 AI 生成的示意圖。


Edit with Tr.Bug

Follow me on:LinkedIn | 探教育TempEDU