纯代码生成爆款知识短视频:复盘「Vibe知识大赏」20 天涨粉 78 万的玩法
最近刷到一个挺有意思的案例,跟大家分享一下。一个叫「Vibe知识大赏」的话题,在抖音已经冲到 12 亿播放,10 月 31 日前投稿还有官方的流量扶持。最能打的几个账号:比特新语 10 月 1 日发出第一条视频,20 天在 B 站涨到 66.2 万粉、抖音 12.7 万粉,两个平台加起来接近 78 万;同一个赛道,Nico 只发了 8 条作品就拿下 116.5 万赞,叁号暗房 Logos 发了 34 条,21.2 万粉、280 万赞。视频作者观默也跟进测试了这个系列,还把整套做法公开了出来——画面、字幕、动画和音效全是 AI 自己生成。这种片子看着门槛很高,跑通之后本质上就是一句话生成。我把他的思路吃透之后,整理成下面这篇教程。

先上几张样片的关键帧,你们感受一下质感——这些全部都是纯代码生成的,不是一个像素一个像素画出来的:



说到这儿,可能有人要问了:AI 到底是怎么把一条视频「画」出来的?先讲清楚一件事,别被「一句话生成」这个说法骗了。真实的链路其实挺「笨」的:让 AI 在网页画布(HTML Canvas)上用代码写一个动画,Playwright 自动控制浏览器一帧一帧截图,最后用 ffmpeg 把几千张图片、配乐和音效压成 mp4。之所以能一句话,是因为选题、钩子、视觉风格这些参数你都提前准备好了,最后拼进一段总提示词交给模型。没有魔法,全是工程细节。下面一步一步来。
先把工具备齐
这套链路要用的工具不多,但个个都得有:
- HTML Canvas:网页里的画布,每一帧画面都在这上面用代码画出来,要做 3D 效果再加上 Three.js;
- Playwright:自动控制浏览器的工具,负责把动画一帧一帧截成图片;
- ffmpeg:处理音视频的命令行工具,把几千张图片、配乐和音效合成一个 mp4;
- Python:用来合成重击、呼啸这类音效,也能分析配乐的节拍;
- 剪映:只用它的音乐库找 BGM,片子本身不用剪。
最后再加一个核心中的核心:一个足够强的代码模型。原作者用的是 Opus 5.5——做这种「写网页动画」的活,其他模型会比较费劲,效果也差一截。模型选不对,后面全是坑。
选题别闭门造车,直接去话题页抄作业
做内容最忌讳闭门造车。打开抖音搜「vibe知识大赏」进话题页,这个赛道当下最能打的片子全在里面。把前排几十条高赞视频翻一遍就会发现,跑出来的爆款基本逃不开两类题材:一类是紧追硬核热点,比如诺贝尔奖刚公布,立刻就有人把获奖的「光遗传学」拆成几分钟的视觉短片;另一类是挖带强烈反直觉结论的冷知识,比如「“我爱你”说到第 1000 遍,信息量几乎为零」。
新手最稳的打法,是从话题页挑一条近期发布、点赞涨势最猛的视频当参照物,再顺着它的路子给自己的片子找一个「落点」。自己拿不准,就把题材丢给 AI,让它列一些不同角度的核心观点,你来拍板。定下核心句之后,动工前一定让 AI 挨个核实数据出处——硬核知识赛道的观众特别爱在评论区较真,新闻题材最好交叉比对几家报道。还有一个大坑:总想在一支视频里塞满干货。记住,一支爆款短片只讲透一个知识点,所有画面和台词都为最后那一句话服务。
标题和前 2 秒,决定生死
观众划走一条视频只要半秒,标题和开头直接决定生死。把话题页几十条百万播放的片子看一遍,最管用的标题其实就四种套路:
第一种,反直觉的算式或数字直接怼标题上。比特新语那条「“我爱你”说到第 1000 遍,信息量几乎为零」有 126.3 万播放。数字和日常直觉的反差越大,观众越想点进来算个明白。
第二种,追当下热点。借全网热点提问,把晦涩的专业词翻译成大白话。同样是比特新语,「今年诺奖颁给了“大脑的开关”:光遗传学到底是什么」跑出了 309.6 万播放。先用「大脑的开关」勾起好奇,再端出「光遗传学」的正菜,外行内行都愿意看。
第三种,戳中每个人都经历过的情绪痛点。比特新语聊「差一点拿冠军」的遗憾那条《银牌的眼泪》,播放量冲到 365.2 万;Nico 置顶的那条「人生的容错率,大到超出你的想象」,单条拿了 77.1 万赞。知识只是外壳,替观众说出心里的委屈或释怀,才能换来转发。
第四种,借名人或经典母题做连续剧。叁号暗房 Logos 把哲学家和七宗罪做成了系列,「Vibe知识大赏|尼采与权力意志」单条 61.7 万赞,「Vibe知识大赏|七宗罪之首:傲慢」也有 11.7 万赞。大名字自带搜索流量,做成系列还能让观众养成追更习惯。
参加官方活动的话,记得按话题页规则,标题统一用「Vibe知识大赏」打头,正文带上 #vibe知识大赏 话题标签。标题把人吸引进来,开头前 2 秒负责把人留下:不要黑场渐入,不要铺垫冗长的背景故事,第一帧画面亮起的瞬间,就把标题里最勾人的那句话直接砸出来。中间要有承接,结尾再抛一个谁都能插上话的开放式问题,把评论区盘活。
视觉风格:照着爆款抄,比自己设计稳
很多人刚做这类视频,总想让 AI 自由发挥一套「高级感」画面,结果往往像十年前的 PPT。已经被几百万观众用点赞投票过的爆款,它的配色、字号和明暗关系早就经过市场检验。把爆款的视觉直接拆解成硬参数喂给 AI,比自己凭空琢磨稳得多。操作很简单:把你选中的对标爆款下载下来,或者截取几张最具代表性的关键帧,连同下面这段指令一起丢给 AI,让它逆向出一份可复用的视觉规范:

这是我对标的爆款视频(附视频或关键帧截图)。请把它的视觉风格拆成一份可以直接执行的规范:
配色:背景色、主色、强调色,给出具体色值;
光线:主光方向、明暗对比、有没有光晕或暗角;
质感:颗粒、噪点、粒子、模糊等叠加效果;
字幕:字体类型、字号层级、位置、出现和消失的动效与时长;
节奏:平均镜头时长、切换方式、和音乐卡点的关系;
构图:主体位置、留白、竖屏下标题和字幕各占哪一块。
最后汇总写成一段风格说明,直接粘进下一步的制作提示词里。
制作:先出 15 秒样片,对齐效果再做全片
前面把选题、钩子和视觉参数都备齐了,到这一步,只需要把它们拼进一段总指令交给模型。它会在底层写好一个动态网页,按时间轴算出每一帧的画面,自动调用浏览器逐帧截图,最后把画面、音效和背景音乐压制成高清 mp4。配乐建议直接去剪映的音乐库里淘,按片子的情绪筛一首节奏感强的纯音乐,导出成音频文件后连同提示词一起喂给 AI。

完整提示词收在下面(按原作者版本整理,方括号里的是你需要自己填的部分):
请用"代码生成视频"的方式,为我做一支【横屏/竖屏】知识短片,并直接交付 mp4。
主题:【主题,如:博弈论】。只讲透一个最反常识的真实故事(例如:【可选的故事角度,如:囚徒困境与阿克塞尔罗德的策略比赛;不填则由你挑选】),不要做成大杂烩。
规格:【60】秒,【1920×1080(横屏)/ 1080×1920(竖屏)】,30fps
风格:【电影感、暗金色调——近黑背景、金色渐变标题、米白衬线中文(Noto Serif CJK SC)、暗角、胶片颗粒、漂浮的金色尘埃、柔和光晕】;文字克制、短句、有文化底蕴,结尾落在人心上。
BGM:【使用我发的音频文件 / 没有 BGM,请用 Python 合成配乐】
做法:
1. 先核实数据和出处(逐条列出),再写带时间码的分镜表(画面 | 字幕 | 音效):
- 0–2 秒是反常识的钩子,第一帧就有画面和大字,不能是黑屏;
- 顶部常驻一行钩子标题;
- 每 【10–15】 秒一个转折、悬念或"你猜?",把注意力拉回来;
- 结尾一句触动人心的话。
2. 分析 BGM 的 BPM 和第一拍位置,所有切点对齐小节线;截取完整乐句凑满【60】秒,结尾淡出,不要拦腰截断。(如果是合成配乐:按【120】BPM 合成,段落强弱跟随分镜。)
3. 用 HTML Canvas 写动画(需要 3D 物体时用 Three.js):暴露 window.draw(t),画面完全由 t 决定,不用 requestAnimationFrame、Date 和不带种子的随机数;字体加载完再开始渲染。每个场景都要有前景、中景、背景的层次和动态。
4. 用 Playwright 逐帧调用 draw(t) 导出 jpg。先渲染 9 个关键时刻的静帧拼成一张图,自查文字遮挡、构图、曝光,至少修改两轮,再渲染全片。
5. 用 Python 合成音效(重击、呼啸、提示音等),与配乐混音,限制峰值防止爆音。
6. 用 ffmpeg 合成 H.264 + AAC 的 mp4,再抽帧拼一张总览图做最终检查,把源码打包成 zip。
遇到报错自己排查修复,每完成一个阶段简短告诉我进展。
多说一句:先渲染 15 秒样片对齐效果,满意再做全片,这一步别省。AI 写动画代码翻车的概率不低,样片阶段改十遍,也比全片渲染完推倒重来强。
我的一点看法
这套玩法真正厉害的地方,不在于「AI 会画画了」,而在于把「信息包装」做成了工业流程:选题有公式、标题有套路、视觉有规范,剩下的就是堆提示词。但也别神话它——提示词再牛,选题和钩子才是真正的门槛。你看那几个跑出来的账号,赢的从来不是渲染技术,而是对观众情绪的拿捏:一个反直觉的数字、一句说到人心坎里的文案,比 4K 画质值钱多了。

另外时间窗口要抓紧:10 月 31 日前投稿有官方流量扶持,这种有扶持期的赛道,红利都是留给先跑通的人的。想试的现在就可以动手,先按上面的流程出一支 15 秒样片看看效果,再决定要不要All in。