今天给大家演示一个基于 Coze 平台 的智能工作流，它整合了大语言模型、语音合成、图像生成以及剪映插件的能力，实现了从书籍金句文案生成，到音频配音、字幕对齐、图片合成，再到成片草稿的全流程自动化制作。通过这一工作流，我们可以直观地看到 AI 在文字、声音、画面上的联动协作，快速生成完整的多媒体内容。

工作流介绍

这个工作流的核心是通过 大模型文案生成 + 配音合成 + 图像与字幕处理 + 剪映草稿插件 的串联，形成一个从文字到视频的自动化生产链。大模型负责创作专业化书籍文案，配音节点将文字转为音频，字幕对齐工具同步语音和字幕，图像生成与素材组合代码实现画面渲染，最终调用剪映插件批量生成草稿、字幕、音频和图像，完成可直接预览的视频雏形。

核心模型

核心部分由 大语言模型节点 和 图像生成节点 共同支撑。大语言模型（豆包·1.5·Pro·32k）通过提示词生成书籍文案和评论，确保内容具备文学性与深度。图像生成节点则通过描述生成封面或背景图片，使得视觉效果与内容保持一致。两者结合，既保证了文案表达的专业性，又兼顾了视觉呈现的多样性。

模型名称	说明
豆包·1.5·Pro·32k	大语言模型，用于生成书籍金句评论文案
图像生成模型	根据文字提示生成插图或封面图

Node节点

该工作流包含多个节点，既有大模型类节点（写文案员工、绘画员工2），也有插件节点（语音合成、字幕对齐、批量添加素材），以及用于逻辑编排和数据处理的代码与循环节点。各节点紧密配合，从输入到成品形成一个闭环流程。

节点名称	说明
写文案员工	调用大语言模型生成书籍金句文案
绘画员工2	通过文字描述生成书籍插图或背景
配音员工 / 配音员工2	将文案内容转为音频
循环	控制字幕、音频的逐段生成与迭代
代码 / 代码_分句 / 代码_素材组合	用于处理素材分句、合成和时间线逻辑
align_text_to_audio	对齐字幕与音频，保证口型与文本一致
create_draft	创建剪映草稿文件
add_audios	向草稿批量添加音频
add_images	向草稿批量添加图片
add_captions	向草稿批量添加字幕

工作流程

该工作流整体以 内容生成 → 配音与字幕 → 素材组合 → 剪映成片 为主线。首先通过大模型生成书籍金句文案，再将其转化为配音音频并进行字幕对齐。接着调用图像生成与素材组合代码形成视觉画面，最后使用剪映插件完成音频、字幕、图片的批量导入，自动生成草稿视频。整个过程环环相扣，实现了从文本到多模态视频的高效生产。

流程序号	流程阶段	工作描述	使用节点
1	文案生成	根据书籍名称调用大模型生成金句文案和评论	写文案员工
2	语音合成	将生成的文案内容转为配音音频	配音员工 / 配音员工2
3	字幕分句与对齐	将文案分句后与配音进行对齐，生成字幕时间线	代码_分句、align_text_to_audio
4	图像生成与素材编排	根据描述生成插图/封面，结合代码逻辑合成画面与特效	绘画员工2、代码、代码_素材组合
5	循环控制	控制字幕与音频逐段处理，输出累积结果	循环、设置变量
6	剪映草稿生成	创建视频草稿，批量添加音频、字幕和图片素材	create_draft、add_audios、add_images、add_captions
7	成片输出	生成可直接预览和后期编辑的草稿视频	剪映草稿插件

大模型应用

书籍文案生成节点

该节点的职责是根据用户输入的书籍名称，生成富有文学感与思辨性的金句评论文案。它通过模拟书评人的表达风格，将输入信息转化为完整的书籍评论文本，并在输出中保留书籍名称和作者信息。这一过程确保了工作流的内容核心——高质量的文字表达。

节点名称	Prompt信息	说明
写文案员工（豆包·1.5·Pro·32k）	书籍名称：《{{title}}》 # 经典书籍金句推荐 你是一位专业的书评人，清模仿董宇辉的风格，根据用户提供的书籍名称，撰写出专业且有深度的金句评论，输出 200字左右的顶级感悟文案。 #格式 输出文案，合理分段以数组列表输出每段内容 并给出书籍名称、作者名称	Prompt 的目标是让模型以书评人的身份生成精炼、深度的书籍评论，保证内容既有思想性又具备传播力。该节点在整个工作流中负责生产核心文案素材，是后续配音、字幕和图像生成的基础。

图像生成节点

该节点用于将用户提供的文字描述转化为图像，生成与文案主题相匹配的视觉素材。它通过自然语言提示词驱动图像生成模型，为最终视频提供封面或背景画面，使得作品不仅有声音和文字，还能有生动的视觉表现。

节点名称	Prompt信息	说明
绘画员工2（图像生成模型）	{{prompt}}	该 Prompt 直接将用户输入作为图像生成提示，模型根据描述生成对应画面。设计目标是快速产出契合内容主题的封面或插图，用于视频的开场或背景，从而提升观感效果。

使用方法

开始节点

在开始节点中，用户需提供书籍相关的输入信息，例如书籍标题、封面图片、背景图片等基础素材。这些信息将作为后续大模型生成文案、语音合成和图像生成的输入。

字段名	含义	数据类型
title	用户输入的书籍名称，用于文案生成	str.String
pic	封面图片链接	str.String
bg_pic	背景图片链接	str.String
bgm	背景音乐文件	str.String

结束节点

结束节点将生成的视频草稿信息输出，供用户在剪映中直接使用或后期编辑。输出数据主要包含草稿的链接和 ID，确保用户能快速定位成品视频。

字段名	含义	数据类型
draft_id	剪映生成的草稿 ID，用于后续访问和编辑	str.String
draft_url	草稿的在线访问链接	str.String

应用场景

该工作流主要面向 书籍解读、知识分享、短视频内容创作 的自动化场景。它通过大模型生成文案，再结合语音、字幕、图像生成与视频编辑插件，能够帮助创作者快速产出完整视频。典型用户包括知识博主、教育机构以及新媒体运营人员，他们可以使用此流程批量化生产高质量的解读视频，既保证了内容的专业性，也兼顾了视觉和听觉的体验。最终效果是让文字、声音、画面自然融合，形成有深度又有观赏性的多模态视频内容。

应用场景	使用目标	典型用户	展示内容	实现效果
书籍金句解读	将书籍文案转化为视频内容	知识博主、自媒体创作者	文案评论 + 配音 + 字幕 + 图像	快速生成有声有画的书籍解读短视频
教育讲解视频	将教学文案自动转化为课程视频	教育机构、教师	教学文案 + 配音 + 多图演示	提升内容输出效率，降低视频制作成本
知识分享短片	将长文本拆分为多段知识点解读	短视频运营者	知识点字幕 + 配音解说	批量化生成短视频，增强传播力
营销推广	将产品介绍文案转化为营销短片	品牌方、营销团队	宣传文案 + 背景音乐 + 动画效果	快速生成宣传视频，提升用户吸引力

开发与应用

更多 AIGC 与 Agent工作流 相关研究学习内容请查阅：

AIGC 与 Agent 工作流应用汇总

更多内容桌面应用开发和学习文档请查阅：

AIGC工具平台Tauri+Django环境开发，支持局域网使用
AIGC工具平台Tauri+Django常见错误与解决办法
AIGC工具平台Tauri+Django内容生产介绍和使用
AIGC工具平台Tauri+Django开源ComfyUI项目介绍和使用
AIGC工具平台Tauri+Django开源git项目介绍和使用