既然沉默的文字没人看，我就用 API 把复盘变成了短视频。今天下午，我盯着后台那篇关于 n8n 工作流优化、阅读量不到 200 的复盘文章，突然有种强烈的荒谬感。我花了三个晚上，把节点逻辑、错误处理、并发控制写得清清楚楚，自认为是个干货，结果呢？数据比我的血压还平稳。这他妈就是 2024 年的现实：你引以为傲的逻辑深度，在 15 秒的视觉刺激面前，屁都不是。
我不能再跟趋势对着干了。去年还在死磕 GPTs 和 LangChain，觉得掌握了 prompt 就掌握了未来，结果今年 AI 视频工具像雨后春笋一样冒出来。Luma Dream Machine、Kling、Pika，迭代速度比我的学习曲线还陡。我意识到，我的产品交付形态必须再次进化。以前是交付文档、交付代码，现在，我得交付“可传播的认知片段”。文字是二维的，沉默的；视频是四维的，自带节奏和情绪的。我得让我的逻辑会说话，会动。
具体的技术路径，我摸索了一晚上。核心是把我的文字复盘自动化地“喂”给视频生成 API，再通过我的分发系统扔出去。第一步，用 GPT-4o 把我的复盘文章拆解成“场景脚本”。不是笼统的概述，而是精确到秒的指令：0-3 秒，黑屏白字出现核心痛点标题；3-8 秒，一个动态图表展示优化前后的数据对比（这里需要我预先准备好数据图表素材）；8-15 秒，一个象征“自动化”的齿轮转动或数据流动画，配上总结性画外音。GPT-4o 能很好地理解技术文章的层次，把它转成视频分镜描述。
第二步，就是调用 API。我测试了 Luma 和 Kling。Luma 的 API 相对稳定，对“技术感”、“简洁”、“数据可视化”这类提示词理解得不错，生成那种带点科技蓝调的动画素材很拿手。但它的弱点是人像和复杂场景连贯性一般。Kling 在长镜头和物理模拟上更牛，适合生成一些比喻性的画面，比如用堵塞的交通比喻旧工作流，用畅通的高速路比喻新流程。我根据脚本内容选引擎，这部分用 n8n 做个简单的路由判断就行。
真正的坑在第三步：素材拼接和音画同步。API 生成的是原始视频片段，你得把它们剪到一起，配上音乐和 AI 语音。我一开始想全自动化，发现效果很僵。后来调整了策略：核心数据图表、代码截图这些静态素材，我自己用 Figma 快速做好模板，每次替换文字和数字。动态比喻画面用 AI 生成。最后用 FFmpeg 命令行配合一个简单的 Python 脚本，根据时间轴把静态图、动态片段、字幕 SRT 文件、以及 ElevenLabs 生成的语音合成最终视频。背景音乐库是固定的几首无版权电子乐，根据视频节奏选。
整个流程跑通第一个视频，花了大概 40 分钟，其中 30 分钟在调试 FFmpeg 参数和字幕同步上。但我知道，一旦这个 n8n 工作流固化下来，下次同样类型的复盘，10 分钟就能出片。我把这个“文字转视频”的工作流本身，又做成了一个产品模块，准备放进我的教练课程里。你看，一个痛点催生了一个解决方案，这个解决方案本身又成了新的交付物和教学内容。这就是超级个体在 AI 时代的生存方式：你必须是快速循环的 OODA 环路（观察、调整、决策、行动），把每一个障碍都踩成台阶。
发出去之后，数据反馈是直接的。同样的内容，视频的完播率、点赞和转发，是文章的十倍不止。评论区开始有人问：“这个工作流能分享吗？”“用的什么 API 参数？” 沉默的逻辑，一旦穿上了声画的外衣，就开始吸引同频的人。这让我有点感慨，也有点警惕。技术越来越花哨，但内核不能丢。下一步，我得想想怎么在 60 秒的视频里，埋下更深的钩子，把流量引向更深度的讨论和交付，而不是沉溺于制造浅层的视觉快感。视觉时代，不会说话的逻辑，真的会饿死。
