兄弟们，最近刷YouTube有没有发现一种视频风格特别火——一张地图、几根动态线条、数据图表跟着旁白一步一步出现，复杂的事情三分钟就给你讲得明明白白。
这种叫VOX风格解说视频。VOX本身就是一家以解释型内容出名的美国媒体，它的视频特点就是：把复杂问题用动态地图、数据图表、时间轴和旁白结合起来，让你一看就懂。
以前这种视频得专业动画团队做。但今天我要告诉你——用免费AI工具，零基础也能做出同款效果。从选题、写脚本、生成动画片段到配音，全程AI帮你干，而且大部分工具每天免费额度够你做出完整视频。
⚡ 看完你能得到什么： 一套完整的VOX风格视频制作流水线——用ChatGPT策选题→写分镜→生成视频提示词→免费AI工具生成动画→专业配音→剪映合成。从0到1，每一步都写清楚。
准备工作
开始之前，你需要准备这几样东西：
| 工具/账号 | 用途 | 费用 |
|---|---|---|
| ChatGPT账号 | 选题策划、写脚本、生成视频提示词 | 免费（GPT-5.6需Plus） |
| Google账号 | 登录Google Flow生成视频片段 | 免费（每日50积分） |
| ElevenLabs账号 | 专业AI配音 | 免费套餐够用 |
| 剪映 / CapCut | 视频剪辑合成 | 免费 |
硬件要求： 全程在线工具，不需要特殊硬件。能上网的电脑就行，不需要显卡。
一、用ChatGPT做选题策划
第一步不是直接写脚本，而是先定选题。VOX风格最适合做解释型内容——把大家好奇但说不清楚的事情，用画面讲明白。
打开 ChatGPT，选 GPT-5.6 SOL 模型（效果最好，免费版也能用但内容会简略一些），然后输入这个提示词：
我想製作一條VOX風格的講解視頻，請幫我列出一些適合這種風格的選題
ChatGPT会给你一长串选题建议，比如：
- AI vs 科技类：为什么AI越聪明消耗的电力反而越多？
- 商业消费类：奢侈品为什么宁愿销毁也不打折？
- 社会话题：一条海底电缆断了会发生什么？
- 经济类：为什么房价越来越高但年轻人却买不起？
验证： 你收到至少10个以上的选题建议就算成功。挑一个你感兴趣、也有一定了解的题目。
⚠️ 选题技巧： 选话题的秘诀是——选那种”大家都听说过但没人说得清楚为什么”的题目。VOX视频的传播力就来自这种”哦！原来如此”的恍然大悟感。
二、写VOX风格的视频脚本
选好题目后，让ChatGPT帮你写一个完整的视频脚本。用下面这个提示词：
我想圍繞「XXX（你的选题）」這個選題製作一條視頻，現在請幫我寫一份視頻的腳本
把 XXX 替换成你选的题目。ChatGPT会生成一个完整的脚本，大概这样：
- 开头（0:00-0:30）： 抛出一个让人好奇的问题
- 主体（0:30-5:00）： 分几点解释原因，每点配一个画面
- 结尾（5:00-6:00）： 总结加一句让人思考的话
验证： 看看脚本有没有”原因→影响→总结”三段结构？有就说明AI基本理解VOX的叙事逻辑了。
💡 进阶技巧： 如果你的目标受众是海外观众，让ChatGPT先把脚本用中文写出来，最后再让它翻译成英文。英文视频的受众更广，广告分成也更高。
三、拆分成多个镜头场景
脚本有了，但AI视频一次只能生成几秒钟。所以要把长脚本拆成多个短场景，每个场景大概8-10秒。
用这个提示词让ChatGPT帮你拆分：
請把這份腳本拆分成多個VOX風格的短鏡頭，每個鏡頭控制在10秒鐘左右。請詳細描述每個鏡頭中應該出現什麼樣的畫面，並為每一個鏡頭寫一段旁白。 視頻風格請參照這個：https://www.youtube.com/watch?v=XXXXX（找一個你喜歡的VOX視頻，把連結貼過來）
ChatGPT会把脚本自动拆成5-8个镜头，每个镜头包含：
- 画面描述： 这个镜头里应该出现什么（比如”一张世界地图，标注出主要国家的AI算力分布”）
- 旁白文本： 配合这个画面的解说词（15-25秒）
- 元素建议： 地图、图表、动画箭头等视觉元素
验证： 看ChatGPT给的分镜里，每个镜头是否包含”画面内容+旁白”两个要素。缺少任何一个就不合格，让它补充。
四、为每个镜头生成AI视频提示词
分镜有了，接下来是最关键的一步——让ChatGPT为每个镜头写出详细的AI视频生成提示词。
用这个提示词：
請為第一個場景寫一段詳細的視頻生成提示詞。視頻的風格和參考圖片保持一致，並把這種風格描述清楚。 提示詞中需要包含以下元素：扁平化設計、動態地圖、數據圖標、信息圖表、簡潔背景、柔和配色、動態鏡頭運動。
关键一步：在输入提示词之前，先找一段你喜欢的VOX视频，截两张图贴进去。这样ChatGPT就能理解你想要什么样的视觉风格，生成的提示词会更精准。
ChatGPT会生成两个版本的提示词：
- 详细版（包含所有风格细节和镜头运动）
- 精简版（只保留核心元素，适合快速生成）
建议用英文版的提示词。因为后面我们要用的AI视频工具（Google Flow），对英文提示词的理解远好于中文。
⚠️ 重要提醒： 每个镜头都要重复这个过程——让ChatGPT为镜头2、镜头3…分别生成视频提示词。虽然有点重复劳动，但每个镜头的提示词不同，生成的画面才会丰富。
五、用Google Flow免费生成动画片段
提示词写好了，现在用 Google Flow 来生成实际的视频片段。
Google Flow 每天赠送 50个免费积分，差不多能生成5条8-10秒的视频。关键是它免费，而且效果不错。
第1步：打开Google Flow
访问 Google Flow 官网，用你的Google账号登录。
🔗 怎么找： 百度搜索”Google Flow AI视频”就能找到入口。如果打不开，试试挂代理或者换Chrome浏览器。
第2步：配置视频参数
登录后，点击中间”新建项目”按钮。在输入提示词之前，先做这几个设置：
- 关闭智能代理模式： 点一下把它关掉（右上角有个开关）
- 生成类型： 选择”视频”
- 比例： 选择”16:9″
- 模型： 选择第一个 “Flash” 模型
- 时长： 选8秒或10秒（10秒花15积分）
- 一次性生成片数： 选1个片段
验证： 设置完成后，右上角会显示你当前的积分余额。如果显示50或接近50，说明可以开始生成了。
第3步：粘贴提示词生成视频
把ChatGPT生成的英文视频提示词粘贴到输入框：
[把ChatGPT生成的英文视频提示词粘贴到这里]
点击发送，等30-60秒，AI就会生成一段8-10秒的动画视频。你可以点开预览看效果。
验证： 生成的视频画面是否接近VOX风格？地图、图表、数据元素有没有出现？如果没有，说明提示词不够详细，回去让ChatGPT改进。
第4步：下载片段并重复
满意后，点击右上角的下载按钮，把这段视频保存到本地。然后重复上面步骤，生成下一个镜头的视频。
💡 省钱技巧： 50个积分一天内用完就没法再生成。建议不要把每个镜头都生成AI视频——只生成3-4个关键镜头，其他镜头用免费的真实素材（后面会讲）。这样一天就能做完一个完整视频。
六、用ElevenLabs生成专业AI配音
Google Flow生成的视频自带配音，但那是AI自动念旁白，效果一般般。想要专业水准的VOX解说声，建议用 ElevenLabs（十一实验室）。
ElevenLabs是目前最强的AI配音工具之一，它的声音听起来跟真人几乎没区别。
第1步：提取脚本中的旁白
回到ChatGPT，让它帮你把每个镜头的旁白文本单独提取出来：
請把上面腳本的所有旁白文本提取出來，按鏡頭順序列出，只要純文字，不要場景編號。
第2步：注册并登录ElevenLabs
访问 ElevenLabs 官网，点”注册”创建一个账号。免费套餐够你试用的。
第3步：选择声音并生成
登录后：
- 在文本框中粘贴旁白内容
- 点击”所有声音”选择一个你喜欢的配音角色
- 右上角有分类筛选：男生、女生、深沉、活泼……根据你的视频风格选
- 每个声音点一下可以听预览
- 选好后点”生成”，等几秒就出来了
验证： 播放生成的配音，听起来像真人在说话吗？语速、语调自然吗？如果不满意，换个声音或者调整文本再试。
第4步：下载音频文件
生成的配音满意后，点击右侧下载按钮，保存为MP3文件。每个镜头的旁白生成一个对应的音频文件。
七、补充真实素材（免费视频库）
不是所有镜头都需要AI生成。如果你不想花太多积分，可以用真实的视频素材代替。推荐两个免费素材网站：
- Pixabay： 搜索关键词就能找到免费可商用的视频素材
- Pexels： 同样免费，素材质量很高
比如你的视频讲”海底电缆”，就可以在Pixabay搜索”undersea cable”或”海底光缆”，下载相关的真实画面。在素材类型里选择”影片”（视频），就能过滤出视频素材。
💡 素材搭配策略： AI生成的动画镜头做核心解释部分（比如数据图表、动画示意），真实素材做背景铺垫（城市街景、自然环境）。这样既有专业感又有真实感，而且省积分。
八、在剪映中合成最终视频
所有素材都准备好了：AI动画片段、真实素材、配音文件。最后一步就是在剪映（CapCut）里把它们拼起来。
- 导入素材： 把AI生成的视频片段、真实素材、配音文件全部导入剪映
- 排列时间线： 按镜头顺序把视频片段拖到时间线上
- 配音对齐： 把ElevenLabs生成的配音放在对应视频片段的下方
- 加字幕（可选）： 剪映可以自动识别语音生成字幕，对英文视频尤其有用
- 调色+转场： 适当加一些简单的转场效果，让视频更流畅
- 导出： 选1080P 30fps导出，上传到YouTube
验证： 完整看完一遍——画面跟旁白对得上吗？每个镜头停留时间合适吗？转场自然吗？改到满意为止。
常见问题
Q: 没有ChatGPT Plus也能用GPT-5.6模型吗？
A: 免费版ChatGPT也能做，但生成的内容质量会差一些，提示词也没那么详细。建议先用免费版试试流程，觉得有用再升级Plus。
Q: Google Flow一天只有50积分，不够用怎么办？
A: 多注册几个Google账号轮流用。另外别每个镜头都生成AI视频，3-4个关键镜头用AI，其他用真实素材。
Q: 我不会写英文提示词，怎么办？
A: 让ChatGPT帮你写！生成视频提示词的时候就告诉它”用英文写”，它自动翻译成英文提示词。
Q: 生成的效果跟VOX原版差距大吗？
A: 实话实说，肯定比不上专业团队的精细度，但作为个人创作者完全够了。关键是要选对选题+好的旁白+流畅的剪辑，内容本身才是核心。
Q: 做了YouTube视频多久能看到效果？
A: 别指望一个视频就爆。保持每周1-2条的更新节奏，坚持3-6个月。VOX风格的内容有长尾效应——好的解释型视频可能半年后还在被推荐。
总结
用AI做VOX风格解说视频，核心就是四个字：选题为王。AI负责帮你写脚本、生成画面、配音，但选什么话题、怎么组织内容，还是要靠你自己。
这套流程跑下来，一个完整的视频大概需要2-3小时。比起以前专业团队做VOX风格要好几天，已经是降维打击了。
给新手一句话：别管工具多好，先做出来第一条。做完了发出去，再根据反馈改。比起完美主义，持续更新才是做YouTube最重要的能力。