个人知识库

2026-09-21-woshipm-ai-desktop-outfit-video-skill

23分钟阅读

1分钟学会AI桌面换装视频制作：从提示词到出片全流程

程序员鱼皮复刻海外百万播放的「AI 桌面换装视频」：装上一个开源 Skill，AI 像产品经理一样追问主角、场景、三套造型、台词与尺度档位共六个问题，最后吐出一段可直接投喂即梦/Cursor 的提示词模板，把 30 秒一镜到底的桌面录屏风视频一次做出来。

基本信息

核心观点

  1. 爆款复刻的入口不是「学会运镜」，而是「先装上别人封装好的 Skill」。作者开场即给出开源指路：github.com/liyupi/ai-desktop-outfit-video 是一个「AI 桌面换装视频」生成技能。玩法极简——“你跟 AI 说一句话描述需求，AI 就会帮你自动生成一段完整的 AI 视频生成提示词。然后复制到任意 AI 视频工具里就能出片，不用自己写又臭又长的提示词。” 门槛被压到只剩”一句需求 + 一次复制粘贴”。

  2. Skill 的价值在于把「写提示词」这件事从人的负担变成 AI 的访谈流程。作者演示时只说了一句”我想创作 30 秒的视频”，AI 便像产品经理一样主动追问，共 六个问题：① 主角是谁（默认中国古典鹅蛋脸美人，可描述或上传参考图）；② 视频场景（默认深蓝灰色调房间）；③ 三套换装造型是什么；④ 视频里的台词（不喜欢默认台词可让 AI 改编）；⑤ 尺度档位（软 / 中 / 硬三档）。问完即输出完整提示词，开源项目里有完整版参考提示词。

  3. 「输入素材 DIY」是这套流程里最容易被忽略但决定成片差异的一步。作者的中文参考图是先用 ChatGPT 生成的——即演示了”先生成参考图再提供给 AI”的两段式做法；场景从默认房间改成”安静的小酒吧”；造型自选水手服、洛丽塔、白领制服。也就是说 Skill 提供的是默认值，成片差异由使用者在五个变量上自己填。

  4. 出片环节的关键不是模型选择，而是四个生成参数：① 比例选 16:9（因为模拟电脑桌面）；② 时长选 30 秒（Seedance 2.5 支持 30 秒）；③ 使用默认的全能参考模式，不要开任何运镜预设；④ 先用 720p 试，1080p 的积分消耗真的太贵了，等效果满意了再上高清。工具本身可在即梦、豆包、MiniMax 等之间任选，只要支持 Seedance 模型或同级视频模型。

  5. Skill 还能跳过手动复制这一步，直接调 API 生成：去火山引擎官网获取一个 API Key 提供给 AI，AI 会直接调用 Seedance 2.5 的 API 生成视频并下载到本地，“全程不用你自己打开任何 AI 视频生成工具”（换成其他视频模型的 API 也可以）。

  6. 真正的「核心原理」是逆向工程，而不是正向创作：作者”直接找到爆火的原版视频，丢给 AI，让它帮我逐帧分析视频的画面和声音，并生成简单直接的提示词”。这里还叠加了 /grill-me 技能——“AI 如果没充分理解需求，就会主动找我人工确认”，把需求歧义在拆片阶段就消掉。

  7. 逐帧分析的价值在于拆出「机关」，也就是让视频看起来像真的那些视觉障眼法。AI 拆出来的核心机关有三条：① 镜头全程一动不动；② 人物站起来的时候镜头不跟，只拍到腰部以下——“看起来就像真的是电脑桌面壁纸”；③ 每次换装前都要留一秒钟的空沙发镜头，避免衣服在身上直接变形。三条合起来解释了为什么”桌面换装”看起来像桌面录屏而不像普通换装视频。

  8. 从拆片到开源，全流程几乎都由 AI 执行，人只做决策与验收：作者的路径是 拆片 → 让 AI 生成简洁提示词模板 → 拿去即梦测试（“一把就出了满意的效果”）→ 让 AI 把整个工作流封装成可复用的 Skill（提问流程、提示词模板、API 调用脚本全部自动生成）→ 让 AI 把技能开源到 GitHub 并自动生成含图文甚至 GIF 动图演示的 README。作者的原话是”整个过程从拆片、写提示词、测试、封装技能到开源发布，全程几乎都是 AI 在干活，我只需要做决策和验收”。

  9. 这套方法可以泛化到任何爆款视频类型，不限于换装：“下次你在网上看到某个爆款视频，完全可以用同样的方法让 AI 帮你逐帧拆解、生成提示词、封装成可复用的技能。不光是换装，AI 互动壁纸、桌面宠物、动态直播间背景，都是一个思路。”

  10. 评论区补上了这套方法的天花板：读者「王佳怡」指出”核心机关的拆解其实还是依赖人对原版视频的审美判断，要是 AI 漏掉了’留一秒钟空沙发镜头’这种细节，生成的视频直接就会穿帮，这套方法也不是所有爆款都能直接套用的。“——即 Skill 解决的是执行一致性，不解决”看出哪个细节是关键”的判断力。

实操内容保留

本文属工具操作型文章，含完整的分步教程与可直接复用的参数配置，按原文原样保留。

代码/配置

技能仓库与 API 入口（原文给出的地址）

# 桌面换装视频生成技能（开源）
https://github.com/liyupi/ai-desktop-outfit-video
 
# 作者开源教程仓库（本文收录其中）
https://github.com/liyupi/ai-guide
 
# API Key 获取入口（用于直接调 API 生成视频）
火山引擎官网 → 获取 API Key → 提供给 AI

生成参数配置（原文「生成之前，有几个注意事项」原样保留）

比例：16:9            # 模拟电脑桌面
时长：30 秒           # Seedance 2.5 支持 30 秒
模式：默认「全能参考模式」  # 不要开任何运镜预设
清晰度：先 720p 试 → 满意后再上 1080p   # 1080p 积分消耗贵

可用的第三方 AI 视频工具（原文列举）

即梦 / 豆包 / MiniMax ...（只要支持 Seedance 模型或同级别视频模型即可）

Prompt 模板

原文没有贴出完整的提示词全文（“在这个技能的开源项目中有完整版的参考提示词”），但给出了提问流程模板——即 Skill 向用户追问的六个槽位，可直接照抄成自建 Skill 的访谈脚本：

1. 主角是谁？        # 默认：中国古典鹅蛋脸美人；可文字描述，也可上传参考图
2. 视频场景？        # 默认：深蓝灰色调的房间
3. 三套换装造型？    # 例：水手服 / 洛丽塔 / 白领制服
4. 视频里的台词？    # 不喜欢默认台词可让 AI 按需求改写
5. 尺度档位？        # 软 / 中 / 硬 三档
6. （由 AI 汇总）→ 输出完整提示词，投喂任意支持 Seedance 的视频工具

起手的一句话需求（原文演示用句）：

我想创作 30 秒的视频

操作步骤

A. 手动复制提示词的出片流程（原文主线）

  1. 打开一个 AI 工具（文中用 Cursor），启用「AI 桌面换装视频」技能；
  2. 对 AI 说一句需求：“我想创作 30 秒的视频”；
  3. 依次回答 AI 的六个追问（主角 / 场景 / 三套造型 / 台词 / 尺度档位），中途可按需提供参考图；
  4. 把 AI 输出的完整提示词复制出来；
  5. 丢进任意支持 Seedance（或同级视频模型）的 AI 视频工具，按 16:9、30 秒、全能参考模式、无运镜预设、720p 试跑的参数生成；
  6. 效果满意后再用 1080p 重出高清版。

B. 直接调 API 生成的出片流程（原文第 4 节）

  1. 去火山引擎官网获取 API Key；
  2. 把 Key 提供给 AI；
  3. AI 调用 Seedance 2.5 API 生成视频并下载到本地；
  4. 全程无需打开任何 AI 视频生成工具。
    • 注：换用其他视频生成模型的 API 同样可行。

C. 作者复刻爆款的方法论步骤（原文第 5 节「核心原理」）

  1. 找到爆火的原版视频；
  2. 把视频丢给 AI，让它逐帧分析画面与声音并生成简单直接的提示词（配合 /grill-me 技能，需求不清时 AI 主动找人工确认）；
  3. 从逐帧分析中读出「机关」（例：镜头不动、起身不跟镜只拍腰部以下、换装前留一秒空沙发镜头）；
  4. 让 AI 把机关整理成一段简洁的提示词模板；
  5. 拿模板到即梦测试验证；
  6. 验证通过后，让 AI 把整个工作流封装成可复用的 Skill（提问流程 + 提示词模板 + API 调用脚本全部自动生成）；
  7. 让 AI 把技能开源到 GitHub，并自动生成含图文与 GIF 动图演示的 README。

配置/参数速查（作者给出的三套造型与场景示例）

槽位默认值作者本次选择可 DIY 方式
主角中国古典鹅蛋脸美人用 ChatGPT 先生成参考图再提供给 AI文字描述 / 上传参考图
场景深蓝灰色调的房间安静的小酒吧直接描述
三套造型（技能默认）水手服 / 洛丽塔 / 白领制服直接描述
台词（技能默认）让 AI 改写为适配文案直接描述 / 让 AI 改
尺度档位—软 / 中 / 硬三档可选选档

关键概念

  • Seedance 2.0 — 文中出片环节指定使用的视频模型家族（文中提及 Seedance 2.5 支持 30 秒时长，并提供 API）；本素材补充了”Seedance 用作 30 秒桌面录屏风短片的执行层”这一新用法。
  • AI Skill — 「AI 桌面换装视频」就是典型的 Skill 形态：把提问流程、提示词模板、API 调用脚本封装成可复用单元；本素材给出了”六问访谈 → 输出提示词”的具体 Skill 结构样本。
  • grill-me — 作者在拆片阶段显式使用了 /grill-me 技能，AI 理解不到位时主动找人工确认；本素材是 grill-me 在视频逆向工程场景（而非编程场景）的一次实战用法。
  • 提示词工程 — 本文的提示词不是人写出来的，而是由 AI 通过结构化访谈生成；属于”把提示词生产本身流程化”的一种用法。
  • 提示词模板 — Skill 的产出物即一段可复用的提示词模板（开源项目内含完整版参考提示词）。
  • [待创建] AI 桌面换装视频 — 本文的题材主体：以”电脑桌面录屏”为视觉伪装、三套造型切换 + 对白 + 特效字幕、30 秒一镜到底的 AI 视频形态。核心机关是镜头不动、起身不跟镜（只拍到腰部以下）、换装前留一秒空沙发镜头。
  • [待创建] AI 视频逐帧逆向工程 — 本文第 5 节的方法论：把爆款原片丢给 AI 做逐帧画面与声音分析，先拆出”机关”，再整理成提示词模板，最后封装成 Skill。
  • [待创建] 即梦 / 火山引擎（视频生成 API） — 文中提到的出片工具与 API Key 来源；未建实体页，此处用纯文本标注。
  • Cursor — 文中演示 Skill 调用所使用的 AI 工具。
  • ChatGPT — 用于先生成主角参考图，再提供给 Skill。
  • AI内容创作 / AI视频分镜 — 本素材属于 AI 视频内容生产的一条具体产线；与分镜方法相比，本文的重心在”整条片子作为一个镜头”的伪装式复刻。

与其他素材的关联

  • 与 2026-07-07-woshipm-viral-ad-operations-four-levels、爆款广告复刻、爆款结构迁移 的关系：同属”复刻爆款”的方法族，但复刻对象与产物不同——四段位那篇复刻的是广告结构（人群/痛点/场景/证明/动作/收口），产物是一个可投放的结构变量表；本文复刻的是一条具体视频的视觉机关（镜头不动 / 起身不跟镜 / 换装前留空镜头），产物是一段提示词模板 + 一个 Skill。前者面向投放，后者面向单条内容的手感。
  • 与 2026-07-23-woshipm-grill-me-skill、grill-me 的关系：同一作者的连续两篇，构成”同一个 Skill 的两种用法”——grill-me 篇讲它如何拷问需求做出一个软件产品（ChatGPT 文未提及的技能管理桌面应用），本文讲它如何作为视频逆向工程流程中的”需求澄清卡点”。两篇合看可以证明 grill-me 是领域无关的澄清协议（“泛化到非编程决策”在本文得到了第二个实证）。
  • 与 2026-06-23-image2-seedance-long-video-brand-ad、Seedance 2.0 的关系：那篇讲 115 秒品牌长片的资产前置 + 尾帧衔接，解决的是”多镜头拼接一致性”；本文是单镜头 30 秒一镜到底的极简形态，反而不需要资产前置——用”镜头全程不动 + 只拍腰部以下”主动消除跨镜头一致性问题。两条路线互为边界案例。
  • 与 2026-07-26-youtube-claude-product-photo-ad-campaign 的关系：都属”把视频生产从手工升级为可编排流水线”，但 Andy Lo 那篇的 Seedance 在四步流水线的第三步（静帧 → 短片动画），本文的 Seedance 则承担从提示词到成片的全部执行。
  • 与 2026-08-11-codex-9-video-skills 的关系：都主张”视频创作 = 一组可复用 Skill”，差别在本文的 Skill 是单个、垂直、面向一个具体视频形态（桌面换装），而不是九个模块的组合管线。
  • 与 2026-05-25-openclaw-deepseek-content-automation-sop、2026-06-22-personal-ip-4-things 的关系：那两篇关注内容生产的”量与运营”，本文关注单条内容的”工艺与复刻”；共同点是把重复判断沉淀成流程/模型而非靠灵感。
  • 与 2026-09-21-woshipm-ai-text-garbage-internet 形成对照：那篇批评 AI 内容产能被用于批量制造垃圾；本文是同一产能的正向用法——用 AI 拆片 + 封 Skill 提高单条内容的工艺水平。输入端是”真实爆款原片 + 人的审美判断”，正好符合该主题”加速手段的正当性取决于输入端”的判据。

原文精彩摘录

最近 AI 桌面换装视频突然爆火，Twitter 上随便一条就是百万播放。

视频里一个虚拟美女坐在电脑桌面上，你让她换什么衣服她就换什么衣服，还能对话。

果然，瑟瑟是第一生产力啊！

这个技能的玩法很简单。你跟 AI 说一句话描述需求，AI 就会帮你自动生成一段完整的 AI 视频生成提示词。然后复制到任意 AI 视频工具里就能出片，不用自己又臭又长的提示词。

生成之前，有几个注意事项：比例选 16：9，因为是模拟电脑桌面；时长选 30 秒（Seedance 2.5 支持 30 秒）；使用默认的全能参考模式就好，不要开任何运镜预设；建议先用 720p 来试，1080p 的积分消耗真的太贵了！等效果满意了再上高清。

AI 帮我拆出来了整条视频最核心的「机关」。比如镜头全程一动不动，人物站起来的时候镜头不跟，只拍到腰部以下，看起来就像真的是电脑桌面壁纸。还有每次换装前都要留一秒钟的空沙发镜头，避免衣服在身上直接变形。

最后我直接让 AI 帮我把这个技能开源到 GitHub 上，并且自动生成了一个有图有文、甚至有 GIF 动图演示的项目 README 文件。真的爽！

这也是得益于现在的 AI 模型 Agent 能力和视觉理解能力越来越强了。整个过程从拆片、写提示词、测试、封装技能到开源发布，全程几乎都是 AI 在干活，我只需要做决策和验收。

下次你在网上看到某个爆款视频，完全可以用同样的方法让 AI 帮你逐帧拆解、生成提示词、封装成可复用的技能。不光是换装，AI 互动壁纸、桌面宠物、动态直播间背景，都是一个思路。

（评论区 · 王佳怡）作者说整个流程几乎全由 AI 完成确实不假，把拆片、写提示词、封装这类脏活累活甩给 AI 能省不少时间，但核心机关的拆解其实还是依赖人对原版视频的审美判断，要是 AI 漏掉了’留一秒钟空沙发镜头’这种细节，生成的视频直接就会穿帮，这套方法也不是所有爆款都能直接套用的。

相关页面

关系图谱

快速导航

反向链接