爆改短视频效率！COZE短视频工作流大公开！（实战篇）

原创已于 2025-08-23 08:34:18 修改 · 438 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #自然语言处理 #计算机视觉

于 2025-08-22 23:57:58 首次发布

COZE 专栏收录该内容

3 篇文章

订阅专栏

COZE系列文章目录

最近准备做一系列COZE工作流的制作以及分享，通过COZE搭建古诗词视频生成、卡通风格历史故事、都市女孩、炫酷书单等多个工作流的制作过程，如果有涉及到想要做自媒体创业或者自动化工具的小伙伴，那真是有福利了。

提示：先看下效果吧！！

本文主要根据是短视频【都市女孩】来机型COZE工作流的搭建与演示~
在这里插入图片描述

前言

COZE是一个基于大模型技术的应用开发平台，帮助开发者可以快速构建、部署和优化AI驱动的应员程序。该平台提供了一系列工具和接口，支持从模型训练到应用落地的全流程开发。目前市面上所对应的竞品，有Dify、n8n等，COZE相对来说门槛较低，而且还有免费的插件工具可以调用，可以快速进行集成、构架和发布Agent。不了解的伙伴可以自行学习下....

COZE官方地址：https://www.coze.cn/

一、基础操作

1. 新建工作流

登录COZE官网之后，我们可以点击左侧的工作空间，点击之后在右上角有一个资源，点击资源之后，选择工作流即可。

在这里插入图片描述

（1）输入一下工作流名称（必须英文）和主要用途。

在这里插入图片描述

（2）进入工作流之后，我们看到有个开始节点和 结束节点，此时我们就可以进行工作流的创建了。

在这里插入图片描述

二、工作流设置（核心）

1. 流程梳理

思维导图：

主要分支：

输入阶段 (Input)：
用户输入一段原始文字（提示词或文案初稿）

文案生成 (Copywriting Generation)：
通过大语言模型 (LLM) 对输入文字进行优化、扩充或改写，生成完整文案。

文案处理 (Copywriting Processing)：

将生成的长文案进行切分，分割成多个短小的段落 (Segment)，每个段落对应一个视频镜头。

文生图 (Text-to-Image)：

将当前分段的文案输入文生图大模型（如Stable Diffusion, Midjourney等），生成对应的场景图片。

语音合成 (Text-to-Speech)：

将同一段文案输入语音合成(TTS)模型，生成对应的配音音频。

合成与组装 (Synthesis & Assembly)：

将所有循环中生成的图片、语音文件，以及对应的文案字幕文本。

导入剪映专业版（CapCut）等视频编辑工具：

进行自动化或半自动化的拼接组装：对齐音画、添加字幕、添加背景音乐（BGM）。

输出 (Output)：

最终生成一个完整的、包含图片（视频）、语音、字幕和背景音乐的视频草稿文件。

流程图如下所示：
在这里插入图片描述

2. 插件选择

这里主要介绍几个核心的插件，其中主要包括文生图，语音合成，视频编排等三个核心的插件。

提示：我们在选择插件的过程中，尽量还选择官方给的插件，实在不行我们可以选择成功率高的，不然你懂得！
在这里插入图片描述

（1）文生图的插件，我们采用的是COZE官方的图像生成插件。

在这里插入图片描述

提示词如下：

你的任务是根据输入的提示词生成对应主题的2D动画风格图片。请仔细阅读以下提示词：
<提示词>
{{input}}
</提示词>
在生成图片时，请遵循以下要求：
1. 确保图片风格为2D动画风格。
2. 图片主题要与提示词紧密相关。
3. 生成的图片描述要尽可能详细，以便能准确呈现出预期的效果。
4.图中人物是女孩