我用 Remotion 剪了一个口播视频，感触甚多

我是大树，一个差点开始放弃折腾的AGI学习与实践者。 最近在探索的事儿

• 传统企业的AI化/自动化转型；自动化工作流搭建，AI 转型技术咨询
• 重新拾起自媒体平台，继续倒逼自己动脑和记录日常的所思所感，不止技术

欢迎大家关注微信公众号 做棵大树，有想要长期联系的朋友也可以通过公众号菜单栏找到我~

网上有很多说用 Remotion 直接制作视频的内容，但我实际体验了一圈，发现有些说法确实有点过度夸张了。

我现在的做法是：把 Remotion 当成素材生成器，用它做出视频里的关键节点、动画卡片、转场元素，然后把素材丢到剪映里做最终的剪辑和拼接。

最近我用这套方式在做一期旅游视频，踩了不少坑，也摸出了一些规律。

Remotion 强的是"动"，而不是"叙"。它能把一个元素动得非常漂亮，但不会帮你决定这些元素该按什么顺序出现。

旅游视频的"翻车"开场

事情是这样的：我早前去旅了个游，拍了不少素材，想做一个旅游攻略视频发出来。

正常流程我熟——剪映里拖拽时间线、加字幕、加音乐、加转场。但这次我想试试新的工作流：用 Remotion 做动画元素，剪映做最终剪辑。

为什么想这么干？因为剪映的动画效果毕竟有限。你想做一个精确到帧的文字出现动画、一个跟随路径飞行的地名标记、一个随音乐节奏弹跳的图标——在剪映里能做，但调整起来像在做手工。而 Remotion 是写代码控制动画，精度高得多。

我的设想很美好：

• 用 Remotion 做出精确动画的元素（地名标记飞入、文字弹跳出现、进度条动画）
• 背景全部透明，导出 PNG 序列或视频
• 丢进剪映，跟旅游实拍素材一拼，加字幕加音乐，完事

实际做下来呢？让我给你看看我试了哪三种路。

第一种：让它直接帮我做整个视频

思路很 straightforward：把脚本写好，告诉 Remotion 每一段对应什么画面，让它直接生成一个完整的视频。

我试了。结果呢？

它生成的东西更像是一个动画优美的网页，或者一个视频素材集，而不是一个"视频"。

问题出在哪儿？

节奏不对。 视频不是元素的简单堆叠。一个旅游视频的节奏感——某个画面停留 3 秒让你感受风景，某个转场 0.5 秒快速带过——这些节奏判断需要人的直觉。Remotion 可以做出精确的动画，但它不知道"这个镜头该给多久"。

素材是静态的。 你说"做一张风景图做背景"，它会给你画一张。但旅游视频的核心是实拍画面，是你在冰岛看到的真实日落、在京都走过的石板路。这些 Remotion 做不了，也不该做。

本质问题：Remotion 擅长的是"怎么动"，不是"放什么"。把"动"和"内容"绑在一起让它自己搞定，结果就是两边都不到位。

第二种：逐帧生成动画卡片

第二种我改了思路。不让它做视频了，改让它帮我做动画素材卡片。

具体做法：

1. 把旅游视频拆解成一个个需要动画的节点——比如"第一个城市名出现"、“进度条展示”、“一个图标从左上角飞入”
2. 告诉 Remotion：“做一个透明背景的动画，文字从右边滑入，停留 1 秒，然后淡出”
3. 导出为透明背景的视频片段或 PNG 序列
4. 在剪映里，把这些卡片叠加到实拍画面上

这个方案好多了。

我做了一张地名标记的卡片——一个小圆点从地图上的城市位置弹跳出现，旁边跟着城市名字滑入。在 Remotion 里写几行代码就能控制每一个动画参数：

// 地名标记动画的基本结构
const CityMarker = ({ city, position, delay }) => (
<Sequence from={delay} dur="1.5s">
<make:Rect x={position.x} y={position.y} />
<Label text={city.name} />
</Sequence>
)

透明度、缓动函数、动画时长、位置偏移——全部精确到帧。这个在剪映里手动调的话，至少得拖半天。

但注意：这些卡片本身不是视频，它们只是视频里的零件。你仍然需要在剪映里把它们拼起来、对齐时间线、加背景音乐、处理实拍素材的衔接。

" 一句话总结：Remotion 做零件，剪映做整车。 "

第三种：让它当"逐字稿定位器"

第三种是最有意思的，也是踩坑最深的。

我有一个想法：旅游视频通常会配一个口播稿或者逐字稿。如果我把视频素材 + 逐字稿一起喂给 Remotion，让它自动标注"这句话对应的画面应该在什么时候出现"，那不就不用我自己手动对齐时间线了吗？

理论很美，实际骨感。

我给了 Remotion 逐字稿，也标注了"时间戳 - 口播文案内容"。它确实生成了对应的动画和时间标注——但卡片出现的位置和节奏，跟我想要的对不上。

为什么？

因为逐字稿是时间戳 ＋ 纯文本段，它不知道"这句话的情绪该配合多长的画面留白"以及关键词到底哪一刻开始出现。你说"xx动画卡片持续 2 秒"，Remotion 会按照文本长度来计算时间，但它计算的可能和这个词出现的时间差个0.5秒。

也就是说，即使它生成了时间标注，你仍然需要手动调整。

而且，Remotion 本身不是一个时间线编辑工具。它没有"这里拖长一点"、"那里缩短一点"这种直观的操作方式。你要调时间，得回去改代码里的 duration 参数。这对偶尔做一次视频的人来说，体验并不好。

所以这个方案最终变成了一个辅助工具——它给一个大概的时间参考，但真正对齐还是要人来做。

我的总结：Remotion 到底适合干什么

试完这三种方式，我形成了一个比较清晰的认识：

三种用法对比实测

Remotion 的核心价值是：精准、可编程的动画能力。

它不是视频编辑器。它不会帮你处理素材衔接、节奏判断、音乐同步——这些事它做不了，也不该做。

但如果你需要在一个视频里加入精确控制的动画元素——比如一个跟随路径飞行的标记、一个随数据变化的图表动画、一个精确到帧的文字出现效果——Remotion 就是目前最好的选择之一。

旅游视频的实际工作流

说回我正在做的这期旅游视频，我现在用的是这样的流程：

1. 先在剪映里把实拍素材剪好，确定时间线和整体节奏
2. 在 Remotion 里做出需要动画的元素卡片：地名标记、进度条、数据图表
3. 把 Remotion 导出的素材导入剪映，叠加到实拍画面上
4. 在剪映里做最终调整：微调动画位置、加字幕、加音乐、调色

这个流程里，Remotion 解决了"剪映做不好的事"，剪映解决了"Remotion 做不了的事"。

说实话，这个工作流比我一开始想的要踏实。不是"AI 替代一切"，而是让 AI 做它擅长的部分，人做剩下的部分。

延伸：AI 视频生成的"幻觉"

写完这个之后我又想了想。

现在网上关于 AI 生成视频的教程，基本都在传达一个信息：“用 AI 一键生成完整视频”。但真实情况是，目前的技术路线下，这几乎（没有说完全）是不可能的。

原因很简单：

• 风格统一：让 AI 从头到尾生成一段风格一致的视频？目前还做不到
• 节奏控制：视频的叙事节奏、镜头切换频率，这是创作层面的判断
• 素材真实性：旅游视频的核心是实拍画面，不是 AI 生成的图
• 细节精度：你想让某个文字在某个帧精确出现在某个位置？AI 给不了这个精度

Remotion 解决的恰恰是最后一个问题——它的价值不是"替代人工"，而是给AI时代的创作者多一个精确控制的工具。

但这又引出了一个更大的问题：

当工具越来越强大的时候，创作者的核心竞争力到底是什么？

我的答案可能是：选题、叙事节奏、审美判断。

工具只能帮你把东西"做出来"，但什么东西值得做、怎么做让人想看、哪些细节打动人——这些仍然取决于人。

Remotion 让动画元素的制作变得更精确、更灵活。但视频好不好看，还是取决于你放什么进去、怎么排它们。

这大概是 AI 时代创作者最需要明白的一件事：工具只是工具，你的判断才是核心。

如果这篇文章对你有一点启发：

• 💬 欢迎在 评论 区聊聊你的看法，或者分享你用 Remotion 或其他工具剪视频踩过的坑
• 👍 点个赞，让我知道这类实战体验的内容有人看
• 🔁 收藏/转发，如果觉得内容还可以
• ⭐ 收藏备用，哪天做视频想试试新工作流了可以翻出来参考

你的每次互动，都是我继续写实战内容的动力。