手绘视频曾经需要专业美术功底，现在有人将其做成了 Skill，让 AI 自动完成绘图效果。本文分享从零开始用 AI 创作手绘视频的完整流程，涵盖文案生成、配音、SRT 字幕转换和视频合成。
步骤一：Skill 下载与安装
这个 Skill 由开发者"江哥是老登啊"开源，目前在 GitHub 上已有 2k+ 收藏。它的核心功能是：根据 SRT 字幕稿自动生成手绘白板动画视频。
SRT 字幕稿是包含字幕内容和时间轴的标准格式文件，可通过语音转文本工具从音频中提取。
安装过程非常简单，不需要打开 GitHub 或懂 Git，只需在 WorkBuddy 对话框中输入：
geeklee/srt-whiteboard-animation
帮我搜索这个 Skill，帮我安装并告诉我有什么功能
安装完成后，WorkBuddy 会自动介绍该 Skill 的功能，建议先了解再做测试。
步骤二：文案生成与优化
短视频的核心在于前 3 秒的吸引力，文案质量至关重要。推荐使用 dbskill 进行文案优化：
dontbesilent2025/dbskill
帮我搜索这个 Skill，然后安装并告诉我有什么功能安装后用 dbskill 优化开头和正文文案，提升内容吸引力。
步骤三：音频生成
为保证自动化流程，音频需使用 AI 大模型生成。推荐使用 MiniMax，价格便宜（约 3 元/万字符），音色效果好。
首先到 MiniMax 官网注册账号，进入后台控制台：
实名认证后充值少量金额，点击"获取 API key"保存密钥供后续使用：
然后打开 音色查询网站，选择喜欢的音色并复制 Voice ID：
步骤四：完整制作流程
整体流程串联如下：
- 发送要求生成文案并优化
- 使用 MiniMax 生成音频
- 音频转 SRT 文件
- SRT 手绘 Skill 拆画面
- 生成画面、人工确认
- 线框覆盖画面元素、人工调整
- 确认覆盖元素位置
- 每个画面做绘图视频渲染
- 合并分镜头加音频接入加渲染最终视频
看似步骤很多，但基本上都在一个对话里面重复确认下一步即可，不需要记忆。
发送文案生成提示词
我需要做一个认知思维讲解的短视频，用手绘风格展现，时长两分钟。帮我生成初稿和线稿画面推荐，然后使用 dbs skill 优化文字稿。
使用 MiniMax 生成音频
将上一步生成的文案、API Key 和音色 ID 组合成提示词交给 WorkBuddy。建议将音频速度调至 1.3-1.5 倍，短视频需要稍快节奏：
音频转 SRT 文件
直接对 WorkBuddy 说"生成 srt 字幕稿"即可：
拆画面
提示词需包含两部分：要求板块（指定使用 srt-whiteboard-animation Skill）和手绘图画面建议（描述每个白板的画面内容）：
生成画面并确认
Skill 会根据线稿建议生成分镜图，展示最终画面效果，确认后继续：
线框覆盖画面元素
这一步需要手动操作。Skill 会自动打开浏览器显示一个网页界面：
需要找到 WorkBuddy 的对话存储文件夹：
路径为 assets 到 whiteboard 到具体文件：
打开后需要手动调整框的位置，让每个元素都在框内，并调整出现顺序：
调整后效果：
框内的数字定义了绘制顺序，如先画柱子（1），再画人物（2），最后画底部（3）：
确认覆盖元素位置
Skill 会将调整好的位置框重新渲染为 PNG 图片，并标注绘制箭头指示方向：
绘图视频渲染
每个分镜单独渲染为视频片段（十几秒）：
检查每个分镜效果，有问题可单独修改，无问题则进入合并。
合并分镜加音频加渲染最终视频
所有分镜合并并添加音频，生成完整视频：
自定义笔的署名
默认视频中的笔带有原作者署名"江哥是老登"。要改成自己的署名，只需向 WorkBuddy 提问：
视频中的笔是"江哥是老登"可以改成"杰克船长的AIGC"吗？
AI 会更新 Skill 中的笔图片并替换为你的署名。
总结
手绘视频制作曾经需要文案加配音加美术加剪辑的团队，现在靠 AI 一个人 40 分钟就能完成。配音自然、画面流畅、字幕同步准确，成品可直接发布到抖音、B 站等平台。掌握工具的人，效率会大幅提升。
苏米注：AI 时代的红利在于，掌握工具的人比不会用的人效率高 10 倍。手绘视频这类传统需要美术功底的领域，现在已完全可以通过 Skill 自动化完成。