说一句话，CodeX 替你做一条带配音字幕的 1 分钟讲解视频

它到底替你干了哪些活

html-explainer 是一个 Skill，作者在说明里写明了 Codex、WorkBuddy 都能直接加载。装好以后，你只管说主题，它带着 CodeX 按顺序走完这几步：

先调研，把要讲的事查清楚，作者要求每个数字都带出处；再写解说词；然后配音；接着按配音生成字幕；再给每一句挑画面风格、把画面写出来；最后渲染成视频，自己做一遍质量检查，再出封面。

交到你手上的，是一个装着成片、两张封面、字幕文件和一份检查报告的文件夹。不是一堆半成品让你自己去剪，而是一条能直接发的视频。

上面这张和下面这张，都是作者放出来的演示成片的封面，画面、配音、字幕、封面全是流水线产出，没有手工后期。

三个让我觉得靠谱的细节

第一，配音默认免费，不用填任何密钥。 它默认用的是微软的免费配音服务，装好就能出声。嫌声音不够自然，可以换成火山引擎的豆包音色，那个按字数收费，要自己去火山控制台申请一个 API Key。它的做法挺讲究：会生成一个专门的文件让你自己把密钥填进去，密钥不用发到对话框里，你也千万别贴给 CodeX 或发到群里。

第二，字幕是按每个字实际念出来的时间对齐的。 很多工具是按字数平均分时间，念快念慢一律一个节奏，字幕就容易跟声音错开。它还有个省心的地方：你改一句解说词，整条视频的画面时间会自动重新对齐，不用一帧一帧手动挪。

第三，封面横版和竖版是分别排版的，不是硬裁。 16:9 的封面拿去放 3:4 的位置，直接裁会切掉一大半字。它是两种比例各排一次，标题都完整，发视频号、小红书主页都不用再去修图。

为什么说它跟你手上的东西接得上

这个 Skill 的画面，是用写网页的方式写出来的，每一帧就是一张会动的网页，最后逐帧截下来合成视频。

这正是咱们第四周练过的本事。你已经会让 CodeX 做网页了，它做视频时干的也是这件事，只是多了配音、字幕和渲染几道工序。

还有一层对接了 DeepSeek 的同学很友好：它的画面不靠 AI 画图，全是网页排版和动画。 所以把 CodeX 接到 DeepSeek 的同学，不会像用画图类 Skill 那样卡在「画不出来」这一步。

它内置了 23 种画面风格，有海报风、数据图表风、极简留白、胶片电影感等，一条视频可以轮换两三种用。