用 AI 造视频工厂，产出 465 条预览视频，结果被苹果拒了两次- 大数跨境

首页

用 AI 造视频工厂，产出 465 条预览视频，结果被苹果拒了两次

出海小达人

2026-09-05

导读：我让 AI 帮我造了个 App Store 视频工厂。它产出 465 条视频，然后被苹果全部拒绝了。

一个独立开发者把最枯燥的活儿交给 AI Agent 之后，到底会发生什么，以及那条没人提醒你的苹果审核条款。

大家好，我是 Kei。

给新朋友快速介绍一下：我是日本的一名独立 iOS 开发者，做了很多小 App，但几乎没人下载。我在这里写这些，是因为这比看心理医生便宜，而且评论区比我的下载曲线友善多了。

上次我顺带提了一句，说我重建了一堆 App 的商店素材。有几个朋友问我是怎么做的。这篇就是答案。而且这个故事比我预想的更离奇，因为出问题的不是 AI，而是苹果。

我先把自己做了什么说清楚，因为现在网上到处都是"我用 AI 生成了一条视频！"的帖子，我不想成为那些不诚实的人之一。

我没做什么

我没有对着某个模型输入"给我做一个漂亮的 App 宣传片"，然后拿到一条成品视频。这些视频里没有任何 AI 生成的画面，没有 AI 配音，没有 AI 写的营销文案，也没有 AI 做的音乐。

如果你是冲着魔法像素来的，那抱歉了。这件事比那更无聊，而且我觉得，也更有用。

我实际做了什么

我有很多 App。每一个都需要 App Store 预览视频，而且要用很多种语言。手动来做的话，录屏、挑片段、加字幕、翻译字幕、按正确尺寸导出、上传，手脚快的话，一条视频也要一个小时左右。再乘以 20 个 App、每个最多 35 种语言，你就得到了一个让我想躺在地上的数字。

所以我没有去做视频，而是造了一台生产视频的机器。造这台机器，我基本上全程都是和一个 AI 编程 Agent（我用的是 Claude Code）结对完成的。

以下是诚实的分工：

代码几乎全是 AI 写的。视频渲染器是用 Remotion 做的，它可以把视频描述成一个 React 组件，再渲染成真正的 mp4，外面再套上一堆 Python 脚本。我描述我想要什么，Agent 负责写组件、导出脚本、字体处理、上传工具。我负责审查、测试，然后告诉它哪里不对。
内容是 100% 真实的。画面是我真实的 App，在 iOS 模拟器里录的。字幕是真实的人工翻译，直接取自我的 App 在每种语言里已经在用的文案。音乐是 Pixabay 上买过授权的音轨。视频本身没有任何内容是生成的。

所以准确的说法不是"AI 做了我的视频"，而是"AI 建了工厂，工厂批量产出真实的视频"。每条视频 24 秒：前 3 秒是 App 图标弹入的钩子，然后是全屏截图，配上缓慢的 Ken Burns 缩放效果，每张截图上淡入一条字幕。没有配音，每一条卖点都直接写进了文字里，这样静音也能看懂，而 App Store 视频本来默认就是静音自动播放的。

这台机器一共渲染了 465 条视频。20 个 App，每个最多 35 种语言，每条视频渲染大约 15 秒。我盯着进度条看了一会儿，感觉自己像个工厂主。那一刻，确实很辉煌。

如果你想看看另一端到底产出了什么，全屏的最终版本现在就在 App Store 上，宠物护理那个和龙猫那个都可以看。点开任意一页的预览，那就是工厂产出的视频。

然后苹果说不，说了两次

接下来是没人提醒我的部分，也是我写这篇帖子而不是只发一条洋洋得意的对比推文的原因。

我以为我的视频很专业。每张截图都放在一个小小的 iPhone 边框里，你懂那种感觉，屏幕外面一圈手机边框，非常干净，特别有"真实产品"的感觉。我为此很自豪。

苹果拒绝了。条款 2.3.4。

拒绝理由我现在已经读到能背下来了：

App 预览包含未能充分展示 App 实际使用情况的内容……包含取景框……包含设备图片和/或设备边框。

原来，在 App Store 的预览视频里，你是不允许给画面套一个手机边框的。视频必须基本全屏展示 App，就像你自己拿着手机一样。那个可爱的设备模型，正是我以为能让它显得精致的东西，结果恰恰就是违规的地方。

而让我栽了第二次的转折是：这条规则只针对视频。对于静态截图，设备边框完全没问题，甚至是被鼓励的。所以，做了这么多年截图，我的脑子里早就把"设备边框等于专业"当成了理所当然的习惯，然后我带着这个习惯直接进了视频领域，而在这里它是被禁止的。第一次被拒的是一个闹钟 App。然后，因为我显然不长记性，在另一个 App 上又被拒了一次，那次我不得不把已经上传的 39 条视频全部撤下来重新提交。

在我旧的设计里，真正的 App 屏幕只占了画面的 44%。剩下的全是边框和背景。苹果说得完全对，虽然这很烦人。

修复，以及一路上的小惊吓

修复方案很简单，把手机边框整个拆掉，让真实的截图填满整个屏幕。想法很简单，但细节是一连串又小又蠢、却很磨人的问题：

宽高比。我的原始截图和视频画布差了 0.26%。这个误差小到，填满画面时上下各裁掉大约 2.5 像素。我花了相当丢人的时间去确认这 2.5 像素没有切掉什么重要的东西。
码率轮盘赌。苹果有个上限。我设了一个看起来安全的码率，结果某个 App 里某个文字特别多的语言会刚好超出上限，上传就被弹回来。改成全屏之后反而更糟，因为现在每一帧的视觉细节更多了，所以我不得不逐个 App 重新调码率。
豆腐事件。缺失的字形会渲染成方框，开发者管这叫"豆腐"。我专门写了一个脚本，在上传前抓豆腐。结果它有个 bug，导致它永远什么都检测不到。于是它愉快地放行了两个已经带着方框上架的视频。我的自动化安全网，破洞的形状恰好就是它本该抓的东西。希腊语是最严重的，有一个字体把所有带重音符号的字母都变成了方框。
静音陷阱。我的视频本来就是无声设计。所以很自然地，我导出的时候也把音轨去掉了。结果苹果的上传器会拒绝没有音轨的视频。你需要一条"静音但存在"的立体声音轨。"静音"和"没有音频"是两回事，而苹果在乎这个区别。
苹果没有官方的预览视频上传 API。大家都在用的 fastlane 工具不支持它们。所以 Agent 和我不得不逆向 App Store Connect 官网自己用的私有接口，然后自己写一个上传器。这种下午，是会让人老几岁的。

我真正学到的东西

AI 并没有把我从最难的部分里救出来，它只是把难点搬了个位置。Agent 写了几千行渲染和上传代码，速度远超我，这确实是革命性的，我本来根本不会手动去做这件事。但它读不懂你对苹果审核条款的心思，它看不出你的安全检查脚本其实一直在静默地什么都不做，它更不可能告诉你，你引以为傲的东西恰恰是会让你被拒的东西。那种判断力，仍然是我的工作。AI 是一双出色的手，但眼睛还是你自己的。

品味，以及检查品味这件事，才是护城河。现在任何人都能生成 465 个什么东西。但能不能保证这 465 个东西是对的，不会被拒、没有豆腐、真的给 App 加分，这仍然是人的工作，而且占了大部分工作量。

而且，我的下载量并没有爆炸。我知道这是大家想问的。更好的视频只是入场券，不是增长策略。但我的商店页面终于看起来像是用心做的人做的了，对于一个向虚空发布了两年的开发者来说，这至少是一件我能掌控的事。

我想请求的事

和以前一样。如果你读到了这里，谢谢你。

如果你用 AI Agent 搭过任何一种"内容工厂"，视频、截图、什么都行，我想听听你的工厂是在哪里背叛你的。总有一个 2.3.4 在某个地方等着你。
如果你是一个被本地化商店素材淹没的独立开发者，尽管问我。我已经把大部分坑都踩过了，你就不用踩了。
或者去看看其中一个 App，然后告诉我视频还是很烂。这真的很有用。

这次我会更快回来，大概又要抱怨我对自己做的另一件事。谢谢阅读，每次有人读，我仍然会感到惊讶。

Kei

（来源：dev.to，原文首发于 Medium）

标题：I made an AI build me an App Store video factory. It made 465 videos. Then Apple rejected them. 作者：Kei 发布于：dev.to（2026-08-13，原文首发于 Medium）原文链接：https://dev.to/kei24/i-made-an-ai-build-me-an-app-store-video-factory-it-made-465-videos-then-apple-rejected-them-120a