做一条科普视频，要写解说词、做配音、排分镜，还要把动画、音乐和字幕对齐。《中国茶文化简史》的演示里，Fotor Agent 从旁白脚本开始，生成六段配音，接着安排分镜、动画和背景音乐，最后把字幕加入时间线。这些环节在同一个项目里接了起来。
创作者仍要选择风格、提供素材、确认脚本，也可以修改分镜。Fotor Agent 接手的是环节之间的编排：脚本确认后去生成声音，声音出来后安排画面，再把字幕、音乐和动画放到各自的轨道上。初版做出来后，仍能回到其中一个环节继续改。
图：原文中的 Fotor Agent 操作界面，展示茶文化主题与风格模板。来源：优设AIGC。
这套自动化为什么值得关注？因为信息型视频最费工的地方，常常不是得到一个镜头，而是让文字、数字、旁白与画面始终对得上。只要其中一处变了，整条视频就可能跟着返工。
视频生成快了，文字和图表还得做对
品牌宣传片、产品解说和科普视频，经常需要用会动的文字、图表和数字来交代信息。这类画面常被称为 MG 动画。一组数字出现在哪里，文字怎样进入和退出画面，图形如何跟旁白同步，都在影响观众能否看懂。
过去要把这些元素做得齐整，通常得在 AE 里处理图层、关键帧和运动曲线。一处内容改动，有时不只是替换几个字：图层位置、运动时机、相关合成都可能需要跟着检查。对偶尔制作信息视频的创作者来说，从文字到动效的每次衔接都要花工夫，改稿时还得重新检查前后是否一致。
于是很容易想到另一条路：直接让 AI 生成视频。它能迅速给出画面，但信息型 MG 遇到的问题也很明确。画面如果主要以逐帧像素的形式生成，文字、数字和图表不一定能稳定地保持原样。错一个字，或某个参数在不同镜头里不一致，整段画面就可能需要重新生成。
拍氛围镜头时，局部纹理有些变化未必影响表达。可一旦画面里的数字承担产品说明，或者字幕要传递具体知识，读者看到的就不能是“差不多”。一个数据写错，其他动效做得再漂亮，也无法替它补救。
Fotor Agent 用代码控制文字、数字、图形、布局和运动，把它们作为可调整的元素留在工程里。系统因此可以把脚本里的信息继续交给画面环节，生成后也保留修改入口。文字改动时，创作者可以找到对应元素，而不必从一段已经封好的画面里重新做起。
代码控制的意义，就体现在制作环节如何接力。脚本写下的数据需要进入画面，配音的节奏需要对应分镜，字幕要跟上声音；做完后，哪处信息变化，又要能找到那一处继续处理。对于需要反复核对文案和参数的项目，自动编排与局部修改其实是同一条流程的前后两端。
Fotor 国内版公开介绍其 MG 动画支持 4K 输出和精细编辑。分辨率说明的是导出能力，视频质量仍取决于脚本、素材和调整。理解这套产品，更具体的办法是看一条视频如何一步步做出来：系统自动安排了什么，创作者又在哪里介入。
脚本、配音、分镜和动画怎样接力
《中国茶文化简史》的演示把这个过程拉长了一些。它不是只生成一个标题动效，而是尝试完成一条带旁白、镜头和背景音乐的科普短片。这样更容易看清 Fotor Agent 在视频制作链条里究竟接手了哪些工作。
起点是风格选择。创作者可以从首页的模板进入，也可以修改描述、上传参考素材，让画面方向更贴近自己要做的内容。此时输入的还不是一条细到每秒的剪辑指令，而是题材和视觉参考；接下来系统先规划旁白脚本。
脚本并非一生成就不能碰。演示里，如果某段讲述不合适，可以继续通过对话调整。等文字确认后，再选择音色生成配音。茶文化短片被拆成六段旁白，配音随后进入时间轴上的音轨。讲述内容先确定，后面的画面才有可以跟随的节奏。
图：原文演示的六章旁白脚本，配音前可先核对文字。来源：优设AIGC。
配音就位后，系统按讲述内容编排 MG 动画，并给出分镜方案。想调整某个镜头的安排，可以在分镜表里修改。接着才是动画、镜头和背景音乐的组合。原演示还上传了几张分镜参考图，因此最终镜头使用了这些参考画面。
这套顺序让自动化有了清楚的边界：系统规划脚本、生成配音、按配音编排分镜和动画，再把声音与画面放进时间线；创作者在脚本、音色、分镜和画面上逐次确认或修改。前一步的结果接着进入后一步，各环节又留在同一个项目里，便于回头检查。
图：原文演示的茶文化短片工程，画面、字幕和音轨集中在时间线。来源：优设AIGC。
但完成初版只是前半程。演示中有画面不满意时，可以选中对应的 MG 片段，请 Fotor Agent 替换这一段，无须为此重新描述整条视频。要改得更细，也可以直接处理其中的元素：位置、旋转、不透明度、文字内容、颜色、字体和字重，都留有调整入口。
图形元素也类似。填充色、描边色和描边宽度可以再改；字幕可在视频片段调整后通过对话加入，并以独立轨道呈现。这样的安排把“改镜头”“改图形”“改字幕”分开了。哪一处不合适，就回到那一处，不必把所有内容绑在一次生成结果上。
在时间轴上，字幕按句分段，和旁白各自对应。创作者既可以看整条短片的叙述节奏，也能回到某一句字幕检查用词。对于茶文化这样由多个段落串起来的题材，这个细节让后期修改有了明确的落点：要处理哪句讲述，就找到相应的声音和字幕，而不是在整段视频里重新寻找文字出现的时刻。
动图：原文操作录屏，逐句修改《茶文化简史》的字幕。来源：优设AIGC。
这恰好也是自动化制作需要留下的余地。脚本写完后，旁白可能要调整；配音出来后，分镜节奏可能要变化；画面大致满意后，字幕里又可能发现一个术语没对齐。把各环节的结果保留在工程里，创作者就能回到出问题的位置继续处理，让流程往前走，也能及时退回来改。
做产品视频，自动编排之后还要能改稿
另一组演示把场景换成了品牌内容：上传品牌 logo、产品图片和参数文档，由 Fotor Agent 提取卖点，生成脚本与分镜，再把视频、配音、音乐、字幕和 MG 动画编排到时间线上。与茶文化短片相比，这里更能看出“参数”为什么重要。
图：原文演示的品牌视频工程，多个素材和声音轨道分开排列。来源：优设AIGC。
产品视频常常要同时讲清形象和事实。logo 要出现，产品图要用对，卖点文字要与资料一致，参数也可能随着确认过程调整。若成片只有一条合成后的视频，修改往往从重新生成画面开始；如果脚本、动画和声音能分开留在工程里，改稿就可以落到更具体的位置。
演示中的例子是直接点选 MG 动画里的数字并修改。数字变了，原有的动态呈现仍然留着。这比重新做一遍特效更接近日常的改稿方式：内容需要更新，设计形式则希望尽量保持。对于已经通过视觉确认的画面，这种局部修改尤其有吸引力。
动图：原文操作录屏，在品牌视频中直接修改画面里的参数数字。来源：优设AIGC。
字幕也独立存在。某句话需要替换，可以在字幕轨里修改文字；位置不合适，可以调整它的位置。配乐不合适，则处理音乐轨；音量不合适，在参数面板里调整。视频画面、MG、字幕和声音各有自己的入口，修改其中一项时，不必把其他部分一并推倒。
多轨时间线承接了前面的自动化步骤：脚本规划、素材组织和 MG 生成都汇到这里，随后仍能单独处理字幕、音乐或动画。对于会经历多轮改稿的产品视频，自动排出初版和修改后续版本都发生在同一个工程里。
当然，多轨不意味着内容会自己变正确。品牌素材、参数文档和脚本之间是否一致，成片里的每个数字是否准确，仍需要人在发布前确认。工具提供的是修改的入口，以及让各类素材聚在同一工程里的方式；它无法替代对最终信息负责的那个人。
至于长视频剪短、去口癖、补 B-roll 或多素材混剪，Fotor Agent 也提供相关功能。在这两组演示里，更清楚的一条主线是：脚本带出声音，声音带出分镜和动画，字幕、音乐与画面进入时间线，随后仍能逐处修改。
MG 动效因此有机会从少数人熟练操作的复杂工程，变成更多内容创作者可以使用的表达方式。有人需要做一条科普短片，有人需要把产品参数讲清楚；他们未必都想从零学习关键帧，却都需要一条从脚本到成片能顺畅衔接、出了问题还能回头修改的流程。
Fotor Agent 国内版已经上线。它把脚本、配音、动画和字幕接进同一套制作流程，同时把文字、数字、镜头和声音留给创作者继续调整。对信息型视频来说，这种能自动往前推进、也能回到具体环节修改的制作方式，才是这两组演示最值得看的变化。