不是那种短视频口播，是一个正经的深度研报风格视频——2026年A股新主线的完整分析，有配音、有字幕、有图表、有双屏对比。全长大约十分钟。
成品先放这儿，你可以先拉一下感受感受。
整个过程我想完整记录一下，不是为了教你怎么做，纯粹是分享——我自己回头看都觉得挺神奇。
第一步：让AI生成研究报告
我打开WorkBuddy，选择了一个“金融投资专家”，模板选择“深度研究”，跟它说我想问的白话，他就开始帮我开始研究了。
就是这段话。没给大纲，没给任何材料，没指定任何方向。
十来分钟后，一份结构完整的研报就出来了。从宏观背景到政策梳理，从资金面到几个重点赛道的逻辑拆解，还带了数据对比。我读了一遍，说实话，比我自己花半天翻券商报告整理出来的还清晰。
第二步：让报告可视化
报告是好的，但我想做成视频的话，光有文字不行。
于是我让WorkBuddy把这份报告转成一个可视化页面。
我新建任务，召唤了图标设计与渲染专家，并选择了日常办公的“数据分析及可视化”模板，让她帮我做页面。
就是一个静态HTML，它把每个章节拆成了不同的板块——开头的宏观面板用图表展示资金流向，中间把几个细分赛道做了并排对比，该用图的地方用图，该突出数字的地方突出数字。
我没提任何设计要求，就是「把这份报告做成一个好看的可视化页面」。它自己决定用什么布局，什么颜色，什么地方放表格什么地方放图表。
第三步：让声音像我自己说的
视频不能没声音。我想来想去，不想用那种机械的TTS朗读，也不想花钱请人配音。
之前我用CosyVoice克隆了自己的音色——就是录了一小段话，上传到阿里云的百炼平台，几分钟就训练好了一个跟我声音一样的模型。
然后我把报告的旁白文案丢给它，它就用「我自己的声音」把整篇报告念出来了。语调自然，停顿正常，甚至一些感叹的地方还有情绪的起伏。
每次听到自己的声音在念那些数据分析，都觉得很奇妙。
第四步：Marvis搭建视频工作流
这是最关键的一步。
上面那些——报告、可视化页面、配音音频——都有了。但怎么把它们合成一个完整的视频？字幕怎么加？画面怎么跟着音频走？横屏做完了要不要再做一版竖屏的？
我确实不会。
但我跟Marvis说：
“素人投资笔记风格，而且我觉得重点是介绍我这个视频是怎么做的，我是用workbuddy的“投资专家”和“深度研究”模板帮我生成的研究报告，然后用“图表设计专家”和“数据分析及可视化”模板帮我制作了带动效的静态html文档，现在让你使用Remotion+系列视频制作工作流来帮我生成视频，这个AI工作流我觉得是值得分享的。”
就是这句话。没什么特殊格式，没有教程里那种结构化提示词。
Marvis先是帮我建了一个完整的项目目录，然后自动分析了所有素材——配音每段多长、每段音频对应的文字是什么、可视化页面长什么样。接着它自己写了视频组件、配了字幕时间轴、设了每个章节的转场动画。
中间当然出了几个问题。有些章节字幕不显示，有些画面切不过去。但每次我只要截图告诉它「这里不对」，它就能自己排查出来哪里出了问题，修好了继续。
最后渲染出了完整的1分钟视频。
第五步：再来一版竖屏
横屏出来了，我又跟Marvis说：「再来一版竖屏的。」
它自己调整了布局——横屏里左右分屏的对比，竖屏里改成上下堆叠；字号和间距按新比例重新算了一遍；字幕位置也挪到了更适合竖屏阅读的地方。
又跑了一遍渲染，竖屏版也出来了。
用到的工具链
整个过程用到的工具其实就这几个：
WorkBuddy：生成报告和可视化页面 CosyVoice（阿里云百炼）：克隆音色 + 配音 Marvis：搭建Remotion项目、管理整个视频工作流 Remotion：最终渲染视频（我没直接用，是Marvis在操作）
没有复杂的操作，没有写过一行代码（至少我没有）。大部分情况就是我跟AI说话，它做，做不对我再说话，它改。
成本方面，CosyVoice的克隆和配音加起来花了几块钱。其他工具都是本地跑的，没有额外费用。
如果你也在琢磨怎么用AI做内容，我的建议特别简单：先从一个具体的需求开始。别说「我要学AI」，说「我今天想用AI做一份报告」或者「我今天想用AI做一条视频」。需求越具体，AI给你的帮助越直接。
你有什么想问的或者踩过的坑，评论区直接说。
