文本模型如何生成视频

开篇

过去很长一段时间我都以为文本模型无法生成视频，事实也确实是这样，我最常用的模型就是deepseek，他有很多缺陷，尽管现在能够识图但依旧不能直接生成图片或视频，但最近随着ai能力的提升，网上出现了很多ai制作的视频，甚至是纯文本模型制作的视频，那么他们是如何制作的，我们尝试一下就知道了。 现在有什么问题都可以交给ai来解决，这里我用deepseek➕dsh做了一个视频，内容《纯文本模型是如何制作视频的》，下面是使用的提示词很简单

下载安装需要的工具做一个视频，视频内容是《纯文本模型是如何制作视频的》，交付有配乐、时长一分钟以内、mp4格式的视频

成品展示

视频效果可能没达到我的预期，可能是因为模型思考强度忘了开到max，只开到high，下载工具时遇到了网络问题等，后续再研究一下。视频其实做的很快，十几分钟代码就写好了，时间主要花在了调用工具把代码渲染成视频上最后交付用时32分钟。

生成视频用到的工具

工具	版本	用途
FFmpeg（静态版）	7.0.2	编码 H.264、AAC 音频、测量响度（ebur128）、抽取帧来验证
Pillow	13.0.0	逐帧绘图：中文排版、几何图形、渐变、光晕
numpy	2.5.4	渐变与暗角矩阵运算、胶片颗粒、配乐合成
scipy	1.18.1	配乐用的 Butterworth 滤波
Noto Sans/Serif CJK	系统自带	中文衬线体与无衬线体（该字体以 TTC 格式收录多种字重，需要按索引选择简体中文对应的字面）