---
title: "AI创作工作台：AI视频生成、AI图片生成、AI音乐与AI配音"
summary: "在同一个流程里完成AI视频、AI图片、AI音乐与AI配音创作，编辑视觉成果，并集中管理做好的成品。"
url: "https://www.beatra.cn/zh/skills/ai-video-image-music-studio"
language: "zh"
version: "0.3.0"
last_verified: "2026-11-09"
---

[Skills](https://www.beatra.cn/zh/skills) · [视频与动画](https://www.beatra.cn/zh/skills/categories/video-animation)

# 视频、图片、音乐、配音，一个流程全做完

「AI创作工作台·视频图片音乐」在同一个创作流程里生成 AI 视频、图片、音乐和配音：2–30 秒的 MP4 视频、PNG 图片、MP3 歌曲或纯音乐，以及 40 种语言的旁白。图片和视频成果可以继续定向修改，一个系列还能用声音克隆建立专属音色，做好的成品集中留存。「AI创作工作台·视频图片音乐」可在 WorkBuddy、Claude Code、Codex 等支持 Skill 的智能体里使用。

```text
请安装 AI创作工作台 · 视频图片音乐；需要登录授权时告诉我：https://beatra.ai/skills/ai-video-image-music-studio/install.md
```

发给 WorkBuddy、千问办公、Codex、Claude Code 等智能体即可安装，首次使用登录一次。

[install.md](https://www.beatra.cn/skills/ai-video-image-music-studio/install.md) · [GitHub](https://github.com/beatra-ai/beatra-skills/tree/main/skills/ai-video-image-music-studio) · [文档](https://docs.beatra.cn/zh/docs/capabilities) · [在手机上用：微信小程序](https://www.beatra.cn/zh/mini-program?utm_source=website&utm_medium=skill)

## 全能创作能交付什么

### 四种媒介，同一个流程

图片、视频、音乐和配音出自同一个创作流程：一张静帧可以变成镜头，一个镜头可以配上音乐，一段文稿可以变成旁白，不用每次重讲一遍需求。

### 已有成果直接接着用

本地照片、你满意的那一帧或已经生成的片段都能带进下一种媒介，让整组素材在风格、主体和节奏上保持一致。

### 成品清楚，去向也清楚

每份成品都会带回链接、尺寸、时长和格式，做好的素材可以直接进入下一步创作。

## 怎么做出来

### 从手上已有的东西开始 · 一句话、一张图，或者一段文稿

想法是什么形态就用什么形态开始：一段文字需求、本地的图片或视频、上一轮做好的成果，或者一首参考曲，都足以起步。

- 一段文字需求或文稿
- 本地图片、视频或音频
- 上一轮做好的成果
- 画幅、语言和音色偏好

### 按媒介选对做法 · 图片、视频、音乐、配音，出自同一个流程

每种媒介走最合适的一条路：文字或参考图生成画面，静帧或参考组生成视频，一个想法生成歌曲或纯音乐，一段文稿生成旁白。

- 文生图与多参考图构图
- 文生视频、图生视频、首尾帧、续接与视频编辑
- 歌曲、纯音乐与参考风格创作
- 多语言旁白与可复用的专属音色

### 验收与交付 · 拿到的是真实文件和真实数字

成品会带着链接和使用所需的信息一起返回，整组素材可以直接进剪辑、进详情页或直接发布。

- 链接、尺寸、时长与格式
- 可跟进的制作进度
- 做好的成品与可复用素材
- 素材与成品集中查看和管理

## 四种媒介，一次做齐

### 短视频与社交内容

把一句卖点或一个钩子做成竖版视频，配上同风格封面图、背景音乐和可直接发布的旁白。

### 产品与品牌视觉

生成干净的产品图，把最好的一帧动起来做成短片，再按目标市场的语言配上旁白。

### 课程、播客与有声内容

把文稿转成自然旁白，可覆盖多种语言，整个系列沿用同一个专属音色，并补齐封面图和片头音乐。

### 短片与故事片段

先用生成的静帧定下影调，再把镜头续接或精修成一段序列，最后配一首原创纯音乐。

## 输入与输出

| 输入或输出 | 类型 | 格式 | 规格 |
| --- | --- | --- | --- |
| 输入 | 文本：想法、提示词、歌词或文稿 | — | — |
| 输入 | 图片：照片或参考图（可选） | JPG、PNG、WEBP | 单次最多 4 张 |
| 输入 | 视频：要编辑或延长的视频（可选） | MP4、MOV | 单个文件最大 100 MB |
| 输入 | 音频：用于专属音色的声音样本（可选） | — | 10–300 秒；单个文件最大 20 MB |
| 输出 | 视频：视频片段 | MP4 | 2–30 秒；480p、720p、1080p、2K、4K |
| 输出 | 图片：图片 | PNG | 单次最多 4 张；1K、2K、4K |
| 输出 | 音频：歌曲或纯音乐 | MP3 | — |
| 输出 | 音频：旁白与配音 | MP3、WAV | 40 种语言 |

规格最近核对：2026-11-09 · 依据：[模型目录](https://docs.beatra.cn/zh/docs/models) · [文档](https://docs.beatra.cn/zh/docs/mcp-tools) · [服务条款](https://www.beatra.cn/zh/terms)

## 常见问题

### 能用我手上的照片直接做视频吗？

可以。把本地图片带进来作为起始画面，按你描述的运动、时长和影调生成一段视频。

### 音乐也能一起做出来吗？

可以。描述情绪、曲风和时长，就能拿到一首歌曲或纯音乐，直接铺到片子上。

### 同一段文稿能出多语种版本吗？

可以。旁白支持多语言，同一段文稿会按市场分别生成对应语种的版本，每一版都能单独选音色。

### 整个系列能用同一个音色吗？

可以。用一段干净的录音创建可复用的专属音色，后续每一集都沿用它。

### 能在已有的图片或视频上改吗？

可以。对手上已有的图片或视频描述要改的地方，精修就改在那里。

## 相关技能

- [AI视频转绘与风格转换](https://www.beatra.cn/zh/skills/ai-video-restyler): 上传短视频，选择目标风格，在保留人物和动作的同时完成转绘。
- [民宿口播 · 民宿欢迎](https://www.beatra.cn/zh/skills/airbnb-welcome-avatar): 先写欢迎和设施说明口播稿，再把每张授权静帧做成一段短片。
- [亚马逊主图视频 · 白底一镜](https://www.beatra.cn/zh/skills/amazon-main-image-motion): 把已过审的白底主图，做成一条短片。
- [口播视频 · 个人IP数字人](https://www.beatra.cn/zh/skills/avatar-presenter): 先排好一周选题、写好口播稿，再用你的照片和你的声音做成数字人口播视频。

[更多视频与动画 Skill](https://www.beatra.cn/zh/skills/categories/video-animation)