靠 Coze 工作流做 AI 美食号，视频单条百万播放，小白也能抄作业

大家好，我是小肥肠，专注智能体干货教程分享！今天手把手教你用 Coze 工作流 5 分钟搞定百万播放AI美食视频，全流程保姆级拆解，哪怕是新手也轻松学会，赶紧码住跟练！

1. 前言

前阵子AI生成的asmr视频在短视频爆火，如AI切玻璃水果，AI吃播，当时我对这块比较感兴趣，两个赛道都做了，可以说都拿到了结果，AI切玻璃水果我还专门写过一教程篇文章靠Coze躺赢！输入水果名生成10w+AI切水果爆款视频！新号0粉小红书连爆2条快学！

AI切水果做了一阵子后，我开始把注意力转移到了AI吃播上，当时这个赛道肥肠不错，主要是吃一些猎奇的东西，一开始我也跟着做，提示词是我自己根据视频拆解反推出来的，刚开始发观看数据挺不错，但是我渐渐发现做的没什么意思，我需要不停地去找一些猎奇热门视频模仿人家，反推提示词，很多时候AI还不给生成（违反了它的一些安全规则）。

我本人是很喜欢看美食视频（不说看了上万个，也有几千个了），于是我转变了思路，为什么不用AI做美食吃货视频呢？主要是我自己喜欢，也可以坚持，于是我就转换赛道，一个月下来我做出了成果，下面是dy平台的成绩：

这种视频制作很简单，每天只需要2分钟就能制作，小白也能轻松跟做，感兴趣就往下看吧~

2. 工作流的实现思路

这个工作流构建不复杂，最难的地方在于提示词的搭建，你要跟AI沟通，最终可以构建出美味的食物，还有小姐姐吃的很有食欲的画面，提示词我精调了1000多版，主要是根据用户的反馈还有我看美食视频的经验来调整。做AI美食吃货视频的核心就色香味俱全，你需要通过屏幕把这三个核心传递给用户，让他感觉到这东西真的很美味，你的视频自然就会有流量。

工作流的技术思路为：

首先要输入食物的名称（如炸鸡腿、猪蹄）

2.大模型会根据你输入的食物来生成高质量文生视频提示词

选择生成视频的模型，我提供了两个个选择：

基于Running Hub生成视频，优点是很便宜，视频质量中等偏上，缺点是需要自己配音
基于豆包生成视频，优点是视频质量中等偏上，缺点是需要自己配音

4.最后一步就是基于不同的模型来生成视频了。

解释一下我为什么没有接Veo3插件，因为性价比不高，一个8秒的视频用fast模型差不多2块多，与其在Coze里面使用Veo3插件不如把Coze生成的提示词投喂给Veo3（每天可以生成3个免费视频，flow每月刷新免费1000积分），你用veo3账号不香吗？我就是这么干的，每天耗时2分钟左右。

3. 工作流实现

完整工作流如下：

开始节点： 开始节点需要填入food和type参数，food可为任意食物，用句号隔开。输入示例：草莓。橘子。荔枝。type参数需要输入视频制作的插件名称，如豆包、rh（任选其一）

文本处理： 这个节点的作用是把开始节点传入的水果名称用句号打散，变成字符串列表。

以防大家无法理解，这边给大家列举实例说明，比如用户输入：

复制代码

草莓。苹果。荔枝

经过文本处理节点打散后，可以得到：

css 复制代码

[草莓,苹果,荔枝]

接下来就需要用循环节点来承接上面得到的字符串数组，在循环节点中进行视频生成操作，在循环中，会针对每个水果名称生成文生图提示词，再基于开始节点选择的视频生成方式（豆包、Running Hub、 veo3）来生成视频。

文生视频（ 大模型 ）：这个节点的作用是基于食物名字来生成文生视频提示词。

为了防止同质化内容，这边放一下伪提示词，大家把伪提示词投喂给豆包就能生成对应提示词：

typescript 复制代码

// 输入数据结构：仅包含食物名称
type FoodInput = {
  foodName: string;
};

// 输出数据结构：视频提示词文本
type VideoPromptOutput = {
  prompt: string;
};

// 食物信息数据库：所有描述均为基础客观描述
const foodInfoDatabase = {
  "草莓": {
    colors: ["红色", "绿色", "浅色点"],
    texture: "软",
    sauce: "草莓酱",
    sound: "轻微的咀嚼声"
  },
  "苹果": {
    colors: ["红色", "黄色", "白色"],
    texture: "脆",
    sauce: "无",
    sound: "清脆的咀嚼声"
  },
  "面包": {
    colors: ["黄色", "褐色", "浅黄"],
    texture: "软",
    sauce: "黄油",
    sound: "轻微的咀嚼声"
  }
};

// 生成视频提示词的函数
function makeFoodVideoPrompt(input: FoodInput): VideoPromptOutput {
  // 获取食物名称
  const food = input.foodName;
  
  // 从数据库查找食物信息，找不到则用默认值
  const foodInfo = foodInfoDatabase[food] || {
    colors: ["色1", "色2", "色3"],
    texture: "一般",
    sauce: "无",
    sound: "咀嚼声"
  };
  
  // 拼接基础描述内容
  const part1 = `拍一个人吃${food}的视频，视频要拍清楚${food}的${foodInfo.colors[0]}、${foodInfo.colors[1]}、${foodInfo.colors[2]}这几种颜色。`;
  
  const part2 = `${food}的口感是${foodInfo.texture}的，旁边可以放${foodInfo.sauce}。`;
  
  const part3 = `视频要录下吃${food}时的声音，主要是${foodInfo.sound}。`;
  
  // 组合成完整提示词
  return {
    prompt: part1 + "\n" + part2 + "\n" + part3
  };
}

把这个伪提示词投喂给豆包，让其生成完整提示词：

3.1. 豆包生成视频分支

视频生成： 这是coze内置的视频生成节点，接收参数设置为文生视频的输出参数。

3.2. Running Hub生成视频分支

Running Hub生成视频我抽成了一个字工作流，输入参数为prompt（对应文生视频输出参数）、Running Hub的key，这个大家自行去申请就行。

Running Hub生成视频工作流全貌如下图，这个工作流里面都是我们开发的Running Hub插件：

目前我们的RunningHub插件已经上架了，涵盖文生图、文生视频、图生视频、首尾帧视频制作，之后会给大家专门写一篇文章介绍这个插件：

开始节点： 开始节点输入参数为rh_key和prompt，这两个参数都是父工作流传入的参数。

create_text_2_video（创建文生图）： 这是一个异步插件，执行以后会立刻返回一个任务id给你，但是不代表视频生成完成了，我们需要每个几秒去查询任务的状态（利用死循环机制，每个几秒去查看任务执行的结果），这个机制用大白话说就像你去你吃东西，饭店太火爆了，服务员给了你一个排队的单号，你可以每隔一阵子去问一下你排到哪里了。

在死循环中，整体节点的罗列排布如下：

query_task_status（获取任务状态）： 这个节点可以获得任务执行的状态，如果返回的参数中status为SUCCESS

就代表视频制作完成了

query_task_result（获取视频地址）： 在确认query_task_status 插件返回的status为SUCCESS时就可以基于query_task_result插件获取视频地址了。

另一边，如果query_task_statu 不为SUCCESS就需要进入二级判断，我们需要判断err_msg是否等于APIKEY_TASK_STATUS_ERROR，如果等于就代表工作流出错了，直接结束循环，否则延迟30秒继续获取视频状态。

取结果图片地址（代码）： 这个代码的作用是获取Running Hub插件生成的视频地址，基于这个代码可以直接获取.MP4视频地址。

源代码：

ini 复制代码

import json

async def main(args: Args) -> Output:
    params = args.params
    # Get the first item from the result_url_list
    result_url_json_string = params['result_url_list'][0]
    
    # Parse the JSON string to get the dictionary
    result_url_dict = json.loads(result_url_json_string)
    
    # Extract the fileUrl from the dictionary
    file_url = result_url_dict['fileUrl']

    # Build the output object
    ret: Output = {
        "result_url": file_url
    }
    
    return ret

子 工作流 结束节点： 在子工作流的结束节点，只需要直接获取取结果图片地址（代码） 的生成地址就行。