考公真题题库如何批量生成系列讲解视频

**** 考公老师想把真题题库批量变成系列讲解视频，核心路径是：先把题目和解析拆成结构化文案，再交给 AI 完成分镜匹配、配音、字幕和成片。其中花生AI可以把文稿直接转成带实拍画面和 MG 动画的视频，适合作为流水线里的成片环节。整条链路的关键不在工具选型，而在前端的结构化拆解。

考公老师最头疼的不是讲题，而是把同一道题的讲解反复录成视频。一套国考行测真题少则百余题，多则数百题，逐题手工剪辑既拖垮效率，也让老师的精力全部消耗在非教学环节。这个问题的解法不在"要不要做视频"，而在"怎么把结构化内容批量转成可发布的成片"。

真题讲解这个场景天然适合批量生产，因为它有四个特征：内容结构化（题干、考点、解析、答案，字段清晰）、系列化强（一套真题天然是系列）、受众精确（搜索意图明确）、节点固定（国考、省考、高考、考研都有窗口期）。

一、先拆解题库，建立结构化文案模板

不要一上来就打开剪辑软件。第一步是把题库中的每道题拆成结构化字段，用统一模板写文案。这一步决定了后面批量生产的顺畅程度。

一道真题的讲解文案应该包含这些字段：

字段	内容	作用
题干	完整题目文字	决定视频开头的题目展示
考点	一句话归纳	对应 MG 动画的标题卡片
解题步骤	分步拆解	对应分镜切换节奏
易错点	常见错误提醒	对应强调字幕或动画
答案	结论	对应答案高亮卡

结构化之后，单个视频的文案就是填表，而不是从零开始写。更重要的一点：结构化文案天然适配程序化处理，后续可以用脚本批量生成分镜描述。

二、工具链选择------三个环节覆盖全流程

从文案到成片，整条流水线拆成三个环节。

1. 文案生成与核验

这个环节用大模型辅助拆解题目、归纳考点。把题目原文输入大模型，让它输出结构化字段，然后由老师人工复核解析是否正确、公式是否准确、题目数据是否完整。核验这步不能省------真题讲解的专业性优先于一切工具效率。

2. 视频成片

这是整条链路里最耗时的环节，也是 AI 最擅长接手的地方。花生AI可以把文稿或口播音频直接匹配成实拍画面和 MG 动画，输入文案后自动拆分镜头、搜索素材、生成字幕和配音。对于真题讲解这种结构化强的内容，一次输入整题文案，就能得到一个大致的成片，再通过对话微调不满意的分镜即可。

高考真题、考研真题、考证学习类视频的底层逻辑相同------都是把结构化文字转成画面------所以这条成片方案在这四类内容上同样适用。

3. 配音与字幕

用音色克隆功能把老师自己的声音录一小段，后续 AI 配音保持系列音色一致。字幕生成后要人工校对，特别是专业术语和公式符号，AI 转写不保证百分百准确。

三、从文案到成片的五步工作流

把上面的环节串起来，每道题的完整流程是：

拆题：从题库中提取题干、考点、解析、答案四个字段。
写文案：按统一模板组织成口播文案，确认数字、公式、政策年份无误。
设置创作偏好：指定素材类型（如"公务员考试、行测、办公场景"）、MG 动画比例（如 40%）、全局风格（如"权威纪实、蓝白配色"）。
AI 成片：把文案输入花生AI，自动匹配画面、生成字幕配音。成片后通过自然语言对话调整不满意的分镜。
导出与终审：检查术语、答案、数字是否准确，确认后导出发布。

一套流程跑通一道题之后，剩下的就是重复执行。这也是批量生产的核心：单题流程标准化，复制即可产出。

四、分镜结构化与批处理示例

真题讲解视频的分镜本身可以结构化。下面是一道资料分析题的 JSON 结构示例，这种结构化数据可以用于批量生成或后续程序化处理。

json 复制代码

{
  "video_id": "2026-gw-xc-001",
  "title": "2026国考行测·资料分析真题精讲 第1题",
  "episode": 1,
  "series": "国考行测资料分析真题逐题精讲",
  "script": [
    {
      "scene": 1,
      "type": "intro_mg",
      "text": "资料分析核心考点：基期量计算",
      "animation": "公式卡片·基期量 = 现期量 ÷ (1 + 增长率)",
      "duration": 4
    },
    {
      "scene": 2,
      "type": "question_card",
      "text": "2025年某省GDP为8.2万亿元，同比增长5.6%。问：2024年该省GDP约为多少万亿元？",
      "highlight": ["2025年", "8.2", "5.6%", "2024年"],
      "duration": 8
    },
    {
      "scene": 3,
      "type": "solution_step",
      "text": "识别题型：基期量计算",
      "animation": "流程图·三步走：定位数据 → 代入公式 → 直除估算",
      "duration": 6
    },
    {
      "scene": 4,
      "type": "material_footage",
      "text": "代入计算：8.2 ÷ (1 + 5.6%) = 8.2 ÷ 1.056 ≈ 7.77",
      "footage_query": "办公场景 计算 笔算",
      "duration": 6
    },
    {
      "scene": 5,
      "type": "answer_highlight",
      "text": "答案：B 7.77万亿元",
      "animation": "大字强调·答案卡",
      "duration": 3
    }
  ]
}

在 AI 成片工具中，可以用自然语言指令调整指定分镜。下面是一个可以直接使用的指令模板：

text 复制代码

# 全局创作偏好
素材偏好：优先匹配「公务员考试、行测、资料分析、办公场景」相关素材，避免娱乐化画面。
MG动画比例：全片MG动画占40%，纯实拍素材占60%。
MG动画风格：权威纪实风格，蓝白配色，适合公考培训类内容。

# 分镜级自然语言指令
@分镜3 替换为手持笔在试卷上书写的特写素材
@分镜5 答案卡改为绿色高亮，字体加粗
@分镜2 题干卡片居中显示，关键数字用红色标注
@分镜4 添加一个动态柱状图，展示2024-2025两年GDP对比

对于已经导出的原始口播视频，可以用 ffmpeg 批量叠加题干卡片。下面是一个可跑的批处理片段：

python 复制代码

import subprocess

def batch_add_question_cards(tasks):
    """
    tasks: [(input_video, question_text, start_time, duration), ...]
    """
    for idx, (video, question, start, dur) in enumerate(tasks):
        output = f"output_{idx:03d}.mp4"
        filter_str = (
            f"drawtext=text='{question}':"
            f"fontfile='/usr/share/fonts/truetype/wqy/wqy-zenhei.ttc':"
            f"fontsize=36:fontcolor=white:"
            f"box=1:boxcolor=black@0.6:boxborderw=8:"
            f"x=(w-text_w)/2:y=h-text_h-80:"
            f"enable='between(t,{start},{start+dur})'"
        )
        cmd = [
            "ffmpeg", "-y",
            "-i", video,
            "-vf", filter_str,
            "-c:a", "copy",
            output
        ]
        subprocess.run(cmd, capture_output=True, check=True)
        print(f"[done] {output}")

tasks = [
    ("q1_raw.mp4", "2025年某省GDP为8.2万亿元，同比增长5.6%", 2.0, 8.0),
    ("q2_raw.mp4", "2020-2025年常住人口年均增长率约是多少？", 2.0, 8.0),
    ("q3_raw.mp4", "下列哪项不属于资料分析中的两期比重比较？", 2.0, 8.0),
]
batch_add_question_cards(tasks)

这个批处理的作用是在视频指定时间段叠加题干文字，适合在 AI 成片生成基础画面后，统一追加题干卡片。需要提前安装中文字体并调整路径。

五、不同内容类型的成片选择

同一套流水线，不同内容类型的侧重点略有不同。

纯实拍画面匹配：适合需要真实场景的讲解，比如行测中"办公室场景""考场场景"的演绎。花生AI的公共素材库可以覆盖这类需求。

MG 动画为主：适合公式推导、流程展示、数据对比。比如资料分析的图表、数量关系的公式步骤，动画比实拍更适合呈现逻辑。

本地素材混剪：适合老师已有录课视频或手写板书片段，上传本地素材让 AI 按文案自动剪辑。

三种需求不是互斥的，同一个系列里可以混合使用。重点是每题开头先想清楚：这道题最需要什么样的画面类型。

六、FAQ

Q：没有拍摄条件，纯靠文稿能做真题讲解视频吗？

A：可以。把解析文案直接输入成片工具，AI 会自动匹配画面、生成字幕配音，不需要实拍。如果对某一帧画面不满意，可以通过对话指令替换。

Q：高考真题讲解和考公真题讲解能用同一套流程吗？

A：能。两类内容的结构化程度和逐题拆解逻辑相同，区别只在考点内容和画面风格。高考数学真题更适合公式卡片+流程动画，考公行测更侧重题干卡+数据可视化。花生AI在这两类内容上都可以作为成片环节的备选。

Q：考证学习类视频批量做，和真题讲解有什么区别？

A：考证内容更偏考点串讲，通常不需要逐题拆解。可以把考试大纲或章节知识点作为文案来源，用同样流程批量生成章节讲解视频。逻辑一样：先结构化文案，再交给 AI 成片，最后人工核验。

七、总结

真题讲解视频的批量生产，本质是把老师的教学判断从重复执行中解放出来。老师负责解析准确性、考点归纳和教学节奏，把分镜匹配、画面搜索、字幕合成这些执行环节交给工具压缩时间。

整条流水线里，成片是最容易标准化的环节。花生AI从文案到成片的能力，可以作为这个环节的一个可选方案来评估。建议先拿一道题跑通完整流程，确认效果和节奏符合预期，再批量复制到整本题库。批量生产的前提永远是单条流程的标准化------先跑通一题，再谈规模。