那种一只手在白板上边画边讲的视频，你也能自己做吗？

眼馋

我以前上课，常放别人做的手绘视频，就是那种一只手握着马克笔，在白板上一笔一笔画，边画边讲的。

马克笔，线稿人物，白板上画出来的东西跟着讲解走。我一直想自己做一个，但每次想到要画、要录、要剪、要对口型，就觉得难，从来没真动过手。都是找别人做好的、内容相近的拿来用。

2026 年 9 月 2 号晚上，事情变了。

起因是 我刷到一条「远方青木」的帖子，讲的正是用 AI 制作手绘视频。

顺藤摸瓜，我到了 geeklee 开源的 srt-whiteboard-animation。这是一个 skill，也就是一套让 AI 按固定步骤干活的规则和脚本，专门把字幕做成白板手绘。下文里，我把 geeklee 的原版叫「上游 skill」，把我在它基础上改出来的版本叫「玉树芝兰白板」。

看到别人做出来了，还做成了开箱即用的自动化工具，我憋了好几年的想法又冒了出来。既然现成的工具有了，我为什么不试一把呢？

字幕

可惜，第一步就卡住了。这个 skill 要字幕文件，而且得是 SRT 格式，就是每句话都标着出现时间的那种字幕。

一时之间，我发现手头没有现成的 SRT 文件啊。

好在，咱们有 GrokBot 啊。你可以先把它理解成一个自带云电脑的 AI 助手：你在聊天窗口里交代任务，它能开网页、能调用别的工具。刚巧白天我曾经让 GrokBot 查找过科技视频，有个叫 Nate 的，我印象挺深，因为造型比较独特。

我于是干脆让 GrokBot 去 YouTube 上找 Nate 那段视频的字幕，就是 他讲解 Claude Code 和 Codex 的那段视频。

这一步在 GrokBot 上省事，因为我提前登录了 YouTube，搜和下载都方便。不过官方字幕不好下。

我便退了一步：让 GrokBot 把视频下载下来，再让 Codex 转写成字幕，做了第一版。

素材备齐，接下来该让画笔动起来了。不过作画这种重活，我没打算让 GrokBot 一个人硬扛。

分工

为什么不让 GrokBot 自己画，要装个 Codex 来干？出于以下三点考虑。

首先是少烧积分。GrokBot 用它自家模型干这种重活，积分烧得快。我一开始用的是 X Premium+ 账号带的 GrokBot 用量，很快就烧光了。于是我一边含泪充值，一边把重活转给别的 AI Harness，也就是 Claude Code、Codex 这类替你调用模型和工具干活的框架。Codex 自己当然也要订阅额度，所以这不一定更省钱；只是我手头本来就有 Codex 的额度，拿它接重活，不用再烧刚见底的 GrokBot 积分。

其次，GrokBot 自带的对话额度只对应它自家模型。不过它那台云电脑上可以装 Codex 这样的外部工具。我不想把任务锁死在 Grok 一家的模型上，想留着 Claude 和 ChatGPT 的选择权。

第三，我手头那些 skill，语音识别、声音生成、新建 skill 这些，本来就是和 Claude Code、Codex 磨合出来的。比起 Grok，还是 Codex 它们用得更熟。

所以我在 GrokBot 上装了 Codex，让它调用 Codex 来做任务。也就是 GrokBot 负责对话和调度，Codex 负责干活。我拿手机在对话窗口里指挥，背后是 GrokBot 的云电脑在跑。

分工定好，指令一发出去，Codex 就在后台跑起来。中间的琐碎事都是 GrokBot 和 Codex 自己在操心，很快，第一版手绘视频就跑出来了。

这是第一版样片画出来的完整线稿。

注意它是按字幕大意画的，跟原本内容不是逐字对应。画面算是立住了，但没有声音，成了一出默剧。

我把这段 最初跑出来的无声样片 存了下来，你 可以点击链接观看。

光看纯线稿一笔一画勾出来，已经很有手绘那味儿了。

光看默片不行，我便让 GrokBot 调用 Codex，把原视频的声音合回去。结果英文原声一接上，场面就尴尬了。话音念得快，画笔在后头赶，两者各走各的。听听 声画严重脱节的英文原声演示，就知道把原音频硬塞回去行不通。

换声

既然英文原声节奏对不上，听着别扭，我干脆在对话框里跟它说：别弄英文了，换成用我的克隆音色合成的中文旁白。

配我自己的声音当然不用从头来。如果你也想让旁白保留自己的声音，可以参考 我以前用 MiniMax 克隆声音的做法。现在换到 GrokBot，相当于换环境、换机器。不过我对着 GrokBot 用自然语言一说，它就让 Codex 把配置迁了过来：用我的 MiniMax 克隆音色，中文旁白，跟着画面走。

这次生成顺当，中文旁白跟白板画笔贴在了一起，出来的效果我很喜欢。在 换上中文克隆声的这版成片 里，画笔跟着我的语调走，讲到哪儿画到哪儿，那种生硬的机器感冲淡了大半。

成片有了雏形，声画也对上了。这过程里还做了一件事儿，就是把画面放大细看，发现了一个扎眼的小毛病。

商标

在白板上一笔笔画画的那只仿真手上，马克笔笔杆印着原作者留下的一行署名字样。

我问 GrokBot 那几个字是怎么回事，原来是上游作者印在默认手部贴图上的。

说实在的，用别人做的 skill，我本来不想动这些细节。保留作者的 Logo，也算是帮原作者做个宣传嘛。

但是我是个老师啊，我做出来的东西上面出现「老登」这种词汇，实在是有辱斯文，这处不改不行。

我让 GrokBot 换成「玉树芝兰」，并在 skill 里把这事弄清楚，免得以后再在视频里面冒出来。

改完贴图，时间已经过了午夜。我看着屏幕上跑通的这一版，很开心。在知识星球发了个动态感慨了一番，就关掉手机去睡了。

迭代

第二天早上醒来，看到大家挺喜欢我前一晚做出来的视频。

有人问是怎么做的，于是就有了这篇文章。