大家好，我是陈工。
今天继续给大家分享干货，继续给大家讲解扣子工作流的实战操作案例。今天这篇文章写完，我怕我家的老祖宗会起来打我。
最近几天，陈工，给大家讲了很多的使用扣子 Coze 工作流一键生成视频的教程，1 分钟，可以生成 100 甚至 1000 个视频，大大的提高了我们的效率。
今天，陈工给大家分享的是古人跳舞蹦迪视频，相当于是对古人的一些“善意”恶搞。
这些智能体工作流，都是可以进行相应的二次开发的，对于新手小白来说，用起来很方便！
1、文生图工作流
2、视频生成工作流
3、视频批量剪辑生成工作流
1、开始节点
首先，我给大家解释一下，开始节点输入名称的意思。
music_name：歌曲的名字，例如《小苹果》
bg_music：背景音乐的地址
num：场景的数量，比如我们需要 5 个场景，就输入数字 5
2、图像-视频提示词生成
该步骤，主要是根据我们前面输入的音乐名称和片段数量，大模型会根据我们的这两个要求，去生成相关提示词。
关于系统提示词的部分，我来给大家截个图。
关于用户提示词+输出：
3、批处理
通过 “主图像生成 + 兜底生成” 的双重逻辑，提升图像生成的可靠性，避免因单次生成失败导致流程中断；再结合批处理与变量聚合，实现对多组输入的高效、稳定图像生成与数据整合。
具体的设置，我下面给大家进行详细的解释。
关于批处理体的设置，具体可以看下图：
（1）图像生成
根据我们生成的提示词，生成对应的图片介绍。
（2）选择器
选择器的目的，主要是用来做筛选的，比如上一步图像生成了，直接接入到下一步。
如果没有生成的话，那就再次进行生图。
（3）图像生成-上次没成功的
这一步的设置，是针对上次没成功的，上次没成功的话，再次进行生成，相当于是双保险。
（4）变量聚合
将最终得到的图像数据进行聚合整理，统一进行输出。
上一步的用来进行生成图片，这一步是是用来进行生成视频的。具体的设置，大家可以看下图：
批处理体：
批处理里面，是插入的视频生成模型。该模型是豆包的图生视频模型，具体的设置，大家可以看下图：
选择器的目的，是判断视频是否生成，如果没有生成，这直接运行失败。
如果生成功了，则继续进行下一步。
很多新手，一看到代码就头疼，其实代码是由豆包或者 DeepSeek 生成的，大家就无需担心。
此段代码作用，用于处理数组相关的计算并返回结果。
import \_ from'lodash';
asyncfunctionmain({ params }: Args): Promise<Output> {
let arrayLength = 0;
// 直接获取 params.input，而不是尝试解析它
const inputArr = params.input;
if (\_.isArray(inputArr)) {
arrayLength = inputArr.length;
}
// 计算输出值
const key0 = arrayLength * 10000000;
const num = arrayLength;
return {
key0: key0,
num: num
};
}
将输入的对象中的音频地址，以数组元素的形式在输出的 infos 中进行呈现。
根据片段和长度和视频的时长，自定义创建时间线。
根据输出的视频链接和时间线，来进行视频制作。
根据视频歌曲、时间线，音量，来制作背景音乐。
上面，我们视频已经生成了，下面就是自动导入到剪映的草稿箱了。
确定视频的高度和宽度。
确定视频的高度和宽度。
2、添加视频到剪映
3、添加背景音乐到草稿箱
将在剪映草稿箱里面的视频，进行保存。
将字符串输出到 output 中。
将结果进行聚合处理。
1、输入内容
这里面的 1.2.3 分别进行输入，然后直接生成就好了。
2、一键生成到剪映
以上就是全部内容了，科技针真的会改变世界，使用扣子工作流，直接一键生成视频，完全解放了我们的双手，让我们的创作效率变的更高了。
同时，使用工作流，完全可以进行批量化的操作，大大节省了我们的时间。
如果您觉得这篇文章对您有帮助的话，欢迎转发、点赞、收藏。
大家想要该工作流源码，后期想要学习扣子智能体，将扣子智能体应用到学习、生活以及副业当中，欢迎主页扫码添加陈工微信。