今天给大家演示一个历史类短视频自动化生成工作流，这是一个基于 Coze 的多模态工作流示例。它通过大语言模型生成文案，再结合图像生成、语音合成和视频剪辑插件，最终完成一个从“主题输入”到“成品视频”的完整链路。整体效果直观：只需输入主题，就能自动产出带有解说、背景图和字幕的短视频。文章目录工作流介绍核心模型Node节点工作流程大模型应用主题文案生成节点分镜脚本生成节点故事主题提炼节点使用方法应用场景开发与应用工作流介绍这个工作流的核心设计是以大语言模型为驱动，自动生成历史故事的口播文案，并通过分镜脚本拆解成场景描述，再利用图像生成模型绘制背景画面，同时调用语音合成插件配音，最终交给视频合成模块形成完整视频。它不仅能处理文本到图像、音频的跨模态转换，还能自动优化提示词和字幕时间轴，保证视频内容逻辑连贯，呈现效果专业。核心模型在工作流中，主要使用DeepSeek-V3 大语言模型作为文本生成引擎，负责撰写历史故事文案和分镜脚本。同时配合图像生成模型和语音合成插件，保证从文本到多模态输出的完整闭环。模型的配置参数（如 temperature、maxTokens 等）保证生成结果既有创造性，又符合视频节奏需求。模型名称说明DeepSeek-V3用于生成历史口播文案、分镜脚本、故事主题提炼图像生成模型（StableDiffusion/SD 插件）根据分镜脚本描述绘制古代风格背景图speech_synthesis 插件