重磅发布 | 挑战用Coze做“如果书籍会说话”读书视频，20天涨粉10万，书单赛道新型玩法，附核心工作流搭建思路拆解

2025-08-05 30点热度 0人点赞 0条评论

最近刚火了一种读书视频《如果书籍会说话》，14条作品，10万粉丝，获赞23万，又是一种新型高质量读书博主。

重磅发布 | 挑战用Coze做“如果书籍会说话”读书视频，20天涨粉10万，书单赛道新型玩法，附核心工作流搭建思路拆解

如果有朋友想尝试上面这种视频，主要难度在于视频剪辑，手搓需要用多种工具配合，难度较大。今天就来给大家分享，如何通过Coze工作流，一键创作对话式读书视频，让小白也能轻松上手。

我们先来看看视频效果：

体验地址：https://www.coze.cn/s/ZiYoaMlsHTo/

只需要输入书籍名称和作者，视频水印文字，即可一键生成读书视频。

工作流思路拆解

一、整体流程

目标：通过输入指定书籍名称和作者，输出对应的视频地址

所需素材：人物角色图片、书籍角色图片、开场两个音效、对话文案、对话音频、背景图片。

二、流程思路拆解

1. 素材准备

提前准备好人物角色图片，开场音效素材和背景图片，不会做图片可以用即梦AI直接生成，角色图片我是直接通过即梦AI生成：

开场两个音效直接从剪映导出一个MP3，也可以直接用我准备好的素材

将角色图片、背景图片，音效在coze中上传拿到素材url地址：

音效1：片头字幕音效https://p9-bot-workflow-sign.byteimg.com/tos-cn-i-mdko3gqilj/373c3e491f214adfa3934a507e1c92e4.MP3~tplv-mdko3gqilj-image.image?rk3s=81d4c505&x-expires=1777426600&x-signature=Bp8XLZFWPpP1SiIQRKkVxluOl%2BU%3D&x-wf-file_name=%E5%92%9A%E9%9F%B3%E6%95%88.MP3

音效2：综艺成功咚音效https://p9-bot-workflow-sign.byteimg.com/tos-cn-i-mdko3gqilj/2ae7ccd877ea4c79b4fcbcfe38170b54.MP3~tplv-mdko3gqilj-image.image?rk3s=81d4c505&x-expires=1777425687&x-signature=m4S898PliWoqTBPavUmbcGKWozY%3D&x-wf-file_name=%E5%AD%97%E5%B9%95%E5%87%BA%E5%9C%BA.MP3

2. 对话文案生成&关键词提取

准备好相关素材以后，就可以开始搭建工作流，首先在开始节点添加3个输入参数：

添加大模型生成对话文案，大家可以选择合适的模型，这里我选择的豆包

输入参数：

book_name=开始节点的书籍名称

author_name=开始节点的书籍作者

然后提示词根据输入的名称和作者，生成对话文案

以json格式，输出对话角色与台词文案列表

role_list为角色列表：这里固定2个角色，主持人和书籍

text_list为角色台词列表，line为台词，order为出场顺序

# 角色你是一个擅长生成书籍对话口播字幕文案的助手，能够根据给定的书籍名称和作者，创作视频对话口播字幕文案。对话角色设定为主持人和拟人化的书籍，采用跨时代的形式展开对话。

## 技能### 技能1: 生成对话文案1. 当用户提供《具体书籍名称》及作者等信息后，深度解读书籍内容。2. 将书籍拟人化，如“富爸爸老师，请问......”，“富爸爸老师，为什么......”，其中后续问题要紧密结合讲解书籍里的核心痛点，吸引观众兴趣。3. 生成至少1000字以上对话文案，提出至少10个以上问题，每个问题都要围绕这本书的痛点以及读者可能想了解或感兴趣的点展开。解答问题时，需结合现实生活中的实际情况或案例以及书籍知识点进行说明。4. 文案中不能仅有提问和回答情节，要加入对话情节。当说到重点或真相时，提问的人要说出惊讶的话，使整个视频看起来更像真实的对话或采访。5. 文案内容需包含每个问题对应的对话、解释、现如今是什么情况、之后该怎么做等部分。对于较长的台词，要用标点符号合理拆分为短句, 且每个短句不能超过10个字。6. 回复内容说明：role_name=角色名称，固定2个，主持人和书籍名称， order=台词出场顺序，也是台词 唯一编号，line=角色台词，口播字幕文案  - **回复示例**：```json{    "role_list": [        {            "role_name": "[主持人]"        },        {            "role_name": "[书籍]"        }    ],    "text_list":[                {                   "order": 1,                    "line": "[台词]",                   "role_name":"主持人"                },                {                   "order": 2,                    "line": "[台词]",                   "role_name":"书籍"                },                {                   "order": 3,                    "line": "[台词]",                   "role_name":"主持人"                },                {                   "order": 4,                    "line": "[台词]",                   "role_name":"书籍2"                },                {                   "order": 5,                    "line": "[台词]",                   "role_name":"主持人"                },                {                   "order": 6,                    "line": "[台词]",                   "role_name":"书籍"                }    ]}```
## 限制- 只围绕用户提供的书籍相关内容生成对话文案，拒绝回答与书籍无关的话题。- 文案需满足用户提出的格式和要求，不能偏离框架设定，尤其要注意将过长台词用标点符号拆分为短句。- 采用长短句形式进行提问和回答， 用逗号将长句进行分隔。

提取关键词：

# 口播关键词提取专家

## 定位专精于从口播类视频字幕文本中提取核心关键词的信息处理专家，适用于短视频运营、内容分析、广告优化等场景。
## 核心能力1. **文本解析**     - 自动过滤时间戳/标点等非语义内容   - 识别口语化表达中的有效信息单元
2. **关键词提取**     - 采用TF-IDF+TextRank混合算法   - 区分核心关键词(产品/功能/场景)与辅助词(情绪/修饰)   - 支持专业术语提取(需标注领域)
3. **上下文理解**     - 识别重复强调的关键概念   - 自动合并同义词近义词   - 保留否定语境(如"不推荐""慎用")
4. **多语言支持**     - 中英文混合文本处理   - 方言词汇识别(需标注语种)
## 知识储备- 语言学：分词技术/词性标注/依存句法分析- 领域词库：    ▫ 电商：促销话术/产品属性    ▫ 教育：学科术语/课程体系    ▫ 科技：技术参数/功能特性
## 输入输出**输入格式**：  [                {                   "order": 1,                    "line": "大家好今天要评测这款石墨烯发热衣",                   "role_name":"主持人"                },                {                   "order": 2,                    "line": "重点看三个维度：保暖性/透气性/耐用度",                   "role_name":"书籍"                }    ]
**输出格式**：   ["石墨烯发热衣", "保暖性", "透气性", "耐用度"]
## 约束条件1. 拒绝生成非文本内容相关的联想

3. 字幕拆分

默认生成的角色字幕，一段话会很长，为了提升视频显示效果，需要通过标点符号，将文案拆分成短句。

这里添加一个代码节点，输入大模型节点输出的text_list，输出拆分后的新的text_list，这里用的是javascript语言

// 在这里，您可以通过 ‘params’ 获取节点中的输入变量，并通过 'ret' 输出结果// 'params' 和 'ret' 已经被正确地注入到环境中// 下面是一个示例，获取节点输入中参数名为‘input’的值：// const input = params.input; // 下面是一个示例，输出一个包含多种数据类型的 'ret' 对象：// const ret = { "name": ‘小明’, "hobbies": [“看书”, “旅游”] };async function main({ params }: Args): Promise<Output> { const originalData = params.text_list; const processedData = processDialogues(originalData); const len = processedData.length; const part1End = Math.ceil(len / 3); const part2End = part1End + Math.ceil((len - part1End) / 2); // 构建输出对象 const ret = { "text_list": processedData, "text_list1": processedData.slice(0, part1End), "text_list2": processedData.slice(part1End, part2End), "text_list3": processedData.slice(part2End) }; return ret;}function processDialogues(originalData) { let orderCounter = 1; const result = []; originalData.forEach(item => { const segments = item.line.split(/([!?。，！？；;、...——])/g); let tempStr = ''; const pushFilteredLine = (str) => { // 核心修改：仅保留汉字、英文、数字、英文问号?和中文问号？ const filtered = str.replace(/[^u4e00-u9fa5a-zA-Z0-9?？]/g, ''); if (filtered) { result.push({ role_name: item.role_name, line: filtered, order: orderCounter++ }); } }; segments.forEach(segment => { segment = segment.trim(); if (!segment) return; if (['!', '?', '。', '，','；','？','！','、','...','——',';'].includes(segment)) { tempStr += segment; const lastChar = tempStr.slice(-1); // 处理逻辑：如果当前符号是问号则保留，其他符号会被过滤 const rawLine = tempStr; // 直接传递原始字符串，由过滤逻辑处理符号 pushFilteredLine(rawLine); tempStr = ''; } else { if (tempStr) { pushFilteredLine(tempStr); tempStr = ''; } tempStr = segment; } }); if (tempStr) pushFilteredLine(tempStr); }); return result;}