Hey Grok:让 iPhone 里的 AI 助理开口

把空间还给正在发生的操作。

选定 A 手机主体+C 局部放大后,教程仍有固定大标题和顶部标识。它们占住了屏幕空间,关键操作反而不够突出。

v6 去掉顶部大标题与片内操作示意标识,把手机及关键操作图层放大 7%。字幕的位置和时间保持,开场截图与高亮同步上移。页面继续明确标注代码示意的性质。

两张图取自 v4 / v6 的同一 00:26。原记录检查了 11 张关键帧,未见字幕遮挡和文字裁断;这里可以直接比较操作卡片在画面中的占比。

配乐存在感,先改编曲,再调音量。

第一版背景几乎听不到。单纯把旧底音拉高,不能解决它与操作演示节奏不贴合的问题。

v3 改用约 114 BPM 的轻电子编曲,加入木琴感短音、和弦、轻鼓与沙锤,并在口播时压低音乐。下面保留当时 18–42 秒的两版混音样本。

这两段是 v2 → v3 的历史对照,不是当前成片音量。后续 v5、v6 又各降低 30% 背景音乐,最终为 v4 的 49%;旁白与交互音效增益不变。

不同动作,留下不同的短反馈。

更换配乐以后,点击、确认和开关动作的反馈仍需补齐。把一条音效到处复制,也难以分清操作状态。

v4 对 11 处关键操作补充反馈,区分普通点击、确认、开启、关闭与关注完成。用新版音效轨替换旧轨,而不是叠加两层;时间点按实际渲染帧对齐。

保留下方 26 秒混音试听。记录中的音效与视觉起点差值小于一帧;这些短音为代码合成,不是 iOS 原生音效。技术对齐与主观听感分别记录。

选好的封面,进入视频的前 15 帧。

v6 从截图开场,选定的插画封面仍是独立文件。作品列表封面和视频自身第一帧需要分别交付。

v7 将封面 A 等比适配到前 0.5 秒,之后恢复正文;没有增加片长,也没有重新合成口播。原 v6 文件继续保留。

同一 00:00.3 的前后帧展示实际变化。历史核对得到 85.6 秒、2568 帧,合封面前后音轨逐包哈希一致。 原封面标题保留;截图能支持的是回复“酷”,不是平台点赞动作。

资料讲解与观察

结合公开资料与解释画面;实际运行范围见制作说明。

一条面向 iPhone 用户的 Hey Grok 语音交互讲解,用画面和口播梳理使用思路。 片中操作界面为代码绘制的示意画面,并非真实设备录屏;制作时未实际操作 iPhone 验证。

把操作拆成可理解的步骤

先编排口播和界面流程,再用动态示意突出每一步的重点。

为动作加入反馈

结合字幕、界面动作和提示音组织节奏,最终版本沿用已选封面。

联系:drmrzhong@gmail.com