ai视频制作——从入门到精通

入门与上手

把 AI 视频从一句想法做到能发布的成片:拆清脚本、分镜、生成、配音、剪辑、交付六个环节,每步给出判断标准和返工顺序。

很多人卡在同一个地方:工具装了一堆,提示词也抄了,出来的画面却连不成一条片。问题通常不在模型,而在流程没有分环节验收——脚本没定结构就开始生成,画面没锁定就去配音,最后每改一处都要全部重做。这篇按成片倒推,把 AI 视频制作拆成六个可验收的环节,每步说清什么算过关、不过关先改哪一层,并给出成片前的自查清单。

很多人做 AI 视频卡在同一个地方:工具装了一堆,提示词也抄了,出来的画面却连不成一条片。问题通常不在模型好不好,而在流程没有分环节验收——脚本还没定结构就开始生成画面,画面还没锁定就去配音,最后每改一处都要推倒重来,时间全耗在返工上。

这篇按成片倒推,把 AI 视频制作拆成六个可验收的环节,每一步说清什么算过关、不过关先改哪一层。你不需要从头读到尾,可以先判断自己卡在哪一环,直接跳到对应小节。判断标准是通用的,但适不适用要看你做的是哪类视频:信息型口播、产品演示、剧情短片,验收松紧完全不一样,下文会分别标出什么情况下这套流程不适用。

先认清一条片子的六个环节,别跳步

把流程固定成六段:选题立项、脚本、分镜与素材、画面生成、声音、剪辑交付。这六段是有顺序依赖的,跳步一定会在最后返工。最常见的跳步是跳过脚本直接写提示词,结果生成了一堆漂亮但串不起来的画面,剪的时候才发现没有主线。

已有素材的人
从分镜环节进场,先把手头素材按段落归类,再决定哪些用 AI 补、哪些直接用
只有想法的人
从选题立项进场,先确认这条片子是给谁看的、看完要记住什么
两者都不是的人
先去做一条最短的练手片,跑完全流程再谈优化

还要想清楚哪些环节适合用 AI、哪些手动做更快。纯口播视频里,字幕和配音用工具处理很省事,但选题和结构往往手动写比反复调提示词更直接。别为了用工具而绕远路,判断标准很简单:这个环节你手动做要多久,用的时间比调工具少,就手动做。

脚本环节:先把结构写死,再让模型填字

直接跟模型说「写个视频脚本」,拿回来的东西通常没法用,因为模型不知道你的时长、受众和节奏。稳的做法是先自己手写一句主线,再加三到五个节拍点,然后让模型在节拍框架里扩写。主线一句话说清这条片子讲什么事、观众看完要记住什么。

  1. 先写主线用一句话写下片子的核心信息,写完自己能复述出来才算过关
  2. 拆节拍把主线拆成三到五个节拍点,每个节拍对应一段画面,节拍之间要有推进关系而不是并列罗列
  3. 让模型填字把节拍框架、目标时长、大致口播字数一起给模型,让它按框架扩写,而不是自由发挥
  4. 验收能一眼看出每个节拍对应多长画面就算过关;改稿只改节拍顺序,不动整篇文字

给模型的约束要落在具体维度上,比如总时长、每段口播大概多少字、需要几个镜头,而不是「写得好一点」「要有网感」这种没法验收的要求。约束越具体,改稿次数越少。

分镜与素材:把文字翻译成可生成的画面描述

分镜这一步的目标不是画得好看,而是让每一格都具备生成条件。每格固定写清四项:主体是什么、在做什么动作、处在什么环境、镜头怎么运动和光线什么调子。缺任意一项,生成结果就会漂,要么主体变样,要么风格跳脱。

分镜要素写不清的后果补哪一层
主体每格长相不一致,像不同片子拼的先出角色参考图并统一描述
动作生成的动态超出模型能力,糊成一团把复杂动作拆成多个简单动作或改成静态
环境与光线同一场景前后色调对不上固定场景关键词和光线描述,整片复用
镜头运动运镜突兀,剪起来接不上写清推拉摇移中的一种,别在一格里塞多个运动

先锁定角色与场景的参考图,再批量出画面,这是避免每格长相不一样的最有效做法。参考图一旦确定就整片复用,中途不要换。什么时候不该做精细分镜?信息型口播视频可以按段落切,一段一个画面方向就够了,不必逐镜设计,逐镜设计反而拖慢进度。

画面生成:先小样试跑,再批量出片

批量生成之前,先跑一两条低规格小样,确认风格和动作可行。小样的目的是排雷,不是出成品,所以参数可以调低、时长可以短。一上来就整片渲染,等于把风险放大到所有镜头上。

生成失败要分类处理,三类改法完全不同,混在一起改只会越改越乱。描述不够具体,就回到分镜补要素;动作超出模型能力,就换更简单的动作或改切镜;素材本身不合适,比如参考图质量差,那就重做素材,再怎么调提示词也没用。

  • 先小样后批量:小样确认通过再复制到其他镜头,省下大量废片
  • 失败分三类:分镜描述问题、模型能力边界、素材质量问题,分别对号入座
  • 连续复杂的多人互动镜头通常出不来,改成切镜或用静态图推拉更划算
  • 单条镜头多次失败就换方案,别在同一个镜头上死磕
  • 把每次成功生成的描述单独存下来,形成自己的素材库

声音:配音、配乐和字幕的顺序别搞反

配音稿要在画面锁定之后再定稿。画面一改,口播节奏全废,原来卡在某个画面上的一句话可能就落空了。顺序是画面锁定,再根据画面长短调整口播,最后定稿。

先定人声再配乐。配乐的作用是托住情绪,不是当主角。判断配乐音量是否合适,靠听不靠参数:把进度条拉到口播最密集的地方,听不清人声就是音量过头了。这一步没法用数值一概而论,因为不同平台的播放环境差异很大。

字幕按最终配音生成,不要用早期脚本生成。脚本改过几轮之后,文字和实际配音早就对不上了,用旧稿做字幕必然错位。生成完字幕要过一遍错别字,尤其是专有名词和数字。

剪辑与交付:成片前的自查清单

剪辑阶段主要不是加效果,而是逐项验收。下面这份清单建议每条片子导出前都过一遍,顺序是按影响大小排的,前面几项不过关就别急着看后面。

  1. 开头开头几秒有没有抓住人,没抓住就重剪,别指望观众等
  2. 声画对应画面与口播是否对得上,口播提到的东西画面里有没有出现
  3. 音量整片听一遍,看音量是否忽大忽小,人声和配乐比例是否稳定
  4. 字幕检查有无错字、有无提前或延后、专业词是否写对
  5. 片尾片尾有没有把该交代的交代清楚,比如引导动作或下一条视频的预告
  6. 导出导出参数按投放平台要求设,横竖屏、码率、时长限制先查清楚再导

另外留一版无字幕无配乐的工程文件。改版的时候,你只需要替换变化的部分,能省掉大半工作量。这个习惯看起来麻烦,做过一次返工的人都知道值。具体平台的分发规格和常见要求,可以去 指南中心(/guides) 找对应的配置说明。

工具怎么挑、花费怎么估

挑工具按环节来,不按名气来。一个环节固定一款工具,换来换去最耗时间,因为每换一次都要重新熟悉参数和输出习惯。脚本、画面、配音、剪辑分别选一款,跑通一条完整片子之后再考虑替换。

估算花费按生成次数算,不按成片时长算。真正决定成本的是废片率,不是片子多长。同样一条几分钟的片子,有的方案生成十几次就够,有的要上百次,单价再低也扛不住。各家工具和模型当时的单价,去 价格追踪(/price-watch) 核对当时的数字,别凭印象估。

判断项什么时候适合什么时候不适合
按量付费还在试阶段,不确定长期用哪家已经稳定出片、用量规律,按量可能更贵
订阅制每周都有稳定产出,用满才划算一个月才做一两条,订阅容易浪费
先用按量跑通任何新流程起步阶段都推荐已有一套跑通的流程、只想降成本时不用重来

不确定长期用哪家时,先用按量方式跑完一条完整片子,看整条流程的生成次数和废片率落在什么区间,再决定要不要上订阅。别在还没跑通流程时先买年付。

从能出一条到稳定出片,靠的是复盘不是换工具

能出一条片子和能稳定出片是两回事。前者靠运气和试,后者靠流程和复盘。每条片子结束后记三个数字:生成了多少次、废了多少次、最后改了几轮。这三个数字会告诉你瓶颈在哪一环。

  • 把常用的分镜描述和提示词整理成自己的模板,下次直接复用,别每次从零写
  • 记录每一环的耗时,看时间花在哪,通常不是你以为的那一环
  • 连续多条片子卡在同一环节,说明是流程问题,换工具解决不了
  • 工具的可信度和稳定性也要定期复核,可以去 中转站可信度检测 页面看当时的检测结果
  • 攒够一批片子后回头对比,看的是返工次数有没有下降,而不是画面有没有更好看

什么情况下该停下来:如果连续几条片子都卡在同一个环节,比如每次都卡在画面生成,那问题多半在分镜描述和素材准备,不在模型本身。这时候正确的动作是回去补前一环,而不是继续换工具。换工具只能解决工具能力边界的问题,解决不了流程缺失的问题。

能出一条片子靠试,能稳定出片靠的是每一环的可验收标准和返工顺序。
下一步把你现在这条片子对照六个环节过一遍,看卡在哪一环,再去站内把对应环节的工具和当时的单价核对清楚,比盲目换工具更省时间。

常见问题

完全没做过视频的人,第一步该干什么?

别先装工具。找一条你喜欢的短视频,手写它的分镜表:一共几个镜头、每个镜头几秒、画面在讲什么、口播在说什么。写完一份你就会发现,AI 视频的难点在结构,不在生成。手写完再对照工具去补画面。

AI 生成的画面连不成一条片,问题出在哪?

八成出在分镜没有锁定。角色长相、服装、场景、光线这四项只要有一项每格都变,拼起来就一定跳。解决办法是先固定参考图,每格描述里都重复同样的角色与场景关键词,生成后按镜头顺序排一遍,跳的地方单独重出而不是整片重做。

脚本、配音、画面,应该先做哪个?

顺序是脚本、画面、配音、字幕。配音稿一旦定稿再改画面,口播节奏就得全部重来。唯一例外是口播为主的视频,可以先定配音稿当骨架,再按句子切画面,但同样要等配音稿不再改之后再动画面。

一直出不了满意的片子,是该换工具吗?

先看卡在哪一环。如果每次都卡在同一个环节,比如人物总是崩、动作总是不对,那换工具可能有用;如果每次卡的地方都不一样,说明是流程没验收,换工具只是把问题推到下一环。先按环节记录失败次数,再决定。

做成一条片大概要花多少?

花费跟成片时长关系不大,跟生成次数关系最大。同样一条片,废片率高的人花的钱可能是别人的好几倍。先按量跑完一条完整片子,把生成的次数记下来,再拿这个数去站内的模型成本计算器折算,比凭感觉估靠谱得多。

本文依据各平台公开文档与官方公告整理,只做中文归纳;具体做法、参数与限制以官方文档为准。