前段时间，我用 AI 做了一条「云上天宫」风格的短片。从最初的想法，到剧本、人物、场景、分镜、视频生成，再到最后剪辑成片，整套流程只花了一个下午。
但后来也有朋友跟我反馈：跟着做一遍是会了，换一个题材、换一个故事，还是不知道从哪里下手。
其实这很正常。学会复刻一条片子，不等于真正掌握了 AI 视频的制作方法。真正想做到换个剧本、换套人物和场景也能自己做，关键是要把背后的完整流程搞明白。
所以今天这篇，我想带你从 0 到 1，把 AI 视频到底是怎么做出来的讲透。业内现在常用的一整套工作流，剧本怎么写、人物怎么定、场景怎么做、分镜怎么拆、视频怎么生成、最后怎么剪成一条完整的片子，我都会拆开给你看。
里面也会把自己实际在用的提示词、人物三视图模板和视频生成思路直接放出来。看完以后，你不仅是“看懂了”，而是真的知道下一条片子该从哪里开始。
01 工作流总览
很多新手第一次做 AI 视频，最容易犯的错误就是一上来直接去生成视频。今天刷到一个模型，就去试一下；明天又看到一个新平台，再换一个。最后模型试了一圈，积分也花了不少，还是做不出一条完整的片子。
其实 AI 视频真正的制作逻辑并不复杂。你可以先记住下面这条流程：
想法 → 剧本 → 人物资产 → 场景/道具资产 → 分镜图 → 视频生成 → 剪辑成片
后面不管你做的是古装、玄幻、都市、广告还是文旅片，底层思路都差不多。题材会变，模型会变，但这套流程基本不会变。所以这篇文章里，我们不追求把所有模型都学一遍，而是把流程跑通。
02 零基础到底需要哪些软件？
先说结论：如果你只是想完整做出第一条 AI 视频，不需要一口气学十几个软件。这篇里主要会用到三个：
- DeepSeek：负责剧本、剧情拆解和提示词优化。
- LibTV：负责人物、场景、分镜和视频生成。
- 剪映：负责最后的剪辑、字幕和音乐。
基本就够了。
聚合平台：LibTV
我这次主要用 LibTV 来跑整套生成流程。它比较方便的一点是，人物、场景、图片和视频都可以放在同一个画布里处理，不需要在不同网站之间来回切。双击画布，就可以创建图片或视频节点，模型选择栏里也能直接切换不同的图片、视频模型。
对新手来说，这种节点式画布还有一个好处：你可以非常直观地看到一条视频到底是怎么一步一步做出来的。
进阶：各家视频模型怎么选
上面这套三件套已经够你跑通第一条片子了。下面三个平台是“可选替换项”，不是必须的，想换换画质、控控预算的时候再看。
即梦（Seedance 系列）：目前“一键成片”的第一梯队
- 擅长：seedance 2.0 提示词门槛极低，几句白话就能生成影视级运镜与剪辑；训练素材庞大，复杂主题响应出色。seedance 2.5 的氛围效果达到电影级，对提示词指令还原度高，表演自然。配合自家 Seedream 图像模型，理论上在平台内就能完成全流程出片。
- 短板：价格较贵。
可灵：画质与稳定性兼备的“六边形战士”
- 擅长：综合效果扎实，画质清晰稳定，擅长真人写实与厚重电影感。3.0/3.0 Omni 自定义分镜稳，支持角色主体库与人物音色绑定，配合音画同出、多图融合，质感出色，3.0 已支持原生 4K。
- 短板：大动态动作、极限运镜表现一般，更考验视听语言拆解与提示词精准度；台词还原度时好时坏，10 秒以上长素材抽卡率偏高；3.0/3.0 Omni 较贵，试错成本高。
海螺 AI（MiniMax H3）：seedance 的平价平替
- 擅长：对提示词还原较好，复杂主题响应较为出色，文字排版和视觉包装特效效果不错；模型善于发挥想象力，找到镜头间的联系。
- 短板：电影氛围、人物细节、表演功力弱于 seedance 系列。
新手阶段，记住一句话：没有哪个模型是全能的，不同镜头用不同模型就行。
如果是人物剧情、对白、表演类镜头，我一般会优先考虑即梦（Seedance）。如果更看重画面清晰度和分辨率，可以考虑可灵。如果预算有限、需要大量测试，也可以用海螺 AI 先抽镜头。
如果你对各家大模型的 API 接入、价格和模型能力对比感兴趣，不妨留意一下 RouteFast.ai 这类模型中转站，它们通常会把主流模型整理清楚，方便按预算做选择。
03 剧本不会写？DeepSeek 帮你搞定
剧本没想清楚，后面所有东西都会跟着返工。但在 AI 时代，你不需要先写出一个完整故事。哪怕只有一个模糊的想法，也可以直接丢给 DeepSeek。
像这样，把零碎的想法一股脑全发给它。这种事它很拿手，你给它一个想法，它很快就能把剧本骨架搭出来。
但新手小白经常会有一个误区：AI 秒出剧本，不代表这个剧本能直接拍。拿到第一版以后，我一般还会自己再改一遍。核心只看三点——剧情逻辑顺不顺、画面能不能生成、台词像不像人话。这三件事先解决，返工至少省一半。
04 资产设计：整个流程最花时间的一步
剧本确定以后，下一步不是生视频，而是先做资产。
所谓资产，就是片子里反复出现的东西，主要有三类：人物、场景、道具。因为 AI 记不住上一镜——角色穿什么，房间什么样，桌子在哪边，前面不固定，后面每一镜都可能重新随机生成。所以连续剧情想稳，就必须把反复出现的资产固定下来。
人物资产
剧本定下来以后，我下一步一定是固定人物三视图。因为人物最容易出的问题就是变脸。很多同学都在问：不同批次生成的视频，人物样子变了，怎么办？今天一次说清。
不管拍什么类型的短片，生成之前，先给主要角色建一张标准参考图。就像下面这两个角色：
这里有四个要点。
要点 1：尽量不要背景
第一次做人物设定，背景越简单越好：纯色背景、主体完整、光线干净。背景越复杂，模型要处理的干扰信息就越多。
要点 2：人物比例要好看
尤其是现偶、古装、武侠、玄幻这类真人题材，我会明确要求：头小身长、接近二八比例、完整全身。不然很容易头大、腿短，像游戏 Q 版角色。
要点 3：人物尽量不要拿道具
图片的权重比文字的权重高。定妆照里让角色手里拿着道具，哪怕生成视频时你在文字里写“不要拿任何东西”，画面里还是大概率攥着道具。所以先把“人”定下来，再单独做道具。
要点 4：人物图一定要改成三视图
这是整个流程里最容易忽略的，但我现在一定会做的一步。很多人生成一张好看的角色半身照，就直接拿去做视频了。问题是：一张正面照，AI 根本不知道这个人背后长什么样。你让他转身，衣服结构就变了；让他侧脸，发型也换了。所以确定一个角色以后，我会马上把它改成标准人物设定图：左边人物近景，右边正面、侧面、背面三视图。
这个结构我用下来非常方便：左边负责锁脸，右边锁身体、服装和背面结构。后面无论做近景、侧面还是背影，都可以直接拿这一张当参考。
提示词总结
这套角色提示词我磨了一周，实测效果如下。
人物提示词（9:16）：
高级感，氛围感，朦胧感清晰流畅细腻自然，oc渲染，cg渲染，真人质感 3D偏真人画风， 真人三庭五眼比例 人物渲染，神似bjd，肌理感，毛孔细腻 皮肤质感纹理 写实逼真，发丝精细且根根分明，细节五官细节发丝，发丝发光面部发光，虚拟引擎背景渲染轮廓光，暖色硬光/冷色硬光（选一个） 勾勒轮廓。面部柔光 均匀打亮。黑柔镜头 纯黑色背景 棚拍定妆照，正面镜头，半身照 。＋你的提示词（只需要简单的描述就好 例如 身份＋风格/性格）
三视图（16:9/21:9）：
生成全身三视图以及一张面部特写。(最左边占满 1/3 的位置是超大的面部特写，右边 2/3 放正视图、侧视图、后视图，二八身材比例)，纯色背景
场景资产
人物固定以后，下一步就是场景。场景就像是空房间，先把场景空间做好，再让人物进去演。因为如果你一上来就直接生“人物+场景”，模型很容易同时随机人物和环境，后面再想让不同镜头保持一致就会很难。
所以重要场景，我一般都会单独做一个无人物版本。比如这条片子里，我们主要需要两个场景。提示词如下：
新婚喜堂场景：
真人写实风格，影视剧质感，清代贵族国公府新婚礼堂内景，无人物。夜景，横屏宽画幅构图（电影级 16:9，机位在房门/堂前，镜头朝内拍向床榻方向）。画面主体为一张简洁的拔步床，床头悬挂大红绸缎帐幔（红色为点缀、不铺满），床沿铺锦缎喜被；床架以素净深色木料为主，仅在边角有少量描金线条、不做繁复雕花。床前两侧一对高脚铜制红烛台，红烛高烧、烛火摇曳，暖黄烛光为主要光源，光晕柔和、明暗有层次，避免整体通红。床周与墙壁零星贴几幅大红双喜字作点缀。房梁立柱为素净深棕木质、装饰纹样极少，地面铺暗红织锦地毯，暗部带轻微冷调，与暖烛光形成冷暖层次，整体花纹简约、克制。前景虚化可见门框与垂落红绸门帘一角。整体以金棕、暖黄、深木色为基调，红色点缀其中，华贵而不刺目、不堆砌纹饰，喜庆中透着一丝压抑。无任何人物、文字、水印、海报。
病居场景：
真人写实风格，影视剧质感，清代贵族园林居室内景，无人物。夜景，正打视角（机位在房门/入门处，镜头朝内拍向书案与火盆方向）。画面主体为靠窗的一张竹木书案，案上散放几张写满墨迹的诗稿与笔墨纸砚。书案斜后方靠墙放一张架子床，床架为浅色竹木、纹理素雅，床沿垂挂素白纱帐（或淡青色帐幔），被褥凌乱、显出病中痕迹。床前地面摆一只青瓷火盆，盆中余烬微红、几点火星明灭，窗棂糊素白窗纸，窗外竹影婆娑、透进冷白月色。室内陈设素雅但奢华：一挂淡青帷幔、一排湘妃竹书架、几案香炉。整体清冷、素净、萧瑟，冷月与微红火光形成冷暖对比，床与书案、火盆构成完整的病居空间层次。无任何人物、文字、水印、海报。横屏
这里其实不用担心不会写提示词。如果第一版效果不对，最简单的方法就是直接把你的修改意见告诉 AI。
如果还是不知道怎么描述场景，有个偷懒方法——找参考图。电影、剧集、摄影里看到喜欢的场景，直接把图丢给 AI，让它帮你分析这张图，反推可以生图的提示词。
这招对新手特别友好。很多时候不是没审美，是知道自己想要什么，却说不出来。让 AI 帮你“翻译”就行。
05 资产齐了，怎么生成视频？
人物、场景、道具都齐了，终于可以开始生成视频。素材在其他平台做的，直接上传到 LibTV。
接下来最关键的是：视频提示词怎么写？
新手最容易犯的错，就是把提示词写成一大段华丽文案，其实没必要。你已经有人物图、场景图、分镜图，提示词只干一件事——告诉 AI 接下来画面里发生什么。
提示词的一个简单模板：
真人影视剧风格，横屏16:9。
开场人物A站在画面左侧，身体朝右，人物B站在画面右侧，面向人物A，两人中间隔着木桌。
镜头1：中景固定机位，人物A抬头看向人物B，说："你终于来了。"
镜头2：切人物B近景，人物B没有回答，只缓慢握紧右手。
镜头3：人物A表情逐渐严肃，镜头缓慢向前推进。只生成对白、衣料摩擦声和室内环境音，不生成背景音乐。
禁止字幕、文字、水印。
但在实际生成视频的时候，几乎所有人一定会遇到一个麻烦——不同批次的视频，人物站位很容易发生变化。上一条里还是男主站左边、女主站右边，到了下一条，AI 可能直接把两人的位置对调。
不同批次之间，AI 不会自动记住你上一条视频里的空间关系。所以我现在每开启一个新的视频批次，都会重新把这两件事描述一遍：人物和人物的位置关系，以及人物和场景的位置关系。
这一步看似麻烦，但对剧情的连贯性非常重要。
06 剪辑微调：最后 10% 决定质感
所有镜头生成好以后，最后一步就很简单了。把素材统一放进剪映，按照剧情顺序拼起来，再补字幕、音乐、环境音和必要的转场。
这里我比较建议，生成视频的时候尽量不要让 AI 自动加背景音乐。因为不同镜头生成出来的 BGM 很容易完全不一样。最后统一在剪辑阶段加，会干净很多。
写在最后
到这里，一条 AI 视频从 0 到 1 的完整流程已经很清楚了：
一个想法 → DeepSeek 写剧本 → 人物定妆 → 三视图 → 场景/道具资产 → 分镜图 → LibTV 生成视频 → 剪辑成片
接下来最该做的，是真正动手跑一遍。提示词永远收藏不完，但第一条视频得靠你自己做出来。
第一条不必追求完美，把流程完整跑通比什么都重要。很多问题，只有做到那一步才知道卡在哪；很多技巧，也是在一次次调整里慢慢摸出来的。先把第一条做出来，再做第二条、第三条。每做完一条，回头复盘，哪步顺、哪步卡、下次怎么更快。做得多了，属于你自己的方法论自然就沉淀出来了。
AI 时代，先玩起来，勇敢的人先享受世界。
如果你在实践过程中遇到问题，或者想找更多志同道合的开发者一起交流，欢迎到 云栈社区 逛逛，那里的知识库和问答区对新手相当友好。
发表于 昨天 22:59
|
查看: 13|
回复: 0
