零基础想做爆款短视频怎么起步?新手必看 AI视频怎么做 全流程拆解与分镜实操

零基础想做爆款短视频怎么起步?新手必看 AI视频怎么做 全流程拆解与分镜实操

很多人刚接触 AI 视频时,最大的误区就是直接在视频软件里输入一句话,比如“一个赛博朋克风格的武士在雨夜奔跑”,然后点击生成。

这样做的结果,十有八九是得到一段人物肢体扭曲、画面模糊的废片。测试数据显示,纯粹依靠“文生视频”(Text-to-Video)做连贯短视频,抽卡废片率高达 80% 以上。人物在上一秒是单眼皮,下一秒镜头转过来就变成了双眼皮,衣服和背景完全对不上。

真正能跑通商业变现和批量生产的工作流,核心永远是图生视频(Image-to-Video)。也就是:先用生图工具做出固定的角色和分镜静态图,再用视频工具把静态图转成动态视频。

下面把这套跑通千万播放短视频的完整工作流直接拆开,包含工具选型、分镜逻辑和可直接套用的提示词模板。


一、主流 AI 视频生成工具怎么选

不要听信网上吹捧的“某某神器能取代摄影师”。每个模型都有明显的强项和短板。为了避免花冤枉钱买算力,你可以参考下面这份实测对比表:

工具名称 核心优势 主要短板 适用场景 计费与上手成本
可灵 AI (Kling) 物理规律模拟真实,支持首尾帧控制,运镜逻辑符合中文语境 肢体大幅度激烈运动时偶有拉伸 剧情短剧、国风武侠、分镜衔接严格的场景 有免费额度,按算力点订阅,上手门槛低
Runway Gen-3 画面质感接近电影级,光影层次和烟雾水流表现好 文字提示词遵循度略弱,对中文支持一般 情绪短片、广告大片空镜、概念先导片 价格偏贵,按秒计费,需英文提示词
海螺 AI (MiniMax) 人物面部稳定性极好,微表情自然,不易崩脸 摄影机运动自由度较低,复杂镜头难调 人物近景对话、解说类数字人替代、特写镜头 国内直接访问,出图速度快,适合新手跑量
Luma Dream Machine 空间透视感强,物体移动时摄像机跟随平滑 偶发逻辑错误,背景物体容易发生形变 大场景穿梭、航拍视角、汽车移动等运镜镜头 提供基础免费试用,渲染等待时间适中

选型结论:

•做剧情短剧或小说推文,优先选用可灵。它的“首尾帧”功能可以让你指定镜头从图 A 运动到图 B,这是目前保证镜头连贯性最稳的方案。

•做质感要求高的商业短片,优先选用 Runway Gen-3。

•做人物说话、特写情绪镜头,海螺 AI 的面部保真度最稳。


二、全流程实操:四步跑通一条爆款视频

第一步:用文本大模型拆解爆款分镜脚本

短视频前 3 秒决定完播率。在写脚本时,不要让大模型写一篇散文,而是要让它输出结构化的工业级分镜表。

打开 DeepSeek 或 ChatGPT,发送下面这段结构化指令:

“你是一个资深短视频导演。请将以下故事创意拆解为一个 15 秒的短视频分镜脚本。故事主题是:[填写你的故事主题,例如:深山里的老木匠做出一只会发光的木鸟]。

请输出 Markdown 表格,包含以下 5 列:
1. 镜号与时长(每个镜头控制在 3-4 秒)
2. 景别与机位(特写/中景/全景,俯拍/平视)
3. 画面内容(主体外貌、动作细节、环境光影)
4. 摄影机运动(推镜/拉镜/横移/环绕)
5. 配音与音效(旁白文案、环境音与特效声)”

避坑提示: 单个 AI 生成镜头的时长尽量控制在 3 到 5 秒。超过 5 秒的视频,模型大概率会出现主体变形或者动作走样。短视频的节奏本身就需要高频切镜,3 秒一个分镜正好符合观众的注意力习惯。


第二步:用生图工具固定角色与视觉风格

制作视频的第一步不是打开视频软件,而是生成基础静态图。目前主流推荐 Midjourney 或 Flux.1。

要保证视频人物不换脸,关键在于固定特征描述词与角色参考:

1.定面部与衣着: 提示词中必须写死角色的标志性特征。例如:“一个 30 岁中国女性,黑色短发,左眼角有一颗泪痣,身穿灰绿色工装外套,白色内搭”。

2.定画风: 在提示词尾部统一加上画风后缀。例如:“35mm 电影镜头,柔和自然光,阿莱阿莱摄影机色彩,8k 分辨率”。

3.Midjourney 的一致性参数: 先生成一张满意的正面人像作为基准图,拿到图片链接后,在后续生图提示词后加上 `–cref [图片链接] –cw 80`。`–cw 80` 既能锁定面部,又允许人物做出不同姿态。

把分镜表里的每一个镜头,都先生成出对应的 16:9 或 9:16 高清静态图。


第三步:图生视频的运镜与提示词公式

拿到静态图后,把图片上传到可灵或 Runway 的“图生视频”(Image-to-Video)模块。

写视频提示词不要重复描述图片里已经有的东西。比如图片上已经有一个木匠,你不需要再写“他穿着蓝色围裙”,因为 AI 已经能看到图像了。图生视频提示词只需描述“变化”。

核心提示词公式:

[主体的具体微动作] + [环境物体的动态] + [摄影机的具体运动方式]

举个反面例子:

•错误写法:“木匠很开心地雕刻,阳光很好,镜头很专业。”(包含大量无意义的主观修饰词,AI 无法理解什么是“很专业”。)

正确写法:

•实操案例:

•输入图片: 老木匠低头雕刻木鸟的特写。

•视频提示词: 木匠双手拿着刻刀轻轻修整木头表面,木屑掉落,灰尘在阳光中漂浮。摄像机缓慢向前推进,浅景深。

•运动笔刷设置: 在可灵中,使用“运动笔刷”涂抹木匠的手部和木屑,将运动幅度参数设为 2 到 3(低幅度运动)。

关键控制原则:

1.一个镜头只做一件动作: 绝不要在一个 4 秒镜头里要求角色“先站起来,再倒水,然后喝水”。正确的做法是:镜头 1 拍站起,镜头 2 拍倒水特写,镜头 3 拍喝水动作。

2.明确摄影机方向: 必须使用具体术语,例如“缓慢推进(Slow zoom in)”、“从左向右平移(Pan right)”、“固定机位(Static camera)”。如果不写机位指令,画面背景容易产生奇怪的扭曲流动。


第四步:音频生成与剪辑拼装

画面生成完毕后,导入剪映或 CapCut。画面只占短视频的一半,声音决定了真实感。

1.配音制作: 使用剪映自带文本朗读,或者使用 Elevenlabs 生成情感充沛的旁白。小说故事推荐使用声线低沉、语速中等偏慢的音色。

2.音效补全: AI 生成的视频默认没有环境音。在剪辑软件里,必须给每个动作配上音效。例如木鸟发光时配“高频蜂鸣声”,木屑掉落配“细微摩擦声”。声音对齐动作瞬间,画面的真实度会成倍提高。

3.节奏剪辑: 删掉每个 AI 视频素材开头和结尾出现形变的帧(通常是前 0.5 秒或最后 0.5 秒)。只截取中间运动最稳定的 2-3 秒进行硬切拼合。


三、实操分镜脚本范例:新手可直接对照练习

这是一段标准的 15 秒短视频实操拆解,按照这个规格去出图和生成视频,废片率会大幅降低:

镜号 景别与机位 画面动作与动态描述 推荐视频提示词 音效与配音
01 (0-3秒) 全景,俯视缓慢下沉 昏暗古旧的木工坊,屋顶天窗射下一束晨光,灰尘飞舞 晨光穿透空气,尘埃颗粒缓慢飘动,摄像机缓慢垂直下移,电影质感 旁白:“老林在山里待了四十年。” / 音效:清晨鸟鸣与轻微风声
02 (3-7秒) 特写,平视固定机位 满是老茧的双手,握着刻刀,在木头上削下一片极薄的木屑 手指发力,木屑缓缓卷曲脱落,微弱的木头摩擦,摄像机固定不动 旁白:“只为做出一只能自己飞走的木鸟。” / 音效:清晰的刻刀削木声
03 (7-11秒) 中景,缓慢推镜 木匠吹去木鸟头部的碎屑,木鸟的双眼突然亮起幽蓝色的光芒 角色轻轻吹气,木屑飘散,木鸟眼睛泛起柔和蓝光,摄像机平滑向前推进 音效:吹气声,紧接着低频能量启动音
04 (11-15秒) 特写转全景,后拉摇臂 木鸟扇动木质翅膀飞向窗外,木匠抬头看着窗外微笑 木鸟展翅飞出画面,人物抬头微笑,摄像机跟随木鸟向窗外快速后拉 旁白:“今天,它真的动了。” / 音效:机械振翅声,清脆风铃声

按照上面的表格分步骤操作:

先去生成这 4 张不同景别的静态图,确保木工坊的色调、木匠的衣服始终保持一致;然后分别丢入可灵或 Runway,输入对应的视频提示词;最后在剪辑软件里按照时间轴排布,贴上音效和字幕。

做短视频不需要追求一次性生成完整的长镜头。把镜头拆碎,让每个镜头只承担一个简单的动作,你就跨过了 AI 视频创作最难的一道坎。

原创文章,作者:七点互动,如若转载,请注明出处:https://ai.qidianhudong.com/aiyy/ai-video/4791.html

赞 (0)
七点互动七点互动
新媒体排版与内容创作太费时?多维度评测 写文章用哪个AI 能大幅提升成稿速度
上一篇 2026-11-07 11:07:35
两小时长视频没时间看?盘点 可以分析视频的AI 工具一键提炼核心要点
下一篇 2026-11-07 11:09:51

相关推荐

发表回复

登录后才能评论