小说推文视频怎么做？
难点是主角要反复出现
小说推文视频是这两年很典型的一类内容：一段小说文本 + 一套跟着剧情走的画面 + 一条朗读音轨。
看起来简单，做起来会撞上两堵墙 —— 画面要跟着剧情走，主角要反复出现在很多镜头里。
这篇文章按七个环节把流程拆开，并把三条素材路线的成本与风险摆到桌面上。
本站不做任何收益承诺，只讲制作方法与成本。
七个环节全拆解 三条素材路线对比 不做收益承诺
这类视频的门槛不在生成，在两件事：画面要跟着剧情走，主角要反复出现还是同一个人。 前者靠分镜，后者靠角色资产 —— 而这两件事都不是「一键生成」能替你做的。
不适合谁：想输入一段文字就自动出片、不愿意在选文和分镜上花时间、或者打算完全靠搬运现成素材的人。 这条路真正花时间的地方在前面几步，不在最后那一下生成。
小说推文视频是什么，为什么比看起来难
先说清楚它是什么：把一段小说文本，做成有画面、有配音、有字幕的短视频。 常见形态是竖屏，一条几十秒到几分钟不等，朗读音轨带着剧情往前走， 画面跟着旁白切换，字幕压在底部 —— 很多人是静音刷到的，字幕几乎算必需品。
它的制作难度不在「画面好不好看」，而在两件事同时成立：画面的信息要跟得上文本的节奏， 而画面里的主角要始终是同一个人。这两件事单独看都不算难，叠在一起就变成了流程问题。
具体说，会撞上三堵墙：
- 画面必须跟着剧情走。小说是文字，画面要把它翻译一遍：旁白说「她推开门」， 画面里就得有门、有人、有动作、有光线。文字的信息密度很高，落到画面上就是镜头数量 —— 一段三分钟的文本，可能对应几十个镜头。
- 主角必须反复出现。同一个主角会在很多镜头里出现， 脸型、发型、服装都不能变。这正好是 AI 生成最不稳定的地方， 也是这类内容最容易「做到一半崩掉」的环节。
- 内容要持续更新。单条做完其实没有意义，能不能重复地把同一件事做出来， 才是分水岭。这意味着你要解决的是一套可复用的流程，而不是一次性的操作 —— 这正是工作流要解决的问题。
完整流程：七个环节
把整件事拆开，就是下面七步。先看全貌，再逐步细看 —— 注意一件事：七步里只有第五步是「生成」，其余六步都是人在做判断。
- 1选文挑「看得见」的文本，同时确认授权状态
- 2拆情节把文本拆成能对应画面的情节点
- 3写分镜定景别、动作、环境与时长
- 4定主角形象先攒形象资产，再铺画面
- 5生成画面逐镜生成，并逐个和资产比对
- 6配音与剪辑发布音色统一、节奏偏快、字幕必备
选文：挑「看得见」的文本
判断标准很实在：有没有具体场景、具体动作、具体冲突。 大段心理描写、意识流、纯情绪铺陈的段落，画面根本承载不了， 硬做出来就是一堆没有信息量的空镜。同时确认这段文本的授权状态 —— 能不能改编、能不能朗读传播，这一步没确认，后面做得再好也不能用。
拆情节：把文本拆成情节点
把选定的文本拆成若干个「情节点」，每个情节点对应一个能看见的画面。 一个实用的标准：一个情节点 = 一个镜头能说清的事。 这一步决定了后面所有工作量的上限 —— 拆得太碎，镜头数暴涨； 拆得太粗，画面跟不上旁白。
写分镜：把结构定下来
给每个情节点写清景别（远景、中景、近景）、人物动作、环境、光线和大致时长。 这一步的产出不是画面，是结构。 结构定了，后面的生成才可以批量进行；结构没定就动手生成，等于拿额度当草稿纸。 分镜的写法可以参考短剧流程里的同一套逻辑。
定主角形象：先攒资产，再铺画面
在做画面之前，先把主角「定下来」：五官特征、发型、服装、气质， 做成一份可复用的形象资产。顺序不能反 —— 先攒形象再铺画面，一致性才有参照；反过来做，你会得到几十个长得不一样的人。 这是全文最关键的一步。
生成画面：难点在检查，不在生成
按分镜逐镜生成。生成本身很快，真正吃时间的是检查： 每个镜头出来都要和主角资产比对，不对就退回重做。 工具之间的差别也在这一步体现 —— 能不能复用角色资产、 改上游之后下游会不会跟着更新。
配音：音色要统一，语速要跟得上画面
同一个角色用同一个音色，一条片子里不要换声。 语速要留出画面切换的余地，情绪要和剧情对位 —— 旁白在平静陈述、剧情却在吵架，观众会立刻出戏。 声音通常是这类内容里最容易被忽略、又最影响完播的一环。
剪辑发布：节奏偏快，字幕别省
定节奏、加字幕、处理转场。这一类内容的节奏普遍偏快， 因为观众在等「下一句发生了什么」；停顿太久，人就划走了。 字幕不只是辅助 —— 很多人是静音看的，没有字幕等于没有内容。
为什么「一键生成」很难把这件事做好：七个环节里，只有生成那一步是机器的活。 选文、拆情节、定角色、检查画面、配情绪、定节奏，全都是判断 —— 而决定成片能不能看的，恰恰是这些判断。工具能帮你把执行变快，替不了你做决定。
素材来源的三条路线，各自的成本与风险
这是搜索里出现最多的问题之一，也是分歧最大的地方。三条路线没有优劣， 只有「成本结构」和「风险类型」不同：
| 路线 | 怎么做 | 成本结构 | 风险与坑 | 适合谁 |
|---|---|---|---|---|
| ① 自己用 AI 生成 | 按分镜逐镜生成画面，人物和场景全部由模型产出 | 算力成本（按生成计费，具体以各平台官网为准）加上你的时间；返工最费 | 角色一致性要自己管；生成内容的授权范围要看平台条款；风格容易趋同 | 想要原创画面、要求画面完全跟着剧情走的人 |
| ② 授权素材库 | 从提供授权素材的站点或平台内素材库取用现成片段 | 多为订阅或按条付费，价格以各素材站点页面为准；边际成本随用量下降 | 关键在授权范围：能不能商用、要不要署名、能不能二次剪辑，都要逐条看清 | 想省掉生成环节、对画面原创性要求不高的人 |
| ③ 实拍与混剪 | 自己拍摄，或使用已获得授权的实拍素材，按剧情剪辑 | 拍摄的时间与人力成本最高，但素材可反复使用 | 素材和剧情对不对得上；使用他人素材的授权边界；平台对搬运类内容的判定 | 手上有现成实拍素材，或做「素材加旁白」这类形态的人 |
一个现实建议：先用成本最低的那条路线把整条流程跑通一遍，再决定在哪一环加投入。 三条路线都试、每条都做一半，是最常见的浪费。 如果你现在一分钱都不想花，可以先看 免费额度能走到哪一步 —— 那条路足够让你把七个环节都摸一遍。
最容易崩的地方：主角一致性
观众可以接受画面粗糙，但接受不了「这个人和上一个人不是同一个人」。 主角一旦换脸，观众立刻出戏，前面的铺垫全部作废 —— 所以一致性是这类内容的生死线，而不是加分项。
目前常见的三种做法，稳定性依次提高：
| 做法 | 怎么保证一致 | 稳定程度 | 什么时候会崩 |
|---|---|---|---|
| 纯提示词描述 | 每次把主角的外貌描述重新写一遍 | 最不稳定，基本靠运气 | 镜头一多、角度一换就崩，而且崩得毫无规律 |
| 提示词 + 固定参考图 | 每次生成都带上同一张参考图 | 比纯提示词稳定，但仍需逐镜检查 | 大角度、强光、遮挡、多人物同框时容易跑偏 |
| 把角色做成可复用资产 | 角色形象沉淀在流程里，所有镜头都从同一份资产出发；改上游，下游跟着更新 | 可管理，稳定性取决于资产本身的完整度 | 资产没定清楚时，错误会被稳定地复制到每一个镜头 |
操作层面还有四条经验，都是从返工里换来的：
- 先做几组基础形象再铺镜头。正面、侧面、半身、全身各一组， 后面所有镜头都从这几组出发。
- 服装尽量少变。换一套衣服，观众眼里就是换了一个人 —— 能用一个造型讲完的故事，不要给主角换三套衣服。
- 同一场景的镜头连着生成。减少环境变量，跑偏的概率会明显下降。
- 每生成一批就回看一遍。发现问题立刻回退， 不要「先攒着最后一起改」—— 攒到最后，你往往已经不知道从哪一版开始错的。
这也是工作流型工具的主场：LibTV 把角色形象做成画布上的资产 （官方的「角色造型室」做的就是这件事），并支持对角色站位与镜头关系做安排 （官方称为「导演执导」），跨镜头复用同一份角色设定。 它接入了 Seedance、Wan、MiniMax 等主流模型，生成按算力计费，可以免费注册体验 —— 具体能力范围、计费方式与免费额度以官网页面为准。
一句实话：一致性没有「一键解决」。 资产沉淀能明显降低跑偏的概率，但你仍然要逐镜检查、发现不对就回退重做。 如果你不打算学节点式的工作流、只做单条内容， 那么用一键生成类工具会更省事 —— 这不是缺点，是定位不同。
工具怎么选：按你的卡点选，不按排行榜
搜「小说推文 AI 视频生成工具」的人，想要的其实是「省事」。 但「省事」是个模糊的词 —— 先把它拆开：你想省的是哪一步的事？ 下面这张表按卡点来对应能力，比记一堆工具名字有用得多。
| 你卡的环节 | 该找什么能力 | 为什么是这一步 |
|---|---|---|
| 选文、拆情节 | 文本处理与改编能力 | 把长文本拆成结构化情节，是纯文本的活，做得好的工具能省掉大量阅读时间 |
| 写分镜 | 结构化的分镜产出，并且能成为下一步的输入 | 分镜如果不能直接驱动生成，你还得手工搬运一遍，等于没省 |
| 主角一致性 | 角色资产能保存、能被后续镜头复用 | 这是这类内容的生死线，也是「一键生成」类工具最缺的能力 |
| 画面质量 | 能接入多家模型，按镜头挑合适的 | 被单一模型绑死，遇到它不擅长的画面就没有退路 |
| 配音 | 音色可选、语速可控，能和画面对应 | 音画不同步、音色不统一，是观感崩掉的高发原因 |
| 剪辑与返工 | 改上游之后下游能跟着更新 | 返工是这类内容的常态；返工一次要重做一片，流程就撑不住持续更新 |
顺带回答那个出现频率很高的问题：有没有「一键生成」的免费工具？
说清楚：目前没有能把七个环节全省掉的方案。 所谓「一键」，通常只是把其中一步自动化 —— 比如文本转分镜、分镜批量生成画面。 这句话不该由我来说服你，最好的验证方式是：拿一段你真正想做的文本， 用免费额度自己跑一遍，看它到底替你省了哪一步。 具体哪些功能在免费范围内，以官网页面为准。
版权与授权边界：三类素材，三类风险
这一类内容最容易出问题的地方不是画面好不好看，而是素材能不能用。 下面按素材类型分开说，请注意：这是提醒你「哪里需要自己确认」，不是法律结论。
- 小说文本。网上能搜到，不等于可以拿来改编和朗读传播。 作品是否在保护期内、有没有可以走的授权渠道、平台规则允不允许， 都要逐项确认。想做这一类内容，优先走有明确授权的推广渠道，并保留授权凭证。
- 配乐与音效。音乐是最容易踩雷的一环。 平台曲库、免版权音乐站、开放许可音乐，各有各的授权范围 —— 「免费下载」不等于「可以商用」，也不等于「可以随便剪」。
- 画面素材。自己生成的画面，要看生成平台的授权条款； 授权素材库要看具体的许可类型；实拍素材要看拍摄者与出镜者的授权。 三种来源的边界完全不同，不能互相套用。
- 真实人物与品牌。画面里出现真实人物的面孔、能认出来的品牌标识， 都要格外谨慎 —— 生成得再自然，也不代表可以使用。
本站不提供法律意见。 上面这些是提醒你「哪里需要自己确认」，不是结论。 要做商用、要长期更新，请以权利方与各平台的官方条款为准，必要时咨询专业人士。
谁适合做，谁先别急着做
最后说清楚适用边界。这一段不写收益，只写制作难度和时间成本 —— 本站不做任何收益承诺：这类内容能不能被看见、能不能有回报， 取决于内容质量、平台规则和运营，跟用什么工具关系不大。
这些情况，可以先试起来
- 本来就爱读小说，能一眼判断哪段文本「有画面」
- 愿意按流程一步步来，不排斥先写分镜再生成
- 能接受前几条作品不理想，把它当成练流程
- 已经有剪辑基础，或者本来就做短内容
- 愿意把角色资产攒下来，做第二、第三条时复用
这些情况，先别急着做
- 指望输入一段文字就自动出片 —— 七个环节里有六个是判断，替不了
- 不愿意在选文和分镜上花时间，只想直接开始生成
- 不能接受反复返工，希望一次就过
- 打算完全依赖搬运现成素材 —— 授权与平台规则的风险由你自己承担
- 把工具当成结果的决定因素 —— 它只决定效率，不决定内容好不好看
如果你要的是「替真人出镜念稿」那种形态，那其实是另一条路线， 和这里讲的剧情类视频不是一回事 —— 可以先看 AI 数字人和 AI 视频工作流的区别， 再决定要不要在剧本和分镜上投入时间。
常见问题
小说推文 AI 视频怎么做？
一句话说，就是把一段小说文本变成有画面、有配音、有字幕的短视频。做法上分七步：选文、拆情节、写分镜、定主角形象、生成画面、配音、剪辑发布。真正决定成片成色的不是生成，而是前三步 —— 选一段看得见的文本、把它拆成能对应画面的情节、再把分镜写清楚。
小说推文视频的素材从哪来？
三条路线：自己用 AI 生成画面、使用有授权的素材库、实拍或混剪已有素材。三条路线各有成本与风险：自己生成最灵活但一致性要自己管；授权素材省事但要逐条看清许可范围；实拍混剪的拍摄成本最高，但素材可以反复使用。选哪条取决于你对画面原创性的要求和你愿意投入的时间，价格与授权范围以各素材来源的官方页面与条款为准。
有没有一键生成小说推文视频的免费工具？
本站没有可以推荐的一键工具名单，也不做这类承诺。目前没有能把七个环节全部省掉的方案：所谓一键，通常只是把其中一步自动化，例如文本转分镜、分镜批量生成画面。建议你拿一段真实的小说文本，用免费额度自己跑一遍，看它到底替你省了哪一步 —— 这是最快的判断方式。
主角一致性怎么解决？
三种做法，稳定性依次提高：纯提示词描述外貌、提示词加固定参考图、把角色做成可复用的形象资产。最后一种做法把返工从每个镜头重来变成改资产再重跑，是目前最可控的路径，但仍然需要逐镜检查、发现问题就回退，没有可以完全省掉这一步的办法。
小说推文视频能直接用小说的原文吗？
不能想当然。网上能找到不等于可以拿来改编和传播：作品是否在保护期内、有没有可以走的授权渠道、平台规则允不允许，都要逐项确认。想做这一类内容，建议优先走有明确授权的推广渠道，并保留授权凭证。本站不提供法律意见，商用前请以权利方与各平台的官方条款为准，必要时咨询专业人士。
做小说推文视频要花多少钱？
本站不给具体数字，因为变量太多：素材路线、镜头数量、返工次数、是否需要商用授权都会影响结果。可以确定的是成本结构：画面生成按算力计费，配音和素材各有各的收费方式，而最大的隐性成本是你的时间 —— 返工越多，成本越高。各项价格一律以你已经选定的平台与素材来源的官网页面为准。
这类内容的成本，大头不在生成
一次生成消耗的是算力，一次返工消耗的是算力加你的时间 —— 而后者通常更贵。把主角形象定死、把分镜写清、把检查变成习惯，你会发现同样的预算能做出更多条内容。这不是技巧，是流程。