AI 视频怎么做？
从一句话到成片的七步路径

第一步：定选题

• 在干嘛：决定这条片子给谁看、想让人记住什么。选题不是「我想做什么」，而是「谁会看完」。
• 新手卡在哪：最大的坑是跳过这一步。直接从「我想做个赛博朋克短片」开始，做到一半才发现没有一句能说清的主题 —— 画面再漂亮也拼不成片子。
• 最小可行做法：用一句话把选题写下来，句式是「给____看的、关于____的、大概____秒的片子」。写不出这一句，就先别打开工具。

第二步：写剧本

• 在干嘛：把脑子里的想法变成有开头、有推进、有结尾的文字。短视频不需要复杂结构，但需要一条清楚的主线。
• 新手卡在哪：两种极端。一种是想一口气写出完整对白，写了两千字才发现根本拍不了；另一种是懒得写，直接跳到画面，边生成边想故事，最后拼不出逻辑。
• 最小可行做法：先写「三句话剧本」—— 开头发生了什么、中间发生了什么变化、结尾停在哪。三句话成立，再扩成几十秒的内容。

第三步：拆分镜

• 在干嘛：把文字切成一个个镜头，并决定每个镜头是什么景别、大概多长、画面里有什么。这是从「文字」到「画面」的桥。
• 新手卡在哪：这是全流程最被低估、也最痛苦的一步。很多人以为分镜是形式主义，跳过它直接生成，然后卡在「生成了一堆好看的画面，但拼起来不像一条片子」。
• 最小可行做法：用表格写，一行一个镜头，列只要四个 —— 镜号、画面内容、景别、时长。先写满六到八行，比什么都强。

→ 分镜表具体怎么写：分镜头脚本怎么写

第四步：定角色

• 在干嘛：确定主角长什么样，并把这个形象固定下来，让它在所有镜头里保持一致。
• 新手卡在哪：这是 AI 视频的第一大翻车点。同一个角色，第 3 个镜头和第 17 个镜头可能完全不是一个人 —— 换脸、换发型、换衣服。原因不是模型不行，是每个镜头都在从零开始理解「这个人长什么样」。
• 最小可行做法：先把角色单独做成一组定妆图（正面、侧面、半身），当成资产存下来；之后每个镜头都从这组图出发，而不是用文字重新描述一遍。角色越少、镜头越多，这一步省下的时间越明显。

第五步：生成画面

• 在干嘛：按分镜逐个镜头生成静帧画面 —— 先出图，再出片。
• 新手卡在哪：一上来就想直接生成视频。视频生成比图片更慢、更难改，画面构图不对的时候，你只能整段重做。
• 最小可行做法：先把每一个镜头都生成出一张满意的静帧，全部满意了再进入下一步。这一步的产出是一组图，不是视频。

第六步：生成视频

• 在干嘛：让已经确认过的画面动起来 —— 图生视频，或者按分镜逐条生成镜头。
• 新手卡在哪：动作幅度失控。让 AI 动得太多，脸和手容易崩；动得太少，画面像幻灯片。而且每次生成结果都不一样，很难精确复现上一次的效果。
• 最小可行做法：一个镜头只让它做一个动作。「转头」就只转头，不要同时要求走位、说话、做手势。单镜头失败就单独重做，不要推翻整条片子。

第七步：配音剪辑

• 在干嘛：配音、配乐、音效、字幕，按时间轴拼成成片。
• 新手卡在哪：很多人到这一步才发现前面的镜头长度不对 —— 配音一句话四秒，镜头只有两秒，只能回头重做。也有人在这里才开始学剪辑软件，把一个晚上的活拖成一周。
• 最小可行做法：先定配音，再定镜头长度。把配音先做出来，量出每句话的真实时长，再回去调整镜头长短，比反过来省事得多。