1.1 AI视频制作是什么：核心能力与常见成品类型
我第一次接触AI视频制作的时候，脑子里其实挺懵的。那会儿我以为就是用软件一键生成一条完整的片子，点一下按钮，等几分钟，一个成品就出来了。真上手之后才发现完全不是这么回事。AI视频制作更像是一个工具箱，里面有负责写脚本的语言模型、负责生成画面的视频模型、负责配音的语音合成工具，还有负责剪辑的自动化软件。每个工具解决一个环节的问题，把这些环节串起来，才构成一条完整的制作链路。
说到核心能力，我觉得可以拆成三块来看。一块是文本生成能力，你给它一个主题，它能帮你写出脚本、分镜描述、甚至视频标题和标签。另一块是视觉生成能力，文生视频和图生视频都属于这一类，你输入一段提示词或者一张参考图，它输出一段动态画面。还有一块是音频处理能力，包括AI配音、音乐生成、自动降噪这些。这三块能力组合在一起，覆盖了一条视频从策划到成片的大部分工序。
常见的成品类型其实比我想象中丰富得多。短视频平台上那种AI口播视频，数字人对着镜头说话，背景可能是虚拟场景，这类内容批量生产的效率很高。还有知识科普类的，用AI生成动画画面配合旁白，做出来的效果很像传统动画但成本低了不少。带货视频也有人在用，把产品图丢进去生成使用场景，再配上AI配音和字幕。故事短片就更进阶了，需要多镜头拼接、角色一致性控制，制作难度明显上一个台阶。我自己是从口播视频开始试的，门槛最低，反馈也最直接。
1.2 新手需要了解的制作流程：脚本、生成、配音、剪辑、发布
我刚开始做AI视频那阵子，最大的毛病就是东一榔头西一棒子。看到什么工具都想试，结果折腾一整天连一条能发的视频都没做出来。后来我强迫自己按流程走，效率才慢慢提上来。整个流程大致分成五个环节，脚本、生成、配音、剪辑、发布，每个环节都有它存在的理由。
脚本这一步很多人会跳过，觉得AI能搞定一切。我踩过这个坑，直接让AI生成视频，出来的画面确实好看，但内容散得不行，观众根本不知道你想表达什么。现在我养成了习惯，先把想说的话写清楚，哪怕只是几句话的提纲，再让AI帮我扩写成脚本。脚本里要包含画面描述和旁白文案，这两样东西直接决定了后面生成环节的质量。
生成环节是整个流程里最花时间的。文生视频需要反复调提示词，图生视频要准备参考图，有时候一个五秒的镜头要生成十几次才能挑出一个能用的。我一般会多生成几个版本，然后从中筛选。配音和剪辑可以放在生成之后做，也可以穿插着来。我的做法是画面基本确定了再配音，这样旁白和画面的节奏能对得上。剪辑阶段主要是加转场、调色、加字幕，最后导出适合不同平台的尺寸和格式。发布不是终点，发完之后看数据、看评论，下一期内容才知道往哪个方向调整。
1.3 AI视频与传统视频制作的差异及适用边界
传统视频制作我也接触过一些，扛着相机出去拍，找场地、约演员、打灯光，一天下来可能只拍到几个能用的镜头。AI视频把这套流程压缩了，不用出门，不用等人，坐在电脑前就能把画面“造”出来。这种便利性是实打实的，尤其对个人创作者来说，省掉了很多硬成本。
差别体现在好几个层面。拍摄方式上，传统视频是捕捉现实，AI视频是生成像素。人员配置上，传统制作需要导演、摄影、灯光、录音、剪辑各司其职，AI视频制作一个人就能包揽大部分工作。时间周期上，传统视频从策划到成片动辄几周，AI视频快的话几个小时就能出一条。成本结构也不一样，传统制作的钱花在人和设备上，AI视频的钱主要花在工具订阅和算力上。我现在做一条三分钟左右的AI视频，从写脚本到导出成片，大概四到六个小时。
适用边界也得说清楚。AI视频擅长的是那些不需要真实人物出镜、不需要复杂物理交互、不需要精细情绪表演的场景。知识科普、产品展示、口播资讯、抽象概念可视化，这些类型AI做起来得心应手。需要真实采访、纪实拍摄、复杂动作戏的内容，AI目前还替代不了。我自己的判断标准很简单，如果这条视频的核心价值在于“真实记录”，那就老老实实去拍。如果核心价值在于“信息传递”或者“视觉创意”，AI可以派上大用场。
1.4 开始前的准备：主题定位、设备、账号与版权意识
动手之前想清楚做什么类型的内容，这件事比选什么工具重要得多。我见过太多人一上来就研究软件，结果做了几期发现方向不对，又换赛道，账号权重归零。主题定位说白了就是回答一个问题，你的视频给谁看，解决他们什么需求。口播类账号解决的是信息获取需求，科普类账号解决的是认知升级需求，带货类账号解决的是购买决策需求。想明白这个，后面每一步才有依据。
设备方面不用太焦虑。我第一条AI视频是用一台用了四年的笔记本做的，没有独立显卡，生成画面靠的是在线工具。手机也能用，很多AI视频软件都有移动端，配音和剪辑在手机上就能完成。前期最重要的是把流程跑通，而不是追求顶配设备。等你有稳定产出了，再考虑升级硬件。麦克风倒是可以早点入手一个，几十块钱的领夹麦就能明显提升配音质量，观众对音质的容忍度比画质低得多。
账号准备和版权意识是很多人忽略的。注册账号的时候就要想好名字和头像，保持统一的人设。版权这块我吃过亏，早期随便在网上找背景音乐，结果视频被平台下架了。现在我只用明确标注可商用的素材，AI生成的画面也要看清楚工具的用户协议，有些平台生成的视频是不能用于商业用途的。字体也一样，系统自带的不一定安全，最好用开源字体或者买了商用授权的。这些事情看起来琐碎，但踩一次坑可能就要重做整个视频，提前注意能省不少麻烦。
2.1 确定选题与撰写可执行的AI视频脚本
我做的第一条AI视频，选题就犯了个错。当时觉得什么火就做什么，选了个自己完全不熟悉的领域，结果脚本写到一半就卡住了，写出来的东西自己都不想看。后来我换了个思路，从自己每天都会接触的事情里找选题。比如我平时喜欢研究效率工具，那就做一期“三个冷门但好用的效率App”。这个选题我能说清楚，写起来不费劲，观众也能获得具体信息。选选题有个很朴素的标准，你自己对这个话题有没有话想说，如果连你都没兴趣，观众更不会点开。
选题定了之后，我习惯先用嘴把想说的内容讲一遍，用手机录下来。这个过程不用管逻辑，想到哪说到哪。录完再听一遍，把重复的、跑题的删掉，剩下的就是脚本的骨架。接着我把这段录音转成文字，丢给AI，让它帮我整理成结构清晰的脚本。AI整理出来的版本通常太书面，我会再改一轮，把长句子拆短，把书面词换成日常说法。脚本里要包含三样东西：每个镜头的画面描述、对应的旁白文案、以及大概的时长。画面描述不用太细，写清楚“一个人在电脑前操作”就行，具体的提示词留到下一步再写。
脚本的可执行性特别重要。我见过有人写脚本，描述里全是“宏大的宇宙场景”“复杂的机械结构”，这种画面AI生成起来要么出不来，要么出来一堆畸变。新手写脚本，画面尽量往简单、具体、静态的方向靠。一个杯子、一只手、一本书、一张桌子，这些元素AI处理起来稳定得多。旁白文案也别写太长，一条三分钟的视频，旁白控制在四百到五百字左右，留出画面呼吸的空间。我第一次写脚本写了八百多字，配音出来语速快得像赶火车，观众根本来不及消化。
2.2 设计分镜与编写文生视频、图生视频提示词
脚本写完，我一般会画一个简单的分镜表。拿张纸或者开个表格，一列写镜头编号，一列写画面内容，一列写旁白，一列写时长。分镜不用画得多好看，火柴人加文字标注就够用。这个步骤的价值在于，它能帮我把脚本里的抽象描述转化成一个个具体的视觉片段。比如脚本里写“主角感到焦虑”，分镜里就要想清楚，焦虑这个情绪用什么画面表现，是主角皱眉看手机，还是桌上堆满文件。想清楚这些，写提示词的时候才有方向。
写提示词是我觉得整个流程里最需要耐心的地方。文生视频的提示词，我习惯按一个固定的顺序来写：主体加动作，加环境，加镜头语言，加风格，加画质。举个例子，“一个年轻女性坐在木质书桌前，手指敲击键盘，窗外是傍晚的城市灯光，中景镜头，缓慢推近，电影感色调，4K高清”。这个结构不一定适用于所有工具，但能帮我避免漏掉关键信息。图生视频的提示词相对简单一些，因为画面基础已经由参考图提供了，提示词主要描述动作和镜头运动。比如“镜头缓慢左移，人物轻微转头微笑”。
我刚开始写提示词的时候，喜欢堆砌形容词，什么“梦幻”“震撼”“史诗级”，写了一大串。后来发现这些词对AI来说几乎没有意义，画面该糊还是糊。真正影响生成效果的是具体的名词和动词。与其写“美丽的风景”，不如写“绿色的山丘上有一棵孤树，天空飘着薄云”。镜头语言也很关键，远景、中景、特写、推拉摇移，这些词能让AI理解你想要什么样的画面变化。我现在的习惯是，每次生成之前把提示词读一遍，问自己一个问题：如果我是摄影师，听完这段话能拍出画面吗？答案是否定的就继续改。
2.3 生成画面素材并筛选可用镜头
生成画面这个环节，我的经验就一个字：多。一个五秒的镜头，我至少生成六到八个版本。有些工具支持一次生成多个结果，那就更省事了。不要指望一次就能出完美画面，AI生成有很强的随机性，同样的提示词，两次生成出来的东西可能天差地别。我一般会把所有生成的版本下载下来，按镜头编号放进不同的文件夹。筛选的时候先把明显有问题的删掉，比如人物脸崩了、手变成了六根手指、画面突然闪了一下。剩下的再对比构图和动作流畅度。
筛选镜头有个小技巧，我会把候选镜头放在时间线上快速播一遍。单看一个镜头觉得还行，放到整个视频的节奏里，可能就会发现它太慢或者太快。画面的一致性也是筛选时要注意的。如果视频里同一个角色出现在多个镜头里，要尽量选那些服装、发型、面部特征接近的版本。图生视频在一致性上比文生视频有优势，因为你可以用同一张参考图去生成不同角度的镜头。我做过一个实验，用同一张人物图生成了十个镜头，筛选出五个放在一起，观众基本看不出是AI生成的。
这个环节很容易让人产生挫败感。我有时候连续生成二十几次，没有一个能用的，气得想摔鼠标。后来我给自己定了个规矩，一个镜头最多生成十五次，十五次还不行就改提示词或者换个思路。改提示词的方向通常是做减法，把复杂描述拆成更简单的元素。还有一个办法是换工具，不同AI视频模型擅长的风格不一样，有的擅长写实，有的擅长动画，把提示词拿到另一个工具上试一次，经常会有意外收获。生成素材是个体力活，保持耐心比什么技巧都重要。
2.4 AI配音、背景音乐与自动字幕制作
画面素材准备得差不多了，我开始处理声音。AI配音工具现在选择很多，我常用的那款支持几十种音色，男声女声、年轻年老、沉稳活泼都有。选音色的时候我会先想清楚视频的调性。知识科普类适合语速适中、音色偏理性的声音。故事类适合有情绪起伏、带一点讲述感的音色。带货类需要热情一点、节奏快一点。选定音色之后，我会把旁白文案复制进去，先听一遍默认语速，再根据总时长调整。语速太快听着累，太慢又容易走神，我一般控制在每分钟二百二十字左右。
背景音乐这件事，我早期踩过坑。随便在网上找了一首觉得好听的歌，结果视频发布之后被平台判定侵权，直接下架了。后来我只用两种来源的音乐：一种是AI音乐生成工具现做的，输入情绪和时长，它给你生成一段原创配乐；另一种是明确标注可商用的音乐库，下载的时候把授权文件保存好。配乐的音量也很讲究，我通常把背景音乐压到人声的百分之二十左右，保证旁白清晰的前提下，音乐只是烘托气氛。有些片段需要留白，把音乐完全去掉，反而更有力量。
自动字幕现在几乎是标配。我用的剪辑软件自带语音识别功能，把配音音频拖进去，点一下就能生成字幕。AI识别的准确率已经挺高了，但专有名词、同音词、语气词还是容易出错。我养成了一个习惯，字幕生成之后从头到尾看一遍，把错别字改掉，把过长的句子拆成两行，把标点补上。字幕的样式也别太花哨，白字黑边或者黑字白底最稳妥，字号要保证在手机竖屏上能看清。有些平台会自动压字幕，如果你自己加了字幕，发布前记得检查有没有重叠。
2.5 剪辑合成、转场包装与多平台导出
所有素材准备齐了，我把它们一股脑儿拖进剪辑软件的时间线。画面、配音、音乐、字幕，四条轨道对齐。剪辑的第一步是粗剪，把每个镜头的入点和出点卡准，让画面切换和旁白节奏匹配。我一般会先对旁白，旁白说到哪个词，画面就切到对应的内容。粗剪完成之后看一遍整体，把多余的部分删掉，把顺序不对的地方调一调。这个过程不用追求完美，先把框架搭起来。
转场和包装是让视频看起来不那么粗糙的关键。我习惯在场景切换的地方加一个简单的转场，淡入淡出或者左右滑动，时间控制在零点三秒左右，太长了显得拖沓。画面之间如果跳得太生硬，可以加一个短促的音效，比如“嗖”的一声，观众的注意力会被声音带过去。调色我通常用预设，选一个整体偏暖或者偏冷的滤镜，统一所有镜头的色调。片头片尾不用太长，三到五秒足够，放上账号名称和一句引导关注的话。包装的目的是让视频有整体感，别让观众觉得是七拼八凑出来的。
导出的时候要根据发布平台来设置参数。抖音、快手、视频号这些竖屏平台，分辨率1080乘1920，帧率30，码率选高一点。B站、YouTube这些横屏平台，分辨率1920乘1080。同一个视频如果要发多个平台，我建议导出两个版本，横屏一个竖屏一个。别想着用一个版本通吃，竖屏视频发到横屏平台，两边都是黑边，观感很差。导出格式选MP4最保险，兼容性好。文件命名也有讲究，我一般用“日期+主题+版本号”，比如“20240601_效率App推荐_v1”，以后找起来方便。
2.6 发布后的数据复盘与迭代优化
视频发出去之后，我会给自己泡杯茶，等上两个小时再看数据。前两个小时的数据很关键，平台会在这个阶段判断你的内容质量，决定给多少推荐流量。我主要看三个指标：完播率、互动率和涨粉数。完播率低说明开头不够抓人，或者中间节奏太拖。互动率低说明内容缺少引发评论的点，可以在结尾加一个提问。涨粉少说明这条视频没有给观众一个关注你的理由，下次要在视频里更明确地展示账号价值。
看完数据我会做一件很多人忽略的事：把评论区从头到尾翻一遍。观众有时候会指出你没注意到的错误，有时候会提出你没想到的需求。我有一期视频讲AI配音工具，评论区好几个人问有没有免费方案，我下一期就专门做了一期免费工具合集，播放量比前一期高了不少。评论区是选题的富矿，观众的问题就是下一条视频的脚本。我还会把表现好的视频和表现差的视频放在一起对比，看看开头、结构、配乐、时长有哪些差异。这种复盘做多了，对什么内容能火会形成一种直觉。
迭代优化不是全盘推翻，而是每次改一点点。我第一次做AI视频的时候，完播率只有百分之十五，后来我把开头从自我介绍改成直接抛问题，完播率涨到了百分之三十。第二次我把语速放慢了一点，在画面里加了关键词字幕，完播率到了百分之四十。每一次调整只动一个变量，这样才能知道是哪个因素起了作用。做AI视频这件事，前十条可能都没什么水花，但每一条都在帮你积累手感。我现在的习惯是每周发两条，一条新内容，一条旧内容的优化版。数据不会骗人，它告诉你哪里需要改，你只需要听它的。
3.1 免费AI视频生成软件推荐：文生视频、图生视频与数字人
我刚开始做AI视频的时候，一分钱都不想花。所以我把市面上能白嫖的视频生成工具几乎试了个遍。文生视频这块，国内可灵和即梦每天都有免费积分，够生成几条五秒左右的短片。可灵的画面质感偏写实，适合做风景、人物走路这类日常场景。即梦的风格更多样，卡通、水墨、赛博朋克都能调出来。国外有款叫Pika的，新用户注册送一些点数，生成速度挺快，就是中文提示词的识别能力稍微弱一点。我通常把可灵当主力，即梦做备选，哪边排队少就用哪边。
图生视频工具我偏爱Runway和PixVerse。Runway有个免费额度，每月能生成几十秒，镜头运动控制得很细腻，推拉摇移的效果比很多国内工具要顺滑。PixVerse的强项是特效模板，上传一张静态图，它能自动生成风吹头发、水流波动这类动态，做产品展示很省事。我做过一期视频，全程用PixVerse把手机产品图变成动态展示，观众完全看不出是AI生成的。还有个叫海螺AI的，图生视频质量也不错，每天签到就送积分，适合每天有稳定产出需求的人。
数字人这块，免费的选择确实不多。我试过HeyGen的免费版，每月有一分钟左右的额度，数字人形象偏商务，做口播视频够用。国内有款叫万兴播爆的，新用户送几次免费生成，数字人模板挺多，但免费次数用完之后就得付费了。我现在的做法是，数字人视频只在特别需要真人出镜的场景才用，比如课程介绍或者产品讲解。平时还是用画面加旁白的形式，省下来的免费额度攒着，急用的时候心里不慌。
3.2 免费AI音频工具推荐：配音、变声、降噪与配乐
配音工具我电脑里装了好几个。微软的Azure TTS有免费额度，每月五十万字符，音色自然度在免费工具里算是第一梯队。它的晓晓、云希这两个中文音色我用的最多，一个温柔一个沉稳，大部分场景都能应付。剪映自带的朗读功能也够用，选好音色直接生成，还能自动对齐字幕，省了单独导出的麻烦。有个叫Edge TTS的开源工具，完全免费没有额度限制，音质稍微机械一点，做草稿或者内部测试版本足够了。
变声和降噪是很多人忽略的环节。我做AI视频初期，配音里总有嗡嗡的电流声，后来用了Audacity这个免费软件，里面有个降噪功能，采样一段环境噪音，它就能把整条音频里的底噪去掉。变声我偶尔用Voicemod的免费版，把AI配音的声音稍微调低或者调高一点，避免和别人的视频撞音色。有个小技巧，AI配音生成之后，在剪辑软件里把音调降低百分之三到五，听起来会更像真人说话，太标准的播音腔反而容易让观众出戏。
配乐方面，我主要用两个来源。一个是Suno，每天有免费积分，输入情绪关键词就能生成一段原创音乐，时长和风格都能指定。我一般让它生成三十秒到一分钟的片段，够一条短视频用。另一个是YouTube音频库，里面所有音乐都标注了免费可商用，下载的时候记得把授权说明截图保存。国内的话，剪映的音乐库也能用，但要注意有些曲目只限在剪映平台内使用，导出去发到别的平台可能有版权风险。我吃过一次亏，现在养成了习惯，每首音乐下载之前先确认授权范围。
3.3 免费剪辑与字幕工具推荐：自动字幕、模板与特效
剪辑软件我主力用剪映专业版，电脑端和手机端都能用，免费功能已经覆盖了AI视频制作的全部流程。它的自动字幕识别准确率很高，生成之后只需要改几个专有名词。剪映的模板库也是个宝藏，搜索“AI视频”“知识科普”这些关键词，能找到大量现成的包装模板，把素材替换进去就能出片。我做过一个知识类视频，从导入素材到导出成片只用了二十分钟，全靠模板省时间。缺点是有时候模板用的人太多，观众可能会觉得眼熟。
字幕工具我还备了一个叫Arctime的免费软件。它的强项是批量处理字幕，支持导入SRT文件，可以一次性调整所有字幕的字体、大小、位置。如果视频比较长，比如超过十分钟，我会用Arctime来做字幕轴，比在剪辑软件里逐条调整效率高很多。还有个在线工具叫网易见外，上传音频就能自动生成字幕，免费额度每月两小时。它的识别准确率比剪映稍差一点，但支持导出多种格式，方便在不同软件之间流转。
特效和转场我基本靠剪映自带的资源库解决。它的转场效果有几百种，常用的淡入淡出、左右滑动、缩放旋转都有，拖到两个镜头之间就能用。画面特效里有个“模糊锐化”的组合，我经常用来做回忆或者强调的效果。如果剪映里找不到合适的，我会去Mixkit这个网站看看，上面有免费的转场素材和动态图形，下载下来是带透明通道的MOV文件，直接拖进时间线就能用。这些免费资源的质量参差不齐，需要花时间筛选，但用好了能省不少钱。
3.4 免费素材与版权资源：图片、视频、音效和字体
图片素材我主要从三个地方找。Pexels和Pixabay是最常用的，两个网站都是CC0协议，图片可以免费商用，不需要署名。Pexels的图片风格偏现代，适合做背景和空镜。Pixabay的种类更杂，从风景到人物到科技感配图都有。还有个叫Unsplash的，图片质量极高，但下载速度有时候不太稳定。我习惯在浏览器里把这三个网站都开着，搜同一个关键词，对比之后选最合适的那张。下载的时候我会按“主题+用途”重命名，比如“办公桌_背景图”，以后找起来方便。
视频素材我用的最多的是Mixkit和Videvo。Mixkit的免费视频片段质量很稳，分类也清晰，自然、城市、科技、人物几个大类下面都有不少选择。Videvo有一部分视频需要署名，下载的时候看清楚授权说明就行。国内的话，新片场和光厂有免费专区，素材偏中文场景，做本土化内容的时候比国外网站更合适。我一般会在视频里用两三段实拍素材做点缀，穿插在AI生成的画面之间，观众看着不会太疲劳，真实感也更强。实拍和AI画面混用的时候，记得调色要统一，否则一眼就能看出是拼凑的。
音效和字体容易被忽略，但影响很大。音效我常去Freesound这个网站，里面的音效都是用户上传的，筛选CC0授权的就能免费商用。转场用的“嗖嗖”声、点击声、打字声，在上面都能找到。字体方面，我推荐用思源黑体和思源宋体，这两个都是免费开源的，商用完全没问题。阿里巴巴普惠体也可以，风格偏现代。千万别在网上随便下载字体，我有个朋友用了未授权的字体，被追着赔了钱。现在我只从字体公司的官网或者GitHub上的开源字体库下载，用着踏实。
3.5 按设备与需求搭配：手机端、电脑端与在线工具组合
如果你只用手机做AI视频，我的建议是：剪映加可灵加网易见外。剪映负责剪辑、字幕和配音，可灵用来生成视频画面，网易见外做语音转文字。这套组合全部免费，而且都在手机端能完成。流程是这样的：先在可灵上用提示词生成画面素材，下载到相册。然后在剪映里导入素材，用自带朗读功能生成配音，再用自动字幕识别。最后用剪映的模板做包装，导出竖屏视频直接发抖音。全程不用开电脑，在地铁上都能操作。缺点是手机端处理长视频容易卡顿，超过三分钟的视频还是建议用电脑。
电脑端用户的选择更多，我常用的组合是：剪映专业版加Runway加Audacity加Suno。剪映专业版做剪辑和字幕，Runway生成高质量视频片段，Audacity处理音频降噪和变声，Suno做原创配乐。这套组合覆盖了从画面到声音的全部环节，全部有免费额度，轻度使用完全够。如果要做数字人视频，再加上HeyGen的免费版。电脑端的优势是处理速度快，可以同时开多个工具切换使用，素材管理也更方便。我一般会把所有素材按项目建文件夹，每个文件夹里再分画面、音频、字幕、输出四个子文件夹，找东西的时候不会乱。
在线工具适合临时用或者设备性能不够的情况。比如你出门只带了平板，可以用Kapwing这个在线剪辑工具，浏览器打开就能用，免费版支持导出720P视频，做草稿或者预览足够了。配音可以用TTSMaker，网页端直接生成，不用安装任何软件。画面生成用即梦的网页版，手机电脑都能访问。在线工具的问题是受网络影响大，生成速度不稳定，而且免费额度通常比客户端少。我的建议是把在线工具当补充，主力还是用客户端软件。出门在外用在线工具做粗剪，回家再用电脑精修，这样效率最高。
4.1 提示词进阶：提升画面一致性、风格统一与镜头连贯性
做AI视频到第三个月的时候，我卡在了一个很尴尬的地方。单条画面拿出来看都挺漂亮，拼在一起就露馅了。上一秒主角穿的是黑色卫衣，下一秒变成灰色夹克。前一个镜头是阴天，后一个镜头突然阳光灿烂。观众在评论区直接问我是不是换了好几套素材。那段时间我翻了很多教程，也自己反复试，慢慢摸出了一些让画面保持一致的土办法。
最管用的一招是在提示词里加固定锚点。比如我要做一条关于咖啡馆的系列视频，每次生成画面都会带上“木质圆桌、靠窗位置、下午四点的暖光、浅棕色拿铁杯”这几个词。这些描述就像坐标一样，把AI的想象力框在一个范围里。风格统一方面，我会在每条提示词末尾加上统一的风格描述，比如“日系清新滤镜、柔和光线、低饱和度”。不要小看这几个词，它们能让不同时间生成的画面看起来像同一天拍的。镜头连贯性更考验人，我的办法是尽量用同一个种子值去生成相邻镜头，或者把上一个镜头的最后一帧截出来当图生视频的参考图。
还有个小技巧，我习惯在提示词里写清楚景别和机位。比如“中景，平视角度，人物在画面左侧三分之一处”比只写“一个人站在街上”要可控得多。连续做几条视频之后，我会把验证有效的提示词模板存到备忘录里，下次做同类内容直接改几个关键词就能用。这比每次从零开始想要快得多。光靠提示词还不够，有时候画面一致性实在调不好，我会在剪辑阶段用调色来补救，通过统一色温和对比度，让所有镜头看起来更像一个整体。
4.2 批量生产：模板化脚本、素材库与自动化流程
我有一段时间每天要发三条视频，靠手动一条一条做根本忙不过来。后来我把自己做视频的流程拆开看，发现很多环节其实是重复劳动。选题、写脚本、找素材、配音、剪辑、发布，每一步都有规律可循。我就开始尝试把能标准化的东西固定下来。脚本模板是我做的第一件事，我按视频类型做了几个框架，比如知识科普类是“问题引入加三个要点加总结”，带货类的是“痛点展示加产品亮相加使用场景加优惠引导”。有了模板之后，写脚本的时间从一小时缩短到十五分钟。
素材库的搭建也帮了大忙。我按主题建了很多文件夹，职场、生活、科技、美食各一个。每次刷到好的免费素材，顺手就下载归类。画面素材、音效、背景音乐、字幕样式，全部各就各位。需要的时候直接去对应文件夹里挑，不用临时到处找。有段时间我发现剪映的模板可以保存成草稿，我就把常用的片头、转场和字幕样式做成固定草稿，新视频直接复制草稿，替换素材就行。这样做虽然会让视频包装风格偏统一，但效率提升是实打实的。
自动化流程这块，我主要靠两个工具串起来。一个是剪映的批量导出功能，可以同时处理多条视频。另一个是用表格管理发布计划，每条视频的标题、封面、标签、发布时间都提前填好。到点复制粘贴，发布环节也省了很多犹豫的时间。这样做有一个前提，视频质量不能因为批量而下降太多。我的底线是每条视频至少有一个亮点，要么是画面特别，要么是文案有点意思，要么是信息足够实用。没有亮点的视频我宁愿不发，发出去反而会影响账号权重。
4.3 常见问题解决：画面畸变、时长限制、音画不同步与审核风险
画面畸变是我遇到最多的问题。AI生成人物手指的时候经常多一根或者少一根，走路的时候腿会突然变细或者扭曲。刚开始我特别崩溃，一条视频里出现三四处畸变，根本没法用。后来我学乖了，在提示词里尽量不写复杂的手部动作，需要用手的画面就用特写镜头带过。人物走路尽量用远景或者背影，不要正面直拍。生成之后我会逐帧检查，有问题的片段直接剪掉，不硬凑时长。还有个办法是后期加动态模糊或者局部遮挡，把畸变的地方藏起来。
时长限制也很折磨人。大部分免费AI视频工具一次只能生成三到五秒，做一条一分钟的视频要拼接十几段素材。画面之间的过渡如果不顺畅，观众看着就像幻灯片。我的解决办法是尽量在生成阶段就让镜头有延续性，比如上一段是人物走进门，下一段就从门内往外拍。剪辑的时候用相似的构图或者相同的运动方向来连接，接受度会高很多。音画不同步通常出现在配音和字幕之间，我的习惯是配音生成后先拉进剪辑软件，对着音频手动打轴，再让自动字幕去对齐。自动字幕偶尔会漏字或者识别错，手动改一遍比重新生成快。
审核风险是很多人容易忽略的。我用AI生成过一条带有城市街景的视频，里面出现了类似真实品牌的招牌，发出去就被平台限流了。从那以后，我生成画面会刻意避开明显的商标、logo和真实人脸。数字人视频也要注意，有些平台要求标注AI生成，不标可能被判定为虚假内容。版权方面，AI生成的画面目前版权归属还不明确，我自己的做法是尽量用自己的照片或者明确可商用的素材做底图，纯AI生成的画面就当消耗品用，不指望靠它做长期资产。
4.4 多场景实战：短视频口播、知识科普、带货视频与故事短片
短视频口播是我做得最多的类型。这类视频的核心是文案和信息密度，AI画面只是辅助。我的流程是先写出口播稿，用剪映的朗读功能生成配音，再根据配音内容去匹配画面。画面不需要太复杂，人物特写、办公场景、城市空镜轮换着来就行。数字人口播我也试过，用在课程介绍和产品说明上效果不错，但日常更新还是用画面加旁白更自然。口播视频的关键是前五秒必须抓住注意力，我通常会在开头放一个反问句或者一个反常识的结论。
知识科普类的视频更考验信息组织能力。我做过一条关于AI视频制作流程的科普，把六步流程拆成六段，每段配一个画面例子。这类视频的观众完播率普遍偏低，所以我尽量把时长控制在两分钟以内，每个知识点用一句话讲清楚，画面只是帮助理解的工具。带货视频的逻辑又不一样，重点是把产品卖点和使用场景说透。我会用AI生成产品使用的场景画面，比如一个杯子在办公桌上、在户外野餐时、在车里，把不同场景拼在一起，让观众自己想象拥有产品之后的生活。故事短片是我最近在尝试的方向，难度最大但成就感也最强。我会先用AI生成分镜图，确认风格和构图之后再生成视频片段，最后配上旁白和音乐。故事短片不需要太长，两到三分钟能讲完一个小情节就够了。
4.5 持续学习路径：资源、社区、作品集与30天练习计划
AI视频这个领域变化太快了，上个月好用的工具这个月可能就收费了，上个月做不到的效果这个月可能就开放了。我保持学习的方法很简单，每天花二十分钟刷三个地方。一个是B站，关注几个专门做AI视频教程的UP主，看他们最近在用什么工具和方法。另一个是即刻和小红书，搜索“AI视频”关键词，看普通用户在讨论什么。还有就是在YouTube上看国外创作者的案例，有时候能发现国内还没火起来的新工具。看到有用的内容我会截图存到一个专门的学习文件夹里，周末统一整理。
社区方面，我加了两三个AI视频的交流群。群里经常有人分享免费额度的领取方式、新工具的内测邀请、还有踩坑经验。有次我遇到一个画面风格怎么都调不统一的问题，在群里问了一句，十分钟就有人发来了解决方案。我也养成了在群里分享自己经验的习惯，教别人的过程其实就是逼自己把问题想得更清楚。作品集是我最近才开始认真做的。以前做完视频发出去就完了，现在我会把每个月的代表作整理到一个在线文档里，附上制作思路和用到的工具。这样做的好处是，当有人问我能不能做某种类型的视频时，我可以直接发作品集过去，比口头描述有说服力得多。
30天练习计划是我给自己定的一套训练方法。第一周每天做一条十五秒的短视频，只练画面生成和简单剪辑。第二周开始加配音和字幕，每条视频延长到三十秒。第三周尝试不同的视频类型，口播、科普、带货各做几条，找到自己最擅长的方向。第四周做两条完整的作品，一条两分钟的知识视频和一条一分钟的故事短片，从脚本到发布全流程走一遍。这个计划我走完了一轮，最大的收获不是技术提升，而是形成了肌肉记忆。现在打开剪辑软件，很多操作不用想就能做出来，省下来的脑力可以花在创意上。练习的过程中我会把每天的作品存一份到网盘，过一个月再回头看，能明显看出自己在进步，这种感觉特别踏实。
