发帖
雷达卡
人工智能与计算机学院新媒体中心 | 陈牧函
一、教程概览
随着AI技术的迅猛发展，视频创作正迈入“零门槛、高效率、低成本”的新阶段。无需专业设备、拍摄团队或复杂剪辑技能，仅依靠文字创意与AI工具，即可完成从脚本构思到成片输出的全流程制作。
本教程围绕三大核心环节展开：
- 结构化脚本撰写 —— 构建内容骨架
- 伪代码驱动文生图
- 图像生成视频 —— 实现动态呈现
全程采用国内易用且免费/低成本的工具组合（如剪映AI、Chat-Glm、豆包），并以“说唱歌手Macovaseas演出视频”为案例示范，帮助新手快速掌握AI视频创作逻辑，最终产出15-30秒可直接发布的短视频内容。
[此处为图片1]二、第一步：构建理想化脚本 —— AI视频的“骨架”搭建
此部分适用于多个连续性强、关联度高的镜头场景。在实际操作中，通常可直接从第二步开始执行。
2.1 脚本核心要素
AI视频脚本与传统脚本的关键差异在于：必须提供能被AI准确解析的指令，避免模糊表达。其主要包含以下五个关键要素：
| 要素 | 作用说明 |
|---|---|
| 镜头编号 | 便于分段生成与后期拼接 |
| 镜头类型（如俯拍、中景、特写） | 控制画面视角，影响图像比例和构图 |
| 时长 | 适配AI生成视频的时间限制（单段建议≤10秒） |
| 画面描述 | 涵盖场景、主体及具体动作 |
| 音效/BGM（非必需） | 增强氛围感，支持后期AI自动匹配 |
| 字幕（非必需） | 提炼关键信息，可用于AI自动生成 |
关键原则：
- 镜头拆分越细致，AI生成结果越精准。 建议每段镜头控制在3-5秒内，避免因过长时间导致画面失真（参考Chat-Glm对单段生成时长的限制：5秒或10秒）。
- 图片通常先于视频生成。即我们应先通过“文生图”或“伪代码生图”获得静态素材，再以此为基础进行视频化处理。
2.2 入门级脚本模板（可直接复用）
以“说唱歌手Macovaseas演出视频”为例，适配抖音/视频号平台（9:16竖屏格式）：
注：以下为完整理想模型，实操中可根据需求简化画面描述。
| 镜头编号 | 镜头类型 | 时长 | 画面描述 | 音效 / BGM | 字幕 |
|---|---|---|---|---|---|
| 01 | 特写 | 3秒 | 特写：金属麦克风斜置于舞台中央，蓝色霓虹灯光扫过麦身，麦头反射出川渝解放碑的剪影 | 低沉贝斯前奏（渐强） | "MacOvaSeas 南通联合专场VJ" |
| 02 | 中景 | 4秒 | 中景：歌手侧身持麦演唱，身穿黑色潮牌卫衣（印有Digi Ghetto logo），身后LED屏幕滚动声波特效 | 说唱主歌片段（带Autotune效果） | "Autotune神级现场" |
| 03 | 俯拍 | 3秒 | 俯拍：观众举起手机闪光灯左右摇摆，形成星海效果，地面升起舞台烟雾 | 观众欢呼 + 节拍鼓点 | "川渝说唱顶流集结" |
| 04 | 特写 | 3秒 | 特写：歌手手指快速滑动麦克风，嘴唇贴近麦头，表情投入，单手捂裆（采用侧面角度，规避面部畸变） | 高音转音 + 音效炸裂 | "十万火急 热血开唱" |
| 05 | 全景 | 2秒 | 全景：展现整个舞台及两侧LED屏上显示的“MACOVASEAS”，镜头迅速拉远至包含场馆招牌 | BGM高潮 + 集体合唱 | "点击预约，解锁更多巡演片段" |
2.3 脚本优化策略
- 前三秒抓住注意力： 使用特写镜头搭配强烈视觉动作（例如“金属麦克风斜置舞台中央”、“麦头倒映川渝解放碑剪影”），结合醒目字幕提升吸引力。可参考剪映AI爆款模板的设计思路，合理利用现有资源提高效率（尽管笔者个人反对过度依赖模板造成的千篇一律现象）。
- 保持风格统一： 整体采用“暖色调+轻快节奏”的风格设定，避免混杂赛博朋克与古风等风格冲突。
- 适配不同平台要求：
- 抖音/视频号：使用9:16竖屏，字幕字号建议≥48号，确保移动端清晰可见；
- B站：推荐16:9横屏格式，增加细节描写（如“左侧料理台摆放洗洁精瓶”）以丰富画面层次。
- 规避常见问题：
- 避免使用模糊表述（如“好吃的番茄炒蛋”应改为“金黄蛋液包裹番茄块，汤汁浓稠”）；
- 人物镜头优先选择侧面或远景，减少AI生成时出现面部扭曲的风险。
2.4 推荐使用的脚本辅助工具
建议使用豆包AI或Deepseek等大模型工具协助脚本撰写。用户只需输入初步创意方向，AI即可自动生成完整的视频脚本框架。毕竟，AI比人类更懂得如何与AI协作，即使你对自己的想法尚不明确，AI也能帮你梳理出可行路径。
[此处为图片3]三、第二步：伪代码驱动图像生成 —— 精准创建AI视觉素材
3.1 伪代码生图的核心逻辑
所谓“伪代码生图”，实质是将自然语言描述转化为AI可识别的结构化指令，通过分层参数精确控制画面元素，防止生成结果偏离预期。
其基本构成公式为：
基础参数（尺寸/比例） + 核心描述（场景+主体+动作） + 风格强化（色调/质感） + 技术参数（清晰度/细节）
相较于此前版本（如11月25日上午文章），本次说明更为详尽。总体原则是：描述越具体、参数越精细，生成效果越理想。
优势： 相比纯自然语言提示词，该方法显著提升生成准确性，尤其适合初学者直接套用模板，无需记忆大量专业关键词。
3.2 面向非计算机专业用户的通用伪代码模板（可直接套用）
为降低技术门槛，特设计一套简洁明了的伪代码格式，适用于无编程背景的学习者：
[尺寸] 9:16
[视角] 特写
[主体] 金属麦克风
[场景] 舞台中央，背景为暗色灯光环境
[动作] 斜置静止，蓝色霓虹光束缓慢扫过
[细节] 麦头表面反光清晰，隐约映出城市剪影（川渝解放碑）
[色调] 冷蓝主调，点缀橙红光斑
[质感] 高光泽金属感，轻微磨砂处理
[清晰度] 高清，8K渲染
[附加] 无文字叠加，保留后期添加空间
此类结构化写法能有效引导AI准确理解创作意图，大幅提升图像生成的一致性与可用性。
之所以多了一个“伪装的”定语，是因为在我看来，这已经不能称之为伪代码，而更像是一种模板。真正适用于计算机专业的Python伪代码已在前一篇文章中介绍，感兴趣的读者可前往查阅。
1. 基础参数设置（必选，用于适配后续图生视频）
- 尺寸比例：9:16（竖屏）或 16:9（横屏），根据使用场景选择
- 分辨率：最低1024px，推荐2048px以获得高清画质
- 画面比例：主体占据画面60%-70%，避免过多留白影响视觉聚焦
2. 核心画面描述（源自脚本，需精准匹配视觉内容）
场景设定：阳光照射下的厨房料理台，台面为浅色大理石材质
主体元素：一颗带蒂的红番茄与一把不锈钢菜刀
关键动作：菜刀下切，番茄果肉裂开，汁水缓缓溢出（共3滴）
细节补充：台面上放置白色砧板，菜刀手柄为棕色木质结构
3. 风格统一性强化（确保整体视频调性一致）
色调控制：采用暖色调设计，色温设定为5500K；主色参考：番茄红（#FF3A44）、鸡蛋黄（#FFD700）
质感表现：写实风格呈现，光影柔和，模拟窗边自然光照效果，避免出现硬边阴影
避坑提示：禁止画面畸变、排除多余干扰元素、保证高清细节呈现、若涉及人物则不得显示面部特征（如适用）
4. 技术增强参数（提升图像生成质量）
清晰度要求：超高清输出，建议使用 --q 2 或同等质量等级
优化处理：启用锐化、降噪及色彩校准功能，确保成像纯净且色彩准确
3.3 推荐使用的AI绘图工具——豆包AI
尽管在业内评价中，通义等国内模型可能更具口碑优势，但我个人仍坚定推荐豆包AI。原因有三：其一，完全免费使用；其二，操作门槛低，极易上手；其三，这是我长期陪伴成长的AI助手，饮水思源，不可忘本。即便有人忘本也能成功，但我尚未功成名就，因此更应坚守初心。
3.3.1 豆包AI自身总结的优势对话记录
-
中文指令高精度解析，实现零偏差还原脚本细节
豆包4.0版本在中文识别方面准确率高达99%，能够完美应对脚本中“材质+动作+符号”这类结构化表达。例如镜头01描述：“金属麦克风斜置舞台中央，蓝色霓虹灯扫过麦身，麦头倒映川渝解放碑剪影”，系统能准确捕捉“金属材质”“解放碑文化符号”“霓虹光影”三大核心要素，避免国外AI常出现的细节遗漏或文化符号混淆问题，无需添加英文参数即可生成高度契合的图像素材。
-
赛博朋克风格兼容性强，多镜头间风格稳定不翻车
虽然豆包擅长东方美学，但也支持“70%核心风格 + 30%元素融合”的混搭策略（如赛博朋克+川渝地域符号）。针对“冷色调蓝紫霓虹”的需求，可通过“液态金属材质+故障艺术霓虹色+数据流光效”的提示词组合，生成符合街头潮流氛围的舞台场景，并在整个视频序列中保持色彩和风格的一致性，防止不同镜头之间出现割裂感。
-
细节还原能力强，有效规避AI生成常见缺陷
面对脚本中提出的“侧面镜头避免面部畸变”“LED屏幕文字清晰可见”等要求，豆包表现出明显优势：首先，在人物姿态还原上表现出色，侧身演唱、手指滑动麦克风等动作均能精确呈现，无面部扭曲现象；其次，中文排版无误，镜头05中的“MACOVASEAS x APMOZART”字样可整齐显示，杜绝错别字或排版混乱；最后，材质纹理真实细腻，无论是金属麦克风的反光效果，还是潮牌卫衣的布料质感，都能得到逼真体现。
-
深度适配抖音生态，高效满足短视频创作需求
原生支持9:16竖屏格式和1080P分辨率输出，无需后期裁剪即可直接用于抖音平台发布。生成速度可达每张2K图像仅需3秒，5个镜头的素材可在15分钟内批量完成。同时支持“一次生成4张备选方案”，便于从多个结果中挑选最优画面，完全契合“单镜头多素材筛选”的实际工作流程，显著提升创作效率。
-
版权安全有保障，支持灵活调整降低风险
豆包生成的内容允许非商业用途免费使用，有效规避了Midjourney等工具可能带来的版权纠纷，适合演出类视频传播。此外，支持通过自然语言实时微调细节，例如镜头03中“观众星海”可通过“增加手机闪光灯密度”“调淡烟雾浓度”等指令进行优化，无需复杂技术参数修改即可完成调整。
3.3.2 使用心得分享
无论在哪个领域，我都坚持一个原则：本土化才是属于我们中国人的真正文化根基。豆包AI将东方审美风格发挥到了极致，这也是我持续使用它的根本原因——当然，绝不仅仅因为它一直免费。
3.4 图像生成避坑指南
- 拒绝模糊表达：避免使用“好看的番茄”这类主观描述，应具体化为“红番茄（直径8cm，带3片绿叶）”
- 控制核心元素数量：单张图像中核心元素不超过3个（如番茄、菜刀、砧板），过多会导致画面杂乱
- 图像质量规范：
- 分辨率不低于1024px，尤其用于图生视频时更为重要
- 画面干净无噪点、无遮挡，人物图像避免帽子遮脸等情况
- 主体居中布局，防止边缘区域出现透视畸变
- 版权注意事项：
- 剪映AI、通义万相提供的免费素材可用于非商业项目，商用前务必确认授权范围
- Midjourney基础版允许商用，但需注明“由Midjourney生成”
四、第三步：图生视频——让静态图像“活”起来
4.1 图生视频的核心逻辑
图生视频（Image to Video）是利用AI技术预测静态图像的动态演变过程，实现“轻微动作+镜头运动”相结合的短视频生成方式，单段时长通常控制在3至10秒之间。
入门级核心要求：
- 动作自然流畅，避免肢体或物体形变
- 镜头过渡顺滑，杜绝卡顿跳跃现象
- 整体风格与原始图像保持一致，确保视觉连贯性
核心限制：当前AI生成视频的单段时长通常不超过16秒（如Runway Gen-2），若需制作更长内容，必须采用“分段生成 + 后期拼接”的方式完成。
4.2 三款适合新手的图生视频工具实操（优先推荐国内平台）
注：暂不讨论Chat-Glm，有一款极具潜力的智能模型值得单独撰文深入解析。
4.2.1 通义万相动图（阿里出品）——综合表现最佳选择
核心优势：画面稳定性强，动作过渡自然，支持镜头平移与旋转效果，无需翻墙，界面为中文，操作友好。
实操流程（将“切番茄图片”转化为3秒动态视频）：
- 进入通义万相平台，上传此前生成的切番茄静态图像（建议使用PNG格式）；
- 选择「图生视频」功能 →「动效风格」→「自然动效」模式；
- 输入提示词（参考通用公式：动作 + 镜头 + 氛围 + 运动范围）：
轻微动作：番茄汁缓慢滴落，刀具轻微震动；
镜头设定：缓慢前推约5厘米；
整体氛围：暖色调，光线柔和均匀；
运动幅度：控制在小幅范围内，防止画面抖动。 - 配置参数：视频时长设为3秒，分辨率选择1080P，帧率设定为24fps（保证流畅性）；
- 点击「生成」按钮，等待约30秒处理时间（免费版本无水印输出）；
- 导出阶段启用「超分辨率增强」功能，下载MP4格式文件。
4.2.2 讯飞星火·妙笔画（科大讯飞）——人物动态生成首选
核心优势：擅长处理人脸细微动作，如眨眼、微笑等，具备口型同步能力，特别适用于知识讲解类短视频创作。
操作步骤（生成“真人讲解番茄炒蛋”视频）：
- 上传一张清晰、无遮挡的人像照片；
- 进入「图生视频」模块，选择「数字人口播」功能；
- 输入讲解文本：“第一步是切番茄，注意去掉蒂部，切块大小尽量一致，有助于入味”；
- 设置参数：视频长度5秒，竖屏9:16比例，语速适中，表情设定为微笑；
- 系统自动生成匹配语音的唇动效果，完成后可直接下载，同时支持字幕自动添加。
4.2.3 Pika Labs（国际版）——风格化创作优选工具
核心优势：在二次元、暗黑系等小众艺术风格上表现突出，动态捕捉精准。新用户注册赠送15分钟免费使用额度。
操作流程（制作“二次元风格番茄炒蛋”视频）：
- 通过邮箱或Discord完成注册登录，国内用户可通过代理访问，无需复杂翻墙；
- 上传具有二次元风格的番茄图像，选择「Image to Video」模式；
- 填写英文提示词：
Anime style, tomato slices floating slightly, wind blowing the tablecloth gently, lens sliding horizontally (left to right), soft light, 3 seconds, 1080P - 设定视频时长为3秒，点击「Generate」，等待2至4分钟生成完成；
- 导出视频（免费版无水印，但商用需升级会员权限）。
4.3 视频拼接与后期优化（零剪辑基础也能上手）
4.3.1 拼接工具推荐：剪映AI（免费且易用）
操作说明（整合5段番茄炒蛋相关视频片段）：
- 打开剪映PC端或移动端应用，点击「开始创作」，导入所有已生成的视频素材；
- 按照镜头编号顺序排列片段（01 → 02 → 03 → 04 → 05）；
- 添加转场效果：选用「基础转场」中的「闪白」，持续时间设为0.2秒，避免视觉跳跃；
- 配乐处理：进入「音频」选项 → 使用「AI智能配乐」功能，选择“美食轻快”风格，系统将自动匹配节奏节点；
- 字幕生成：点击「字幕」→「自动生成」，识别音频内容后调整字体大小至48号，颜色设为暖橙色以契合主题；
- 最终导出：设置分辨率为1080P，帧率为30fps，输出无水印视频，可直接发布至抖音或视频号平台。
4.3.2 成片质量提升技巧
- 画面稳定处理：使用剪映「滤镜」功能 →「清晰」类别 →「增强锐化」，强度调节至30%；
- 色彩统一调整：进入「调节」面板 → 色温+5，饱和度+10，确保整体保持一致的暖色调氛围；
- 时长合理控制：单个片段建议不超过8秒，成片总时长控制在15至30秒之间，符合主流短视频平台黄金播放区间；
- 常见避坑指南：
- 避免使用超过10秒的长镜头，以防播放卡顿；
- 同一视频内风格应统一，切勿混搭写实与二次元风格；
- 产品展示或人物视频建议采用“轻量级动作”，大幅运动易导致形变失真。
4.4 图生视频提示词模板库（可直接复制使用）
- 美食类动效：“食材轻微颤动，汤汁缓缓冒泡，镜头缓慢推进5cm，暖色调呈现，画面稳定，细节清晰可见”；
- 人物类动效：“实现自然眨眼、呼吸起伏和微笑表情，镜头固定不动，光线柔和，确保动作真实无畸变”；
- 产品展示类：“镜头围绕产品旋转30°，高光反射增强，背景虚化处理，突出商业质感，动作幅度小而精致”；
- 国风意境类：“衣袖随风轻摆，花瓣缓缓飘落，镜头横向滑动，呈现水墨质感，营造空灵治愈感”。
五、常见问题解答与进阶方向探索
5.1 常见高频问题及解决方案
- 生成图像偏离预期？→ 在提示词中明确关键元素占比，例如加入“番茄占据画面60%”的描述，并删减无关信息；
- 视频出现画面畸变？→
- 确保原始图片分辨率不低于1024px；
- 避免使用人物特写镜头！！！（该点后续将重点说明）；
- 在提示词中添加“无畸变、画面稳定”等约束条件；
- 生成过程卡顿或失败？→ 单段视频时长建议控制在5秒以内，分段生成后再进行拼接，剪映AI可自动优化帧率兼容性；
- 是否存在版权风险？→ 商业用途前务必确认各工具的授权条款。例如剪映AI提供的免费素材不可用于商业发布，而Midjourney作品需标注来源信息。
当免费额度不足时，可通过以下方式获取更多资源：
- 通义万相：每日签到即可领取使用额度；
- Pika Labs：每天签到可获得20点积分；
- 剪映AI：无使用次数限制，可自由生成内容。
进阶学习路径（适用于入门后提升）
- Prompt工程优化：掌握关键词的层级构建技巧，例如使用“电影级光影”“8K超高清”“Cinema4D渲染”等专业描述语提升输出质量。相关内容已在前文详述，请参考前一章节。
- 工具升级与替换：尝试更强大的生成平台，如Runway Gen-2（风格表现力更强），或Stable Diffusion（支持本地部署，可加载自定义模型）以实现更高自由度。
- 功能拓展应用：为视频添加AI语音解说（利用剪映中的「文本朗读」功能），并加入动态字幕效果（通过剪映「花字」功能实现），增强观看体验。
- 商业化方向探索：应用于电商产品展示（借助腾讯元器工具）、知识类数字人讲解视频制作（使用讯飞星火平台）、IP形象动效设计（结合文心智能技术）等实际场景。
总结
AI视频创作的核心在于“结构化指令 + 工具适配”。通过脚本确定内容框架，用伪代码精准控制画面生成，再由图像生成视频完成动态转化。初学者无需深究复杂技术细节，只需按照本教程提供的模板、公式和推荐工具进行操作，即可快速产出高质量短视频。
随着实践积累，可逐步细化Prompt编写能力，并尝试进阶工具，实现从“入门”到“精通”的跃迁。
建议从“番茄炒蛋”“旅行攻略”这类简单主题入手，遵循教程步骤动手实操，1小时内即可完成你的第一条AI生成视频作品！
参考文献
- 环球网. Sora真能喂剧本，吐电影？[EB/OL].
http://m.toutiao.com/group/7346496443665482279/, 2024-03-15. - 中安在线 - 新徽商. 国产超大规模智算平台“飞星二号”在合肥启动?[EB/OL].
http://jd.anhui.news.com/rdkx/202410/t20241025_7949668.html, 2024-10-25. - 南方都市报. 被诉侵权的Midjourney: 生成图片已非首陷版权争议?[EB/OL].
http://m.toutiao.com/group/7548282085652365850/, 2025-09-10. - 澎湃新闻. Pika新功能可以往视频里添加一切！网友：每月省5000美元?[EB/OL].
https://m.thepaper.cn/newsDetail_forward_30102711, 2025-02-08. - AI产品库AIProductHub. 通义万相好不好用？深度剖析其优劣势及应用场景?[EB/OL].
https://aiproducthub.cn/tongyi-wanxiang-ai-painting-tool-function-use-evaluation/, 2025-08-21. - 至顶AI实验室. AI视频生成器终极指南：如何使用Sora 2、Veo 3等工具?[EB/OL].
http://m.toutiao.com/group/7563668946328355391/, 2025-10-21. - 证券时报. 一句话让马斯克“上天”变成3D动画！这家文生视频AI公司火出圈?[EB/OL].
http://m.toutiao.com/group/7307201483026874907/, 2023-11-30.
京公网安备 11010802022788号
