技能提升网咱们今天聊聊怎么做AI视频。这东西听起来好像很复杂，但说白了，只要你用对方法，没任何基础也能上手。现在网上各种教程满天飞，很多都讲得云里雾里，搞得好像是什么高科技。其实真没那么玄乎，咱们就一步一步来，我把我知道的都告诉你。
第一步：先有好本子，再想画面
很多人一上来就急着找工具，想输入几个字就变出个大片。这个想法得改改。AI现在还只是个工具，它不能替你思考。你给它的指令越模糊，它生成的东西就越垃圾。所以，动手之前，先静下心来写个简单的脚本。
一个脚本，至少要包含两个东西：画面描述和旁白。
- 画面描述： 就是你希望视频里出现什么。写得越具体越好。别只写“一个男人在走路”，要写成“一个穿着黑色风衣的男人，在雨天的东京街头快步走，地面反射着霓虹灯的光”。你看，后者是不是一下子就有画面感了？AI也一样，你喂给它更具体的细节，它才能“看”到你想看的东西。
- 旁白： 就是视频里要说的话。旁白要和画面配得上。比如画面是男人在雨中走，旁白可以是“他不知道，这场雨会改变他的一切”。这样一来，故事性就出来了。
写脚本的时候，别想得太复杂。就用最简单的表格，左边一列写画面，右边一列写旁白。一个镜头一个镜头地写。比如你想做一个介绍“冥想的好处”的短视频，脚本可以这么写：
| 画面描述 | 旁白 |
|---|---|
| 镜头1: 一个安静的房间，清晨的阳光透过窗户照进来，一个女人坐在垫子上闭眼冥想。画面要慢，很平静。 | “你有没有觉得，每天的生活都像上了发条？” |
| 镜头2: 大脑的特写动画，里面有很多杂乱的线条在飞速转动，代表思绪。 | “各种念头在脑子里打架，根本停不下来。” |
| 镜头3: 镜头拉回到那个女人，她深吸一口气，表情很放松。周围的空气仿佛都安静了。 | “其实，你只需要每天给自己十分钟。” |
| 镜头4: 画面切换，一个心率图慢慢变得平稳。 | “研究表明，冥想能有效降低压力和焦虑。” |
你看，就这么简单。先把整个故事的骨架搭起来，后面的一切就都有了方向。如果你实在没灵感，可以去问问ChatGPT，让它帮你开头，但记住，它给你的东西只是毛坯，你得自己动手去修改、润色，把它变成你自己的东西。
第二步：挑个顺手的工具
脚本搞定了，接下来就是选工具。现在市面上能生成视频的AI工具不少，主流的有Runway、Pika Labs等等。它们各有各的好，也各有各的毛病。
- Runway: 算是现在功能比较全的一个。它的优点是生成的视频在风格和物体的一致性上相对好一些。意思就是，你生成一个特定角色，后面几个镜头里，这个角色大概率还长得像他自己，不会突然变成另外一个人。它的操作界面也比较直接，有文字生成视频、图片生成视频等好几种模式。
- Pika Labs (通常被称为Pika): Pika的特点是生成的画面动态感可能更强一些。有时候能给你一些意想不到的惊喜。它也支持文字和图片生成视频。很多人觉得Pika在生成动漫或者奇幻风格的视频时效果不错。
选哪个？我的建议是，两个都试试。它们一般都会给新用户一些免费的额度。你用同一个脚本，同一个提示词，分别去生成一下，看看哪个出来的效果更接近你想要的。
这里要说句实话，现阶段的AI视频生成，特别像“开盲盒”。你输入提示词，点一下生成，出来的结果可能是惊喜，也可能是惊吓。同一个提示词，你点十次生成，可能会得到十个完全不一样的视频片段。所以，耐心很重要。别指望一次就成功。多试几次，调整一下你的提示词，这是必经的过程。
第三.步：把文字“翻译”成画面
这是最核心的一步：写提示词（Prompt）。提示词就是你跟AI沟通的语言。你写得好，AI就懂你；你写得烂，AI就只能瞎猜。
写提示词是有基本公式的，别自己瞎琢磨。最简单的公式就是： 主体 + 动作 + 场景 + 风格。
咱们拆开说：
- 主体： 你的画面里最主要的东西是什么？是“一个年轻女孩”，还是“一只橘猫”？
- 动作： 主体在干什么？是在“喝咖啡”，还是在“追逐蝴蝶”？
- 场景： 背景是什么？是在“一个复古的咖啡馆里”，还是在“一片开满野花的草地上”？
- 风格： 你希望这个画面的整体感觉是怎样的？是“电影感，8K画质，光线柔和”，还是“宫崎骏动画风格，色彩鲜艳”？
举个例子，假设我们想生成脚本里的第一个镜头：“一个安静的房间，清晨的阳光透过窗户照进来，一个女人坐在垫子上闭眼冥D想。画面要慢，很平静。”
一个不好的提示词可能是：“一个女人在冥想”。太模糊了，AI不知道是哪个国家的女人，在什么样的环境冥想，画面感觉是怎样的。生成出来的东西基本不能用。
一个好的提示词可以是：“A young woman with her eyes closed, meditating peacefully on a yoga mat. She is in a quiet, minimalist room. Soft morning sunlight streams through a large window. Cinematic style, 8K, calm and serene atmosphere.” (一个年轻女子闭着眼睛，在瑜伽垫上平静地冥想。她在一个安静、简约的房间里。柔和的晨光从一个大窗户射入。电影风格，8K画质，平静安宁的氛围。)
你看，这个提示词把所有细节都描述清楚了。另外，用英文写提示词，生成效果通常会比用中文好一点。这不是说中文不行，而是因为这些AI模型目前主要的训练数据还是以英文为主。你可以先用中文写好，然后用翻译软件转成英文。
还有一个很重要的技巧，叫“图生视频”（Image-to-Video）。如果你希望视频里的人物长得都一样，光靠文字很难做到。你可以先用Midjourney或者Stable Diffusion这样的AI绘画工具，生成一张你满意的角色图片。然后把这张图上传到Runway或者Pika里，再配上提示词，让AI基于这张图去生成视频。这样一来，角色的脸和穿着就能基本固定下来，大大提高了视频的一致性。
第四步：把碎片拼成一个完整的故事
AI生成的视频，通常都只有3到4秒。所以你拿到的是一大堆零散的视频片段。下一步，就是要把这些碎片拼起来，变成一个连贯的视频。
这就需要用到剪辑软件了。别一听剪辑就头大，基础的剪辑非常简单，就是剪切和拼接。
- 推荐工具： 如果你是新手，直接用剪映（国内版叫剪映，海外版叫CapCut）。这个软件操作简单，功能也够用。电脑和手机上都能装。微软自己也有一款免费的叫Clipchamp，也可以试试。
- 操作流程：
- 导入素材： 把你用AI生成的所有视频片段，都拖到剪辑软件里。
- 排序： 按照你脚本的顺序，把这些片段在时间线上排列好。
- 粗剪： 把每个片段开头和结尾不想要的部分剪掉。比如有些片段开头画面会抖一下，或者结尾人物动作变形了，果断剪掉。
- 加转场： 为了让镜头切换不那么生硬，可以在两个片段之间加一个简单的“淡入淡出”效果。但别加太多花里胡哨的转场，会显得很乱。
剪辑的核心是“节奏”。有的地方快，有的地方慢，观众看着才舒服。把没用的、不好看的画面都剪掉，只留下最好的部分。一个3分钟的视频，你手上的原始素材可能有十几分钟，这很正常。
第五步：加上声音，让视频活起来
一个没有声音的视频是没有灵魂的。我们需要给它配上旁白和背景音乐。
- 旁白： 你可以自己录。如果觉得自己的声音不好听，或者设备不好，也可以用AI配音。现在有很多不错的AI配音工具，比如ElevenLabs，它的声音听起来比较自然。剪映里面也自带了“文本朗读”功能，有很多音色可以选，非常方便。你只要把脚本里的旁白文字输进去，它就能自动生成音频。
- 背景音乐（BGM）： 音乐能极大地影响视频的氛围。去哪里找音乐？YouTube的音频库里有大量免费、无版权的音乐可以用。根据你视频的调性，是悲伤、是激动还是平静，去搜索对应的关键词就行。
最后一步，是把旁白和背景音乐都拖到剪辑软件的音轨上。注意调整音量。旁白的音量要大一些，背景音乐的音量要小一些，别让音乐把说话的声音盖住了。这是一个很常见的错误。
做好这些，你就可以导出视频了。恭喜你，你的第一个AI视频就这么诞生了。整个流程走下来，你会发现，技术本身并不难，真正花时间的是你的创意、你的脚本，以及你不断“开盲盒”的耐心。AI只是把制作的门槛降低了，但想做好一个东西，花心思是免不了的。
