技能提升网AI视频制作的流程其实不复杂，主要就分几步：先搞定文案，然后配音，再生成画面，最后把所有东西合在一起剪辑一下。 以前做视频，写稿子、拍摄、剪辑，一套下来花几天是常事。 现在用AI工具，效率高很多。
第一步：准备文案（写稿子）
所有视频都得有个脚本，这是起点。 脚本决定了视频要讲什么故事，画面怎么呈现。
你可以自己写，也可以用AI帮你写。用ChatGPT或者类似的工具，告诉它你想做一个关于什么主题的视频，比如“写一个关于历史上最大海洋生物的YouTube短视频脚本”，它就能给你一个大概的框架。 拿到AI给的初稿后，一定要自己再修改，把它变成你自己的话，让它听起来更自然。
写脚本的时候，尽量用简单直接的句子，一句话只说一件事。 这样后期配音和生成画面会轻松很多。把每一句旁白要配什么画面都想好，写下来。比如，旁白说“巨齿鲨是史前海洋的霸主”，画面就可以标注为“一只巨大的鲨鱼在海洋中捕食”。
第二步：生成配音
稿子写好了，接下来就是把文字变成声音。
如果你不想自己录音，AI配音工具是个不错的选择。 像ElevenLabs、Murf.ai这些工具，提供了很多种声音选择，男声、女声、不同口音和情绪都有。 你只要把写好的文案复制粘贴进去，选择一个你喜欢的声音，AI就能生成听起来很自然的旁白。
选择声音时，要考虑视频的整体风格。比如，科普视频可能需要一个听起来专业、沉稳的声音；故事类视频则需要一个更有感情、更生动的声音。 生成音频后，听一遍，看看有没有读错的词或者不自然的停顿，及时修改。
第三步：生成视频画面
这是整个流程里最有意思的部分，就是把文字脚本变成动态画面。主要有两种做法：一种是用数字人（AI Avatar），另一种是直接用AI生成视频片段。
- 做法一：用数字人
如果你想做一个有人讲解的视频，但又不想自己出镜，那就可以用AI数字人。 像Synthesia或者HeyGen这类平台，里面有很多现成的数字人形象供你选择。
流程很简单：
1. 选一个你喜欢的数字人形象。
2. 把你写好的脚本输进去。
3. 选择配音的语言和声音。
4. 平台会自动生成一个数字人对着镜头说话的视频，口型也能对得上。
你还可以上传自己的照片，生成一个和你很像的数字人，让AI用你的形象和声音来讲话。
- 做法二：文生视频或图生视频
如果你的视频不需要讲解员，而是更侧重于画面故事，比如电影感的短片或产品展示，那就可以用文生视频（Text-to-Video）或图生视频（Image-to-Video）工具。
现在比较主流的工具有Runway、Pika、Google Veo和Sora等。
具体操作是这样的：
1. 写提示词（Prompt）：根据你的脚本，为每个镜头写一段详细的画面描述。 比如，你想生成一个“一个女人穿着红色长裙在海边奔跑”的镜头，你的提示词就要写清楚主体（女人）、动作（奔跑）、场景（海边）和风格（比如电影感、慢镜头）。 提示词越具体，生成的效果越好。
2. 生成视频片段：把提示词输入到AI视频生成工具里，AI就会给你生成一段几秒钟的短视频。 大多数工具一次只能生成3到8秒的视频。
3. 保持画面一致性：制作一个完整的视频需要很多个片段，最大的挑战就是让不同片段里的主角和场景看起来是同一个人、同一个地方。 一个技巧是先用Midjourney这类AI绘画工具生成一张关键角色的图片，然后把这张图作为参考，让AI视频工具在此基础上生成动态视频，这样能更好地保持角色的一致性。
除了上面说的，还有一种常见的做法是生成一些补充画面，也叫B-roll。 比如主画面是人物访谈，中间可以穿插一些和访谈内容相关的空镜，像森林、城市街道等，这样能让视频内容更丰富。 有些AI工具能根据你的主视频自动帮你生成和添加这些补充画面。
第四步：剪辑和整合
现在你手里有了配音和所有的视频片段，最后一步就是把它们拼起来。
你可以用剪映（CapCut）、Adobe Premiere Pro或者其他任何你习惯的视频剪辑软件。
把所有视频素材和配音文件都导入到剪辑软件里。 按照脚本的顺序，把视频片段和对应的配音对齐。 调整每个片段的时长，让视频的节奏更舒服。在片段之间可以加一些转场效果，让画面过渡更自然。
最后，别忘了配上背景音乐和音效。合适的音乐能极大地影响视频的氛围。 所有东西都调整好之后，就可以导出一个完整的视频文件了。
