技能提升网
现在做AI视频，最怕的不是工具难，而是做出来一股浓浓的“塑料味”。画面一动就变形，人物面部像恐怖片，光影假得一眼真。很多人怪AI模型不行，其实是因为你的工作流从头到尾都错了。
今天不扯那些虚头巴脑的概念，咱们直接上硬菜。把怎么用AI做出有电影级质感的视频，拆解成一套从脚本、画面生成到后期剪辑的标准化SOP。
一、 核心工具选型与参数对比
工欲善其事，必先利其器。现在市面上的AI视频工具一抓一大把，但各有所长。你得根据实际需求搭配着用，别指望一个工具包打天下。
| 工具类型 | 推荐软件/平台 | 核心优势 | 致命短板 | 适用场景 |
|---|---|---|---|---|
| 大模型脚本与创意 | ChatGPT / Claude | 逻辑严密、网感好、擅长分镜头拆解 | 无法直接生成视觉画面 | 核心创意、分镜脚本、Prompt撰写 |
| 文生图/垫片生成 | Midjourney v6 / Stable Diffusion | 画面质感极高、光影真实、细节丰富 | 动态控制弱、需要学习成本 | 关键帧（Keyframe）、场景概念设计 |
| 图生视频/文生视频 | Runway Gen-3 / Luma Dream Machine / Sora | 动作幅度大、镜头运镜流畅、物理规律较好 | 偶尔会有面部崩坏、版权限制 | 动态画面、镜头转场、实拍素材生成 |
| 后期剪辑与音效 | Premiere / CapCut (剪映专业版) / ElevenLabs | 工业级剪辑、精准配音、音效对齐 | 纯AI原生生成能力弱 | 最终成片整合、调色、声音合成 |
二、 第一步：用大模型写出工业级分镜脚本
质感不够，脚本来凑。没有好脚本，AI生成的画面就是一堆垃圾素材的堆砌。我们写分镜不能只写“一个美丽的女孩在走路”，这样AI给你的永远是随机盲盒。
你需要给AI限定极其严格的镜头语言、光影和参数。直接把下面这段结构喂给 ChatGPT 或 Claude：
高质感分镜提示词模版（Prompt）：
我需要为一条30秒的科技宣传片写分镜脚本。请帮我把以下主题拆解为5个镜头。每个镜头必须包含：镜头编号、画面景别、运镜方式、主体描述、光影与色调、画面提示词（英文Prompt，包含摄影机型号、光圈、滤镜）。
主题是：未来城市的数据流转。
来看一个标准的分镜输出示范：
•镜头 01
•景别：特写 (Close-up)
•运镜：缓慢推镜头 (Slow Zoom in)
•主体：一只带有赛博朋克风格的义眼，眼球表面正倒映着流动的数据代码。
•光影：冷色调，霓虹蓝与暗夜黑对比，侧光勾勒金属质感。
•英文Prompt：`A close-up shot of a cybernetic human eye reflecting glowing data streams, cinematic lighting, neon blue and dark grey color palette, shot on Arri Alexa Mini LF, 35mm lens, f/1.8, photorealistic, 8k resolution –ar 16:9`
三、 第二步：Midjourney 定制高质感关键帧
视频的“质感”本质上来源于单帧画面的摄影美学。如果直接用文生视频工具，往往画面很糊。稳妥的做法是：先用 Midjourney 生成高质感图片，再放进视频工具里让它动起来。
在 Midjourney 里，控制画面的关键在于摄影参数的叠加。不要吝啬你的专业词汇。
Midjourney 视觉基调提示词（Prompt）：
`[你的核心主体描述], cinematic lighting, shot on 35mm lens, depth of field, film grain, photorealistic, professional color grading, commercial production quality –ar 16:9 –style raw –v 6.0`
实操避坑要点：
1.统一画风（Character/Style Reference）： 如果你要做连贯的视频，必须利用 Midjourney 的 `–sref`（风格参考）和 `–cref`（角色参考）参数。把第一张图的链接复制过去，后续生成的画面才不会出现主角换脸或场景突变的情况。
2.拒绝过度饱和： 画面质感来源于克制的色彩。尽量在提示词里加入 `muted colors`（柔和色彩）或 `desaturated`（低饱和度），少用那些红红绿绿的廉价AI风。
四、 第三步：Runway/Luma 让静态画面“动”起来
有了高质量的起始帧，接下来就是让画面活过来。以目前效果较好的 Runway Gen-3 为例，操作时有几个硬核技巧：
1.垫图输入： 把刚才在 Midjourney 里选好的满意图片上传到视频生成工具作为首帧（Image-to-Video）。
2.运镜控制（Camera Control）：
•运镜速度一定要慢。把镜头移动速度拉到最低，快节奏的运镜会让AI暴露出严重的形变破绽。
•运镜口诀： 远景用摇移（Pan/Tilt），近景用推拉（Zoom in/out），少用无规律的360度旋转。
3.动态提示词（Motion Prompt）：
视频运镜提示词模版：
`The camera slowly pushes forward. Subtle micro-movements of the subject, natural wind blowing hair, realistic physics, high-end commercial video.`
如果生成出来的视频局部出现崩坏（比如多长了一根手指），不要慌，直接用局部重绘（Inpainting）功能涂抹掉崩坏区域，重新生成即可。
五、 第四步：剪辑、音效与色彩微调（最后10%决定成败）
这是最容易和“AI味”划清界限的一步。纯AI生成的视频往往节奏死板、没有呼吸感。你必须拉进剪辑软件（如 Premiere 或剪映专业版）做精细化处理。
1.掐头去尾： AI视频刚开始的2秒往往是画面生成时的“思考期”，动作最不自然；结尾处经常出现突然的抽搐。直接把这两头切掉，只留中间最丝滑的3-4秒。
2.加入胶片颗粒与光效叠加： 在剪辑软件中，给整条视频叠加一层淡淡的胶片颗粒（Film Grain），并适当压暗四角（暗角 Vignette）。这能瞬间消灭AI画面的数码塑料感。
3.音效是灵魂（Sound Design）：
•视觉不够，声音来凑。AI视频必须配上极其精确的拟音（Foley）。
•科技感画面必须加上低沉的环境低音（Sub Bass）、电流声（Glitch Sound）和金属交错音效。
•旁白和配音直接用 ElevenLabs 生成，选择带有呼吸声和情感起伏的英文或中文语音，告别机械播报音。
六、 常见翻车点与排错指南
在实际操作中，你大概率会遇到以下几个经典问题：
•问题一：人物走着走着身体结构变了，衣服变样了。
•解法： 这是扩散模型的通病。减少单段视频的时长，单次生成控制在 4 秒以内。通过多段短素材通过硬切（Hard Cut）或交叉叠化（Cross Dissolve）拼接，而不是靠AI一口气生成10秒。
•问题二：画面整体看起来很脏、很糊。
•解法： 检查你的垫图分辨率。必须先用 Topaz Video AI 或在线工具将图片放大到 2K/4K 分辨率后再输入视频软件，垃圾输入永远只会得到垃圾输出。
•问题三：光影逻辑混乱，光源一会左一会右。
•解法： 在 Midjourney 阶段就要用固定光影词（如 `Rembrandt lighting` 伦勃朗光，或 `single light source from left`），不要让AI自由发挥光源位置。
按照这套工作流走下来：精准脚本定方向 $rightarrow$ 控图软件保质感 $rightarrow$ 局部微调控动态 $rightarrow$ 后期剪辑做包装。做出来的视频自然能把那些盲目点“生成”的同行甩开几个身位。
