企业官网建设流程全解析

最近半年，身边越来越多朋友开始做 AI 视频，有人用 AI 做古风短剧，有人做动物拟人动画，还有人在做产品宣传片。但大多数新手刚开始接触 AI 视频时，都会遇到同样的问题：网上教程非常多，但基本都是碎片化的，今天讲提示词，明天讲绘图工具，后天讲剪辑，真正能一条线走通“从文案到成片”的教程很少。结果就是看完了一堆教程，自己动手时还是不知道从哪一步开始。

这篇文章正好解决这个问题。我会以一条完整的 AI 短剧创作流程为主线，从前期构思、分镜脚本，到 AI 绘画生成画面、图生视频让画面动起来，再到配音配乐和剪辑成片，把每个环节需要用到的工具、提示词写法、参数设置和常见坑点都拆开讲清楚。零基础的新手可以按照步骤一步步操作，有视频剪辑经验的人也可以直接查阅提示词模板和工作流参数。

需要说明的是：AI 视频生成工具迭代非常快，不同平台的界面和参数可能每个月都在变。本文不会把某个工具的版本号写死，而是重点讲清楚底层逻辑和通用方法。你只要掌握这套方法论，无论工具怎么更新，都能快速迁移。

1. AI 视频创作到底是什么，为什么现在值得学

1.1 从概念说起：AI 视频创作的核心逻辑

AI 视频创作，通俗地说，就是用人工智能工具辅助甚至自动完成视频的制作过程。传统的视频制作流程是：写脚本 -> 实景拍摄 -> 后期剪辑。这个流程依赖摄影师、演员、灯光、场地、器材，成本高、周期长。而 AI 视频创作的流程变成了：写文案 -> AI 生成分镜画面 -> AI 让画面动起来 -> 剪辑配音配乐。

这里最关键的一点是：AI 不是替代你的创意，而是替代“执行层”的工作。你仍然是导演、编剧和剪辑师，只是原本需要扛摄影机、布光、找场地的环节，现在变成了写提示词、调参数。

1.2 AI 视频的主要应用场景

目前 AI 视频比较成熟的落地场景主要有这么几类：

1.3 零基础入门的三个现实优势

第一，工具门槛在降低。现在很多 AI 视频工具都是网页版或客户端，不需要写代码，也不需要高配显卡就能用。第二，AI 绘画和视频生成的质量已经进入到“可商用”的临界点，只要提示词控制得好，画面质感已经接近实拍或传统三维渲染。第三，AI 短剧的商业化路径已经跑通，平台分成、广告植入、账号运营都有真实案例。

但也要有心理预期：AI 视频并非“输入一句话自动生成一部剧”。它需要你做剧本拆解、分镜设计、提示词调试、素材筛选、剪辑节奏把控。这些能力是可以逐步积累的，而且一旦掌握，它带来的效率提升非常明显。

2. 环境准备与工具选型：一条完整的 AI 视频生产线

2.1 工具矩阵：每个环节选什么工具

做 AI 视频，不需要在一棵树上吊死。合理的做法是按“脚本 - 绘画 - 视频 - 剪辑”四个环节，分别选择趁手的工具。下面是我目前测试下来比较顺手的组合，你可以根据自己的设备和预算调整：

这里要提醒一点：有些工具需要特定网络环境，这一点请自行理解，本文不展开。国内平台的好处是上手快、生态完整，但精细控制能力相对弱一些；Stable Diffusion 系的好处是开源、可控性强，但需要安装配置，对电脑配置有一定要求。

2.2 电脑配置与运行环境

如果你只在国内在线平台操作，那么一台普通能上网的电脑就够用，对显卡没有硬性要求。但如果你打算本地部署 Stable Diffusion 或 ComfyUI，建议参考以下配置：

• 操作系统：Windows 10/11 或 Ubuntu 20.04 以上
• 内存：16GB 起步，32GB 更稳
• 显卡：NVIDIA 显卡，显存 8GB 以上（推荐 12GB 或更高）
• 硬盘：SSD，预留至少 50GB 空间
• Python：3.10.x（本地部署时用，WebUI 通常自带环境）

版本这块不要照搬，因为 AI 绘画项目更新极快，建议去对应开源项目的 GitHub 仓库查看最新的环境要求。

2.3 素材规范：提前定好，效率翻倍

在正式开始创作之前，建议先统一素材规范，避免后面出图比例、时长、分辨率对不上，返工成本很高。

一个比较通用的规范如下：

• 画面比例：竖屏 9:16（1080x1920），适合抖音、快手、视频号；横屏 16:9（1920x1080），适合 B 站、西瓜。
• 出图分辨率：建议按最终视频的 1 倍或 2 倍生成，竖屏建议 1080x1920。
• 视频片段时长：单段图生视频建议 5 秒左右，便于后期剪辑组接。
• 文件命名：按“集数_场次_镜头号_画面描述”命名，例如S01E03_02_01_女主转身.png。

3. AI 视频提示词工程：让 AI 听懂你的画面要求

3.1 提示词的基本结构

很多人第一次用 AI 绘画或 AI 视频工具时，只会输入“一个女孩在森林里走路”，结果出图效果非常随机，原因在于提示词缺少结构化表达。经过大量实践，我总结了下面这套提示词结构：

主体描述 + 环境场景 + 光影氛围 + 镜头语言 + 风格介质 + 画质关键词

六个要素各司其职：

• 主体描述：画面主角是谁？什么长相、穿着、动作？这是提示词的核心。
• 环境场景：地点在哪里？背景有什么元素？
• 光影氛围：是清晨还是黄昏？是逆光还是顺光？情绪是温暖还是阴郁？
• 镜头语言：是特写、中景、全景？是推镜头还是摇镜头？
• 风格介质：是古风国漫、赛博朋克、写实真人、还是 3D 渲染？
• 画质关键词：常见的有 8K、ultra-detailed、masterpiece、best quality 等。

下面是一个正向提示词示例：

古风年轻女子，面容清秀，身穿月白色长裙，发髻精致，站在烟雨朦胧的江南水乡石桥上，手持油纸伞，回眸浅笑。黄昏暖光，细雨绵绵，背景是白墙黛瓦，水面有倒影。中景，平视视角，浅景深。唯美古风国漫风格，工笔质感。8K，超高清细节，电影级光影。

3.2 负向提示词：告诉 AI 不要画什么

负向提示词往往比正向提示词更重要。AI 出图容易出现畸形手指、多余肢体、水印、糊脸等问题，通过负向提示词可以大幅降低概率。

低分辨率，模糊，变形的手，多手指，缺手指，肢体比例错误，脸部扭曲，水印，文字，logo，多余的肢体，画质差，噪点，饱和度异常。

在大部分 WebUI 工具里，正向提示词和负向提示词是分开填写的。如果你用的是国内在线平台，它们通常会自动带一套默认负向提示词，新手阶段可以不用自己写。

3.3 图生视频提示词与文生视频提示词的区别

很多新手容易混淆文生图和图生视频的提示词。文生图，AI 是从无到有画一张图；而图生视频，是让一张已有的图产生运动，AI 需要知道的是“画面里什么东西在动、怎么动、镜头怎么动”，而不是重新描述一遍画面里有什么。

所以图生视频的提示词要聚焦在“运动”上：

镜头缓慢推进，女子发丝和裙摆随风轻柔飘动，雨丝下落，水面泛起涟漪，她缓缓转头，嘴角微微上扬。

这个提示词里所有描述都是“动态”的，这是图生视频和文生图提示词最大的差异。如果你把静态描述原封不动地拿去做图生视频，AI 往往会因为不知道该动哪里，而生成一个几乎不动的静帧视频。

3.4 提示词模板：拿来就用的短剧分镜提示词

下面是一段适用于古风短剧的“分镜提示词包”，包含 5 个连续镜头，你可以直接复制到不同的生成任务里：

镜头1：古风男子一袭黑色劲装，站在悬崖边，风吹起衣角和发丝，眼神坚毅看向远方。阴天，山雾缭绕，冷色调。远景，无人机航拍视角，宏大苍凉。写实古装剧风格，电影感。 镜头2：男子面部特写，泪痕未干，眼神从悲痛转为决然，嘴唇微抿。窗外微弱烛光映在脸上，明暗对比强烈。浅景深，侧面光。写实电影风格，皮肤质感真实。 镜头3：女子在雨中奔跑，长裙湿透，脚下溅起水花，回头看向身后，惊慌与期盼交织。街道灯火通明，雨丝在灯光下闪烁。中景跟拍，动态模糊，手持镜头感。 镜头4：两人在庭院中对视，距离三步，风吹落白色花瓣，两人都没说话。午后阳光透过树叶洒落，光斑晃动。全景固定机位，构图对称，情绪克制。 镜头5：画面切到一只落在桌案上的玉佩，一只手缓缓拿起玉佩，指节泛白。暖光烛光，特写，极浅景深，镜头缓慢推近。

这套提示词已经按“分镜”拆分好了，每句提示词都包含主体、动作、环境、光影、镜头、风格。你可以直接用它测试你手上的 AI 工具，看看效果，然后再改成自己的故事。

3.5 提示词调优与批量测试方法

写提示词不是一次就能成功的。我的经验是，先写一版完整提示词，跑出一批图后，再逐个删减或调整关键词，看哪个词对画面影响最大。

具体操作可以按这个流程来：

1. 固定基础提示词，比如“古风女子，江南水乡，唯美风格”。
2. 每次只调整一个变量，比如光影从“黄昏”改为“清晨”，其他不变。
3. 对比输出图，记录哪个关键词带来了你想要的风格。
4. 形成几个“风格锚点词”，之后所有同类画面都复用它。

这个方法也叫“单变量测试法”。它看起来简单，但能让你的提示词水平在短时间内明显提升，而不是每次都靠碰运气。

4. AI 绘画实战：从文字到高质量分镜底图

4.1 文生图的主要模式与参数

打开任意一个 AI 绘画工具后，你通常需要设置以下参数：

• 宽高比：短剧竖屏选 9:16，横屏选 16:9。
• 采样步数（Steps）：20-30 是常见区间，步数越高细节越多，但过高反而不会有明显提升，还会拖慢速度。
• 提示词引导系数（CFG Scale）：一般 5-9。数值越高，画面越贴合提示词，但太高会过曝或锐化过度。
• 生成数量：建议一次生成 4 张，方便挑选。

以 Stable Diffusion WebUI 为例，界面上的参数配置大致如下：

正向提示词：古风女子，江南水乡，黄昏暖光，中景，唯美古风，电影级光影，8K 负向提示词：低分辨率，模糊，变形的手，多手指，脸部扭曲，水印 采样步数：28 宽高比：832x1216（约 2:3，竖屏） 提示词引导系数：7 随机种子：-1（每次生成不同结果）

如果你用的是国内在线平台，参数会简化很多，往往只需要选择图片比例和风格模型，生成逻辑是类似的。

4.2 人物一致性：AI 短剧绕不开的核心难题

做 AI 短剧与做单张 AI 绘画最大的区别在于：故事需要一个长相稳定、服装统一、气质一致的主角。如果男主角每换一个镜头就换了一张脸，观众立刻出戏。

解决人物一致性的常见方法有四种：

1. 固定种子（Seed）

在同一个工具里生成图片时，固定随机种子并复用同一组提示词，可以保持画面风格和人物基本特征稳定。这个方法实施起来最简单，但跨场景后效果不稳定。

2. 垫图 / 参考图模式

国内在线平台（即梦、可灵等）普遍支持上传参考图。你先生成一张满意的主角正脸图，之后每个分镜都上传这张图作为参考，让 AI 保持人物特征。适合新手，也是目前效率最高的方案。

3. ControlNet

Stable Diffusion 高级玩法。通过 OpenPose、Canny、Depth 等预处理器控制人物姿态、轮廓、景深，实现更强的结构控制。学习成本较高，但可控性最好。

4. LoRA 模型训练

在本地 Stable Diffusion 环境中，用几十张同一角色的图片训练一个小型 LoRA 模型。训练完成后，生成该角色只需调用这个 LoRA，效果最稳定，但需要时间成本和显卡资源。

对零基础新手，建议先用“固定种子+参考图”方案，成本低、见效快。等后面要系统做多集短剧时，再考虑 LoRA 训练。

4.3 人物三视图与角色设定图

如果你想做一个连载短剧，强烈建议先做一张角色设定图。角色设定图通常包含人物的正面、侧面、背面三个角度，以及服装细节、道具特征。这样后续每一个分镜都可以参考这张图生成，保证人物不会“变形”。

人物三视图提示词参考：

古风女子角色设定图，三个视角（正面、侧面、背面），全身像，浅灰色干净背景，站立姿态，身着月白色长裙，头戴简单玉簪，腰间挂一枚青玉佩。角色设计规范，游戏原画风格，细节清晰，人物表情温和，纯色背景，网格参考，工业设计展示图风格。

生成这类图时，建议使用偏“角色设计”风格的模型，比如二次元或半写实模型，比直接写实更容易控制一致性。

4.4 出图后的筛选与抠图处理

AI 批量出图后，不能直接全部扔进视频工具。你需要做一轮筛选和基础处理：

1. 筛选五官、手部、肢体都没有明显的畸变的图。
2. 统一画面明暗和色调，避免相邻分镜差距过大。
3. 如果画面中有多余元素，可以用修图工具（PS、美图秀秀、稿定等）做简单修复。
4. 把每张分镜图按镜头顺序编号，方便图生视频时调用。

5. 图生视频实战：让静态分镜真正动起来

5.1 什么是图生视频，它的原理是什么

图生视频，简单来说，是上传一张图片作为起始帧，AI 根据你的运动提示词生成一段连续运动画面。当前主流工具还支持上传首帧、尾帧，AI 会填补中间的运动过程。

理解这个原理后，你就明白为什么图生视频的提示词要重点写“运动”：因为画面中哪些元素动、怎么动、镜头怎么动，这些信息是 AI 生成运动的关键。静态描述在视频模型里参考价值不大。

5.2 图生视频的基本操作流程

以目前主流平台的操作逻辑为例，流程通常是：

1. 选择“图生视频”功能。
2. 上传一张分镜底图。
3. 填写运动提示词，描述画面中的动作和镜头运动。
4. 设置运动幅度、画面比例、时长等参数。
5. 点击生成，等待视频渲染。

图生视频的运动提示词，建议单独写，越具体越好。一个“所有东西都在动”的提示词，往往等于没有提示词。

5.3 图生视频运动提示词示例

下面这条提示词适合古风画面，你可以在你自己工具里试一下：

镜头从男子背影缓慢推近，衣袍被风吹起，发丝轻轻飘动，云雾在群山中缓缓流动，画面氛围静谧而深沉。人物表情保持沉静，只有细微的眼部变化，整体运动舒缓，电影级运镜。

适合产品展示的提示词则完全不一样：

产品放置在旋转展示台上，逆时针缓慢旋转，背景光斑流动，微距镜头，产品表面光泽随角度变化，金属质感明显，浅景深。

你会发现，图生视频提示词写得好不好，关键看你能不能区分“主体运动”和“镜头运动”，并且把动作节奏说清楚。

5.4 运动幅度与控制参数

大多数图生视频工具中有一个“运动幅度”或“运动强度”参数。这个参数直接决定画面变化幅度：

• 运动幅度低（0-3）：适合人物表情、风吹发丝、细微的眼神变化。
• 运动幅度中（4-6）：适合行走、转身、轻微动作。
• 运动幅度高（7-10）：适合奔跑、打斗、大范围镜头运动，但画面变形的风险也会大幅提升。

新手建议从低运动幅度开始。低幅度即使翻车，画面也不至于完全没法用；幅度太高，人物脸部经常会产生严重形变，等于白做。

5.5 ComfyUI 图生视频进阶说明

对于有本地部署需求的开发者，目前开源社区里比较常见的是 ComfyUI 配合视频生成模型节点来做图生视频。这套方案的好处是完全没有平台限制，可以精细控制运动幅度、关键帧和输出格式，但配置过程相对繁琐，需要拉取多个模型和插件。

典型的 ComfyUI 图生视频工作流节点序列为：

加载模型 -> 编码参考图 -> 设置文本提示词 -> 设置视频长度与帧率 -> 设置运动参数 -> 批量生成 -> 解码输出视频

注意，ComfyUI 的插件生态更新非常快，不同版本的节点名称可能发生变化。如果你在配置时遇到报错，优先检查节点版本的兼容性。这里不给出具体模型名称，是因为视频生成模型迭代速度太快，写几个月前的模型名称很可能误导读者，建议按你当前使用的社区教程为准。

6. 视听语言与分镜设计：让 AI 短剧不再是“图片轮播”

6.1 为什么需要懂一点视听语言

很多新手做出来的 AI 短剧，画面单看很精美，连起来看却像幻灯片。原因就是缺少视听语言思维。视听语言是视频创作的基本语法，它决定了观众如何理解画面、感受节奏。

对于 AI 短剧创作，最核心的三个概念是：景别、角度、运动。

6.2 常用景别与情绪效果

AI 短剧常见错误是全程使用中景或近景，画面没有层次。建议在单元镜头里，至少交替安排 3 种景别，让视觉有变化。

6.3 镜头角度与运镜提示词

镜头角度能影响观众对角色的判断。俯拍会削弱角色的力量感，仰拍会增强角色的威压感，平视则产生平等代入感。在提示词里可以明确写：

• 俯拍：high angle shot，top-down view
• 仰拍：low angle shot，from below
• 平视：eye-level shot

运镜的提示词同样可以在 AI 工具里使用：

• 推镜头：camera slowly pushes in
• 拉镜头：camera slowly pulls out
• 摇镜头：camera pans left/right
• 移镜头：camera moves sideways
• 跟拍：camera follows character
• 环绕：camera orbits around character

6.4 AI 短剧分镜脚本模板

开始制作前，强烈建议用表格做一份分镜脚本。下面是一个可直接复制的模板：

这一份表格做完后，后续的 AI 绘画、图生视频、剪辑全部以它为依据，你会有一种“心里有底”的感觉，而不是想到哪做到哪。

7. 剪辑成片：配音、配乐、字幕与导出

7.1 素材整理与命名

剪辑的第一步不是打开剪辑软件，而是整理素材。建议像下面这样组织文件夹结构：

project/ ├── 00_script/ # 分镜脚本、剧情文案 ├── 01_storyboard/ # 分镜图文件 ├── 02_video_clips/ # 图生视频生成的分段视频 ├── 03_audio/ # 配音、BGM、音效 ├── 04_output/ # 最终导出视频 └── 05_reference/ # 参考视频、风格参考图

用剪映为例，把图生视频生成的分段素材按分镜顺序拖入轨道，再做粗剪。

7.2 粗剪与精剪的核心思路

粗剪阶段，只做一件事：把每个镜头的“可用区间”找出来。AI 生成的视频片段，开头和结尾很容易出现画面变化不自然的情况，尤其是人物脸部形变，一般发生在运动幅度较大的中间帧。所以粗剪时要把每个片段掐头去尾，只保留画面稳定的部分。

精剪阶段，重点控制节奏。一个普遍规律是：叙事镜头可以适当短一些，情绪镜头要留足。比如人物惊讶的表情，2 秒就够；两个人沉默对视，至少留 4 到 5 秒，情绪才出得来。

7.3 配音与配乐

AI 短剧的配音有两种方式：真人配音和 AI 配音。

• 真人配音：用手机或麦克风录制，感情最自然，推荐优先使用。
• AI 配音：用剪映自带的文本朗读、各类 TTS 工具生成，适合批量制作和预算有限的项目。

配乐方面，短视频平台的版权音乐需要谨慎，尽量使用平台提供的可商用音乐库，避免侵权。在剪映中，只需要把音乐素材拖入音轨，根据高潮点做淡入淡出。

7.4 字幕与导出设置

字幕要清晰，建议使用醒目的字体，但不要遮挡关键画面信息。剪映支持自动识别字幕，AI 短剧由于台词通常不多，识别后手动改一下错别字即可。

导出时，如果发布到抖音、快手，推荐以下设置：

分辨率：1080x1920 帧率：30fps 格式：MP4 (H.264) 码率：更高质量（文件较大但画质好）

如果你用的是 Premiere，可以在导出窗口选择“匹配源”或“自定义”，手动输入以上参数。

8. 常见问题与排查思路

AI 视频创作过程中，几乎每个人都会遇到下面这些问题。这里汇总成一张排查表，方便你按图索骥。

9. 工程化与合规：从玩一玩到稳定产出的关键

9.1 版权与素材合规

AI 生成内容目前存在版权边界争议，不同平台和国家的规定也不同。作为创作者，有几个基本底线必须守住：

• 不使用有版权争议的画作、图片、角色形象作为垫图。
• 不搬运、不模仿他人原创短剧的完整分镜和脚本。
• 发布平台已明确要求标注 AI 生成内容的，务必如实标注。
• 商业项目需要确认你使用的 AI 工具服务条款是否允许商用。

9.2 内容安全底线

技术本身没有立场，但创作者有责任。请避免使用 AI 视频生成低俗、暴力、侵权、误导性内容。很多平台对 AI 生成内容的审核越来越严格，不要为了一时流量去踩红线。这里特别提醒：网络上有大量号称“无限制”“无审核”的工具或提示词包，这些背后通常存在违规素材来源、账号安全和法律风险，不建议碰。

9.3 项目化管理与模板沉淀

当你从随机创作进入稳定更新阶段，建议建立自己的“素材银行”和“提示词模板库”。

我的做法是维护一个 AI 视频项目清单，用表格记录每个项目的核心信息：

这样做有两个好处：一是方便复盘，不同类型的项目时间成本和效果一目了然；二是沉淀下来之后，下一部剧可以直接复用上一部剧的风格锚点词和人物设定模板，制作效率会成倍提升。

9.4 成本控制与效率建议

AI 视频真正的成本不只是工具会员费，更多是你的调试时间。建议大批量生成前用低价或免费模式测试提示词，确定风格后再用最高质量参数生成最终分镜。另外，同一张优质分镜图可以多次用于图生视频，尝试不同的运动角度，不要每次都重新生成底图。

10. 从单条爆款到长期更新的进阶路线

当你已经能独立完成一条完整的 AI 短剧后，下一步的成长方向有三条路：

第一条路是“单镜头 -> 多镜头 -> 系列短剧”。先把一个镜头做到极致，再挑战一段完整的情绪戏，最后再规划多集连载的剧情。不要一上来就做 10 集短剧，很容易因为工作量爆炸而放弃。

第二条路是“单一风格 -> 多风格切换”。先吃透一种风格，比如古风唯美，再尝试赛博朋克、治愈系、暗黑系。每种风格都需要不同的画面关键词、提示词结构和配音配乐逻辑，掌握越多风格，接单和变现的能力越强。

第三条路是“纯 AI 生成 -> AI + 实拍结合”。把 AI 生成的特效场景、虚拟人物与实拍镜头结合，这也是目前广告和影视行业正在尝试的方向。如果你能掌握把 AI 画面与实拍素材在色调、光照、构图上统一的方法，职业竞争力会非常明显。

最后给新手一个实际建议：不要等到把所有工具都研究透了再动手。AI 视频这个领域，工具永远在变，只有动手做过的东西才是你自己的。先用你手头最容易上手的工具，按照本文的流程做一条 30 秒的小短片，然后把它发到社交平台，让真实的反馈告诉你下一步该优化什么。

记住，AI 视频创作的竞争力不在于你用了多贵的工具，而在于你有没有把创意、提示词、画面、节奏和声音完整地组织成一个让人愿意看完的作品。这一点，和传统的视频创作本质上是一样的。