企业官网建设流程全解析

现在聊 AI 视频，最扎心的不是“能不能生成”，而是“一眼假”。人物面无表情、光线像室内日光灯、镜头永远一个机位、角色换个镜头就换脸，观众三秒就划走。这次我们不聊概念，直接拆一套从分镜脚本到提示词模板、再到后期成片的 AI 短片搭建流程，重点解决 AI 视频最常见的“塑料感”问题，让画面往电影质感靠一步。

本文核心包括几个部分：先说清楚 AI 塑料感到底是哪里来的，然后给出完整工具链和工作流，再贴上可直接改用的构图、光影、运镜提示词模板，最后补上批量出片的工程化思路和常见问题排查。无论你是刚开始接触 AI 视频的新手，还是已经在用可灵、即梦、Runway 但效果不稳定的老手，这篇都可以直接收藏当操作手册。

1. 核心能力速览

这里先给一个结论：AI 短片能不能出效果，关键不在模型有多强，而在你的导演思维和提示词设计。同一个模型，有人生成的是“PPT 动态图”，有人生成的是“电影片段”，差别就在这。

2. AI 短片的“塑料感”从哪里来

很多同学出现 AI 塑料感，第一反应是换更强的模型，但多数时候问题不在模型，而在输入。

2.1 三个最常见的塑料感来源

第一，没有镜头语言。AI 只会根据提示词生成画面，如果你只写“一个人在街上走”，生成结果就是平铺直叙的记录镜头。电影感来自景别变化、机位高度、镜头运动，这些信息你不写，AI 不会自己补。

第二，没有光线逻辑。真实电影中的每一束光都有来源、方向和色温。AI 默认生成的光线往往偏“干净”，干净到不真实。阴影消失、高光过曝、物体表面没有层次，这就是塑料感最直接的表现。

第三，没有细节层次。电影画面的质感来自前景、中景、背景的层次关系，以及服装、皮肤、纹理的细节。AI 生成的画面如果所有元素都清晰锐利，没有景深、没有颗粒感、没有环境遮挡，就会显得像 3D 渲染的廉价动画。

2.2 解决塑料感的三大原则

风格先行。生成前先规定画面的色彩基调、光影风格、胶片质感。比如“具电影感，低饱和色调，黄昏暖光，浅景深背景虚化”，而不是让 AI 自由发挥。

镜头具象化。把“镜头缓慢推进”这类描述写进提示词，让画面有运动逻辑。AI 视频生成中，运镜提示词是决定动态质感的关键。

人物一致性优先。短片最怕角色换脸。前期就要用固定角色参考图、统一描述词、同风格迁移等方式锁定角色相貌，避免中期出现“换人”尴尬。

3. 环境准备与工具链

AI 短片的工具链可以分为云端方案和本地方案两条路。两条路不冲突，可以混合使用。

3.1 云端工具：低门槛快速出片

云端工具的代表有可灵、即梦、Runway、Luma、Pika 等。这类工具最大的优势是无需高性能显卡，浏览器打开就能用，对新手非常友好。适合前期的分镜验证、风格测试和快速出片。

其中可灵和即梦对中文提示词支持较好，适合国内创作者；Runway 和 Luma 在运镜控制和画面质感上也有各自的特点，实际选择时可以按同一段分镜逐个测试，看哪家输出更稳。

3.2 本地部署：可控性更强

如果需要大规模批量出片、精细化调参，或者不想受云端额度限制，可以考虑本地部署方案。主流路径是 ComfyUI + 视频生成模型，配合 LoRA 实现风格控制和角色一致性。

本地部署需要准备：

没有一台具体设备能适配所有模型，更稳妥的做法是先确认你要跑的模型，再对照模型主页的硬件要求准备设备。

3.3 素材与目录准备

无论是云端还是本地，正式创作前都建议建立一套素材目录：

project/ ├── script/ # 脚本与分镜文案 ├── reference/ # 角色参考图、风格参考图 ├── prompts/ # 提示词模板库 ├── inputs/ # 待生成的素材文件 └── outputs/ # 成片与中间产物

这样做的目的是让每个镜头可追溯。AI 生成充满随机性，如果素材和提示词混乱存放，后期几乎无法复现效果。

4. 从 0 到 1 的 AI 短片完整工作流

4.1 定方向：先有导演思维，再写提示词

开始写脚本之前，先明确这几个问题：

• 片子想传达什么情绪？
• 主角是谁，长什么样，穿什么衣服？
• 发生在什么时间、什么地点、什么天气？
• 整体色调是冷还是暖？是纪实还是梦幻？
• 最后成片大概多长？

这些问题直接决定后续所有提示词的方向。一个反例是，很多人一上来就直接写“生成一个美女在雨中走”，结果画面漂亮但毫无内容，观众看完记不住。电影感的本质是“有目的的画面”，不是“好看的单帧”。

4.2 脚本与分镜拆解

拿到脚本之后，不要直接生成视频，先把脚本拆成分镜表。一个 30 秒的短片，通常需要 8 到 12 个镜头。每个镜头要定义清楚：

分镜表是整个创作过程的“剧本”。所有提示词、参考图、生成参数都应围绕分镜表展开。

4.3 角色一致性方案

短片最怕角色不稳定。解决方案有三种：

第一，固定角色描述词。整部片子使用同一段角色描述，并且放在提示词开头，例如“一个 30 岁亚洲男性，短黑发，穿深灰色风衣”。注意描述词要保持完全一致，不能这个镜头穿风衣，下一个镜头变成夹克。

第二，使用参考图。也就是图生视频，上传角色参考图，让 AI 在生成动态视频时保持人物五官、服装和体型的一致。这比纯文字描述稳定得多。

第三，使用 LoRA 微调。如果生产频率很高且角色固定，可以训练角色 LoRA，把人物特征固化到模型里。这个方案工作量最大，但对批量生产和多镜头叙事最友好。

4.4 分镜生成

每个分镜按“构图提示词 + 光影提示词 + 运镜提示词 + 质量词 + 负面词”的结构填写提示词。生成时先以文生图或图生图方式确认关键帧，满意后再进行图生视频。

这里有一个重要技巧：先保证单帧画面达到电影级，再生成视频。如果静态图就充满 AI 感，动态生成后只会更明显。

4.5 后期合成

视频片段生成完之后，进入剪辑软件做二次加工。主要工作包括：

• 配乐和音效，声音是电影感的一半
• 色彩统一，用 LUT 或调色工具给所有镜头统一色调
• 剪辑节奏，按景别和情绪调整镜头顺序
• 字幕与转场，不要过度使用花哨转场

后期的作用是把多个 AI 片段的“割裂感”抹掉，让它们看起来像同一部短片中截出来的素材。

5. 电影级 AI 视频提示词模板库

这部分是重点。以下提示词可以直接复制到生成工具中，也可以根据自己的画面需求替换括号内的内容。

5.1 构图提示词模板

构图决定了画面的空间结构和视觉重点。AI 视频中，构图信息要尽量写得具体。

基础版构图提示词：

cinematic composition, rule of thirds, subject positioned on the right third, negative space on the left, deep depth of field, film still

中文版构图提示词：

电影感构图，三分法构图，主体位于画面右侧三分之一处， 左侧留白，景深适中，电影定格画面

进阶版构图提示词：

extreme wide shot, aerial view, city skyline at night, tiny human figure standing on rooftop, dramatic sky, strong perspective, cinematic composition

中文进阶版：

超大远景，俯瞰视角，夜晚城市天际线，渺小的人影站在屋顶， 戏剧性天空，强烈透视感，电影级构图

构图提示词的核心是“把自己当成摄影师”，把机位、景别、主体位置、留白关系全部交代清楚。

5.2 光影提示词模板

光影是告别 AI 塑料感最有效的手段。AI 默认生成的画面往往光线均匀，而电影画面恰恰拒绝均匀。

黄昏逆光模板：

golden hour, warm backlight, rim light on the subject's hair and shoulders, long shadows, low sun, cinematic lighting, film emulation

中文黄昏逆光模板：

黄金时刻，温暖逆光，人物头发和肩膀有轮廓光，长阴影， 低角度太阳，电影级布光，胶片模拟

室内氛围光模板：

low-key lighting, single warm light source from the left, deep shadows on the right side of the face, moody atmosphere, cinematic light and shadow, film noir style

中文室内氛围光模板：

低调布光，单一暖光源从左侧打来，人物面部右侧有深阴影， 情绪化氛围，电影级光影，黑色电影风格

文艺自然光模板：

soft diffused daylight, overcast sky, muted colors, gentle shadows, natural window light, realistic skin texture, cinematic tone

中文文艺自然光模板：

柔和的散射日光，阴天，低饱和色彩，轻阴影， 自然窗户光，真实皮肤质感，电影色调

用光影提示词时，尽量给出“光源位置 + 光线方向 + 阴影状态 + 色彩倾向”，这套组合比单独写“光效好”有效得多。

5.3 运镜提示词模板

运镜是 AI 视频和 AI 图片最大的区别。视频生成中运镜描述写得好不好，直接决定画面动态是不是有“电影感”。

推镜头模板：

slow push-in towards the subject's face, camera moving forward, increasing tension, smooth motion, cinematic dolly shot

中文推镜头模板：

镜头缓慢推近人物面部，摄像机向前移动， 紧张感逐渐加强，运动平滑，电影级推轨镜头

拉镜头模板：

slow pull-back revealing the full scene, camera moving backward, from close-up to wide shot, steady and smooth, cinematic crane shot

中文拉镜头模板：

镜头缓慢拉远，从特写逐渐展现完整场景， 摄像机动向后方，平稳顺滑，电影级摇臂镜头

环绕镜头模板：

orbiting camera movement around the character, 360 degree rotation, dynamic angle, cinematic tracking shot

中文环绕镜头模板：

镜头环绕角色运动，360度旋转视角， 动态角度，电影级跟拍镜头

如果运镜描述写得太抽象，AI 可能直接生成静止画面或乱晃画面。建议把“速度 + 方向 + 幅度”写清楚，例如“非常缓慢地从左向右平移”。

5.4 完整示例：一个镜头的提示词组合

把构图、光影、运镜、质量词组合在一起，就是一个完整可用的分镜提示词。

一位30岁亚洲女性，黑色长发，穿米色风衣， 站在潮湿的城市街头，霓虹灯倒映在水洼中， 构图采用三分法，主体居中偏右，背景虚化， 夜色蓝调，霓虹灯暖冷对撞，雨丝可见， 镜头缓慢从她的侧面推近至面部特写， 电影感画质，胶片颗粒，浅景深，电影级色彩分级

这段提示词对应一个镜头：夜晚街头、人物特写、推镜头。其中包含角色描述、环境描述、灯光描述、构图描述、运镜描述、画质描述，基本覆盖了 AI 视频生成需要的全部关键信息。

5.5 负面提示词模板

很多时候，负面提示词比正面提示词更能稳定输出质量。建议加入以下内容：

low quality, blurry, distorted face, extra fingers, deformed hands, oversaturated colors, plastic skin, flat lighting, amateur video, watermark, text, logo, jpeg artifacts

中文版负面提示词：

低质量，模糊，面部扭曲，多余手指，畸形手， 过饱和颜色，塑料皮肤，扁平光线，业余视频，水印，文字，标志，图像压缩痕迹

注意以上内容写作时请在中文引号内注明“示例”，实际输入时请将模板复制并调整。但很多工具内置了负面提示词词库，填入时留意该工具的语法规则。

5.6 镜头语言进阶：景别与剪辑预埋

电影感还来自景别的组合变化。拍一段“人物进门”，如果只用一个中景，观众不会紧张。但如果你拆成三个镜头——门外的远景、手推门的特写、进门后的大特写——同样的情节就有了节奏。

再进一步，可以在提示词中预埋剪辑点。比如“镜头落在人物眼神特写上，画面逐渐模糊，暗示回忆开始”，这相当于把剪辑指令也交给了生成工具。虽然输出结果不保证精确，但出现“可用素材”的概率会明显提高。

6. AI 视频生成实操与效果验证

这一节给出一套可执行的测试流程。不管是云端工具还是本地 ComfyUI，流程是通用的。

6.1 文生视频测试：从单镜头开始

不要一上来就生成整部短片。先选分镜表中的一个镜头，按下面的步骤跑通流程。

操作步骤：

1. 选定一个镜头，把提示词复制到输入框
2. 设置画面比例：人物特写选 9:16，电影感画面选 16:9
3. 设置时长：先试 3 到 5 秒
4. 生成后逐帧检查人脸、手部、动作合理性
5. 记录生成参数，方便复现

判断标准：

• 单帧画面是否达到电影级构图和光影
• 运动是否符合提示词中的运镜描述
• 人脸和手部是否有明显变形
• 画面是否有闪烁、突变

常见问题：

• 如果运动幅度过大导致画面变形，把提示词中的运镜速度改慢
• 如果颜色失真，检查是否添加了“低饱和、电影色彩”等风格词
• 如果人脸崩坏，考虑换图生视频方式，先生成高质量参考图

6.2 图生视频测试：用参考图锁定角色

图生视频是角色一致性最常用的手段。流程是：先准备一张角色参考图，然后把这张图 + 动态描述一起提交给视频生成工具。

操作步骤：

1. 上传角色正面参考图，建议半身或全身，背景尽量简洁
2. 输入动态描述，比如“人物缓缓转头看向镜头，头发被微风吹动”
3. 保持角色描述词不变，只修改动作和运镜
4. 连续生成多个镜头，验证角色是否保持一致

这组测试能快速判断工具的角色维持能力。测试时注意同一个人物要使用同一张参考图，不要每生成一个镜头都换新图。

6.3 首尾帧控制：让画面按脚本走

很多 AI 视频工具支持首帧和尾帧设置。这相当于为生成结果画了两个“关键点位”，AI 负责补中间的运动过程。

典型用法：

• 首帧：角色站在门口，画面偏冷调
• 尾帧：角色坐在沙发上，画面偏暖调
• 描述：镜头缓慢跟随角色从门口走到沙发，光线逐渐变暖

首尾帧最大的价值是解决“AI 自由发挥导致中途路径不可控”的问题。只要首尾两帧定住，中间的运动路径即使在两个设定点之间变化，整体叙事也是稳定的。

6.4 多镜头一致性测试

当单个镜头跑通之后，做多镜头一致性测试。这一步主要验证整部片子的风格连续性和角色一致性。

操作流程：

1. 把分镜表中的 3 到 5 个镜头用同一套角色描述词生成
2. 把所有镜头拼接预览
3. 检查每个镜头之间的色调、光线方向、角色服装是否统一
4. 找出最不稳定的元素，回到提示词或参考图层面修正

如果镜头之间色调跳跃，不要简单归结为工具问题，可能是你每个镜头的提示词里光线描述不一致。统一使用相同的光影模板，能明显提升连续性。

7. 批量生成与工程化出片

如果只做单条视频，手动复制提示词问题不大。但要做系列内容、短剧或者批量素材，就必须把流程工程化。

7.1 用 CSV 管理分镜与提示词

建议用一张表格管理所有分镜参数，包括镜头编号、描述、提示词、参考图路径、生成参数、状态。这样批量生成时一眼就能看出哪些镜头已经完成、哪些还有问题。

CSV 分镜表示例：

shot_id,scene,description,prompt,aspect_ratio,duration,status S01,城市黄昏,角色剪影站在天台,一位30岁男性剪影背光站立...,16:9,3,done S02,室内,主角看信特写,一位30岁男性低头看信...,9:16,2,pending S03,街道,雨夜行走,一位30岁男性穿风衣走在雨中...,16:9,4,pending

7.2 通过脚本调用 API 实现批量生成

部分云端工具和本地 ComfyUI 提供 API 接口。我们可以写一个简单的 Python 脚本，读取 CSV 分镜表，按顺序调用后端生成视频。

这里给出一个通用示意脚本，实际接口以你所使用的工具为准：

import csv import requests import time API_URL = "https://your-ai-video-api.example.com/generate" API_KEY = "your_api_key" HEADERS = {"Authorization": f"Bearer {API_KEY}"} def generate_video(prompt, aspect_ratio="16:9", duration=3): payload = { "prompt": prompt, "aspect_ratio": aspect_ratio, "duration": duration, } response = requests.post(API_URL, json=payload, headers=HEADERS, timeout=120) response.raise_for_status() return response.json() def main(): with open("shots.csv", "r", encoding="utf-8") as f: reader = csv.DictReader(f) for row in reader: if row["status"] == "done": continue try: result = generate_video( row["prompt"], row["aspect_ratio"], int(row["duration"]) ) print(f"{row['shot_id']} submitted: {result}") time.sleep(2) # 避免请求过快 except Exception as e: print(f"{row['shot_id']} failed: {e}") if __name__ == "__main__": main()

使用脚本时需要注意：

• API 地址和参数必须按实际接口文档调整
• 大批量任务建议加一个“状态标记”字段，方便断点续跑
• 每次请求之间加间隔，避免触发频率限制
• 生成失败时需要重试机制，而不是直接跳过

7.3 批量任务的失败重试

AI 视频生成不同于传统接口，返回的可能是“任务 ID”，生成过程需要轮询。这就意味着单次请求的异常并不代表失败，还可能是任务排队或处理中。

推荐的流程是：提交任务 -> 获取任务 ID -> 轮询任务状态 -> 成功后下载结果 -> 失败后自动重试。

轮询示例：

def check_task_status(task_id, max_retries=5): for attempt in range(max_retries): status_url = f"{API_URL}/{task_id}" resp = requests.get(status_url, headers=HEADERS, timeout=30) data = resp.json() if data["status"] == "succeeded": return data["video_url"] elif data["status"] == "failed": return None time.sleep(10) return None

批量出片的核心是“把一次性的生成行为变成可追踪、可重试、可停可续的任务队列”，而不是简单地把请求扔进循环里。

8. 资源占用与性能观察

8.1 云端方案

云端生成基本不消耗本地算力，浏览器打开页面就能操作。需要关注的是平台的额度和生成速度。

• 生成速度受平台排队人数影响，高峰期可能需要等待
• 分辨率越高、时长越长，消耗的额度越多
• 云端输出通常在几分钟内可用，但具体以平台状态为准

8.2 本地部署方案

本地部署重点观察的是显存占用和生成速度。不同的视频生成模型对显存的要求差异很大：轻量模型可以在中低端显卡上运行，高分辨率和长视频模型则需要更高显存。具体数字没有统一答案，需要按模型主页说明和本机实测确认。

观察方法：

• Windows 下用任务管理器查看 GPU 显存占用
• Linux 下用nvidia-smi查看实时显存和温度
• ComfyUI 页面日志会实时显示生成进度和耗时

如果显存不足，优先降低分辨率、缩短视频时长、减少批次数。先保证能跑通，再逐步提高画质。

8.3 降低资源占用的技巧

• 首先生成低分辨率预览片段，确认运镜和内容没问题后再生成正式素材
• 关闭其他占显存的程序，避免和模型抢显存
• 批量任务分成小批次执行，避免长时间高温运行
• 使用图生视频而不是文生视频，有时反而更容易生成稳定画面

9. 常见问题与排查方法

10. 版权、肖像与合规使用边界

AI 短片创作有两个边界必须守住。

一是素材授权。如果你用真实人物照片生成视频，必须取得本人的明确授权。用明星、公众人物、他人照片做 AI 生成，都可能涉及肖像权和名誉权风险。用网络图片或他人视频作为参考，要确认是否有使用权。

二是内容安全。生成内容不得包含违法、低俗、暴力、仇恨言论，不得用于诈骗、造假和误导性传播。商业发布和商用项目，建议在使用 AI 生成内容时标注 AI 参与情况，并对输出结果做人工复核。

创作者应该把 AI 当成辅助工具，而不是绕过授权的“生成器”。这个边界守不住，短片上线的机会都不会有。

11. 最佳实践与创作建议

从过去大量 AI 视频创作经验来看，以下几件事非常值得做：

第一，建立自己的提示词模板库。每跑通一个镜头，就把提示词和参数归档。时间一长就是一份可复用的“导演手记”，比临时翻聊天记录高效得多。

第二，坚持“先修单帧，再生成动态”。静态图阶段就解决构图、光影、审美问题，动态生成只解决运动问题。这个顺序能省下大量时间和算力。

第三，不要回避后处理。AI 直接输出的视频往往有轻微闪烁、色彩不统一，用剪辑软件调色、加颗粒、配乐之后，质感提升非常明显。电影感的最后一个 10%，往往是后期给上去的。

第四，批量生产时要保持参数一致。同一个系列的视频，建议使用同一组生成参数、同样的负面提示词、同样的分辨率。参数不一致会导致画面质感参差不齐，即使在剪辑阶段也难以统一。

第五，小参数测试优先。不要一上来就 4K 高清、10 秒时长，先用低分辨率、短时长验证镜头内容。内容方向对了，再提升画质，成本和风险都会降低。

12. 总结与下一步

AI 短片能不能告别塑料感，核心取决于三件事：是否具备镜头语言意识，是否使用结构化的提示词，是否走通从分镜到后期的完整工作流。换再强的模型，只要输入还是“一个人在街上走”，输出就只能是“一个人在街上走”。

建议第一次尝试的同学按这个顺序走：先拿一个 5 秒镜头练手，跑通文生视频流程；再用参考图验证角色一致性；然后按 CSV 分镜表生成 10 个镜头，拼出一段 20 到 30 秒的短片；最后用剪辑软件统一色调和配乐。

最容易踩的坑是跳过单帧验证直接生成动态，以及每个镜头都用不同提示词风格导致成片割裂。记住：统一的角色描述、统一的光影模板、明确的运镜描述，这三件套做好，AI 片的质感就能超过大半新人作品。

后续可以继续扩展的方向包括：训练角色 LoRA 实现更稳定的多镜头叙事，接入 API 做全自动批量出片，用首尾帧控制实现复杂的剧情转场，再加上配音和 AI 音乐工具，把整个生产链路串成一条完整的自动化流水线。