1. 为什么我坚持“先让AI写剧本再去做视频”大概从去年下半年开始我几乎所有的视频项目无论是短视频、口播内容还是小剧情片都换了一套工作方式先跟大模型系统聊出一版完整剧本再拿着这份剧本去拆镜头、做画面素材最后用AI视频生成工具把素材拼成成品。过去要把一个两三分钟短片的剧本跑通从点子到大纲再到逐句台词没有一两天根本下不来现在用DeepSeek这类大语言模型辅助半天甚至两三个小时就能拿到一版可以投入拍摄和剪辑的剧本配合目前的文生视频、图生视频工具一条完整的视觉成片也能顺畅产出。但我想先说清楚一件事AI能生成剧本不代表你把一句“帮我写个剧本”丢进去就能拿到能用的东西。我见过很多朋友试过一次之后抱怨“AI写得太假、太套路”其实问题大多出在输入信息太少、对模型的要求太含糊。把DeepSeek当成一个非常聪明但完全不了解你项目的编剧助理你需要把项目背景、风格偏好、片长限制、播放平台、目标人群这些信息一次性交代清楚它给出的东西才是真正能用的。这篇内容适合三类人想用AI提高视频创作效率的个人博主、自媒体运营者做短视频、宣传片、微短剧的从业者想探索“AI编剧AI视频”完整流程对AI工具好奇想系统了解“从一段文字变成一支视频”全链路的产品经理、创意策划。我不会讲太多理论重点放在我实际跑通这条流程时总结出的操作步骤、提示词写法和容易踩的坑。你只要有DeepSeek账号、一个AI视频生成平台、一点基础剪辑概念就可以按部就班地复现。2. 让AI听懂你的“视频需求”比会写提示词更重要很多人在第一步就走偏了以为提示词写得越华丽越好。实际上大模型并不缺辞藻缺的是对项目的结构化理解。你需要在正式让它写剧本之前先把“项目的边界”告诉它。这部分工作我通常花15到20分钟完成但收益是整个创作过程最明显的。2.1 先交代项目背景类型、时长、播放渠道、受众我习惯在第一次提问时直接把一段项目简报喂给DeepSeek。它会根据你给的背景来调整叙事节奏、对话密度和情节复杂度。比如同样是“一个关于坚持梦想的故事”拍给短视频平台看的60秒竖屏短剧跟拍给B站用户看的10分钟叙事短片剧本写法完全是两回事。我的建议是把它做成一段结构化文字像这样我要做一个3分钟左右的剧情短视频竖屏9:16主要投放在短视频平台。目标受众是18到30岁、平时爱看情感类和职场类内容的用户。核心主题是“普通人在职场中找回自我”。风格希望偏真实、细腻不要过度煽情结尾要有反转。请基于这些信息帮我构思一个完整故事。注意这里面包含了几个隐性信息时长决定了节奏3分钟只能讲一个单一事件竖屏决定了不适合太宏大的场面平台调性决定了开头三秒钟必须有钩子目标受众决定了台词语言风格。你把这些写清楚DeepSeek才会在合适的地方做取舍。你不写它就默认给你一套“万能模板”那正是“AI味”的来源之一。2.2 约定剧本输出格式避免给你一堆散文很多新手拿到AI剧本后很困惑它写出来的东西读着像小说不是剧本。这是因为你没告诉它“剧本”在你这里是什么格式。我通常会明确要求它按“场景表格对白文本”的方式来输出并且给它一个示例。你可以直接说请用以下格式输出剧本每一场标注场景编号、内/外景、时间、人物对白部分请分行写并在台词前标注人物名每个场景后附一句“镜头要点”说明这一场在视觉上应该怎么拍。这样得到的输出后面在拆镜头和生成画面素材时几乎不用二次加工。如果你拿到手的是大段叙事文字那还得花大量时间人工转成分场结构效率反而不如自己直接写。2.3 别吝啬你的参考素材库DeepSeek有非常长的上下文能力这意味着你可以把参考内容直接塞给它它会按照你给的风格模仿。比如你给它几段你喜欢的同类视频的台词或者一段你之前写好的文案再让它基于这些风格写新剧本输出的贴合度会立刻上一个台阶。我自己的习惯是在电脑里建一个“风格参考”文件夹里面放几十段从各种渠道收集来的优秀短片台词、分镜脚本、旁白稿。需要创作时从中挑两三段风格最接近的直接粘贴进对话并告诉DeepSeek“请你模仿这种语言质感但不要复制内容”。如果你什么都不给它只能去模仿训练数据里的平均风格那种“平均感”恰恰是最毁创作的东西。3. 从零到一剧情生成大纲、分场、对白打磨的完整操作背景信息交代清楚之后就进入真正的创作环节。我一般把剧本生成分成三轮第一轮确定故事骨架第二轮细化到分场第三轮专门打磨对白和细节。这样递进的好处是每一步都能及时纠偏不用等写出一万字以后才发现方向错了。3.1 第一轮让AI先给三版“故事梗概”不要在第一步就要完整剧本。更稳妥的做法是先让DeepSeek给你出三版不同走向的故事梗概每版控制在一两百字。你可以要求它“三个版本的冲突类型要不同一个偏人物内心冲突一个偏外部事件冲突一个偏人际关系冲突”。拿到后再选定一个方向或者把两版里打动你的片段组合起来。这一步非常值得花时间因为它决定了整个视频的情绪内核。AI生成的故事梗概偶尔会给你惊喜比如它把“职场找回自我”这个主题放在了一个“多年未联系的老同事突然发来一封语音消息”的设定里这种展开思路往往能打破我们自己固定的思维框架。但如果第一版完全没打动你不要将就直接让它换方向。3.2 第二轮把梗概扩写成带节拍的分场列表选定方向后我通常要求DeepSeek生成一份“分场节拍表”。所谓节拍就是把故事拆成一连串“事件节点”类似于开场钩子主角收到一封奇怪的语音消息铺垫她认出声音想起五年前被迫离职的事转折语音里提到一个能证明当年真相的文件危机她发现文件已经被删除高潮她决定凭记忆重建文件内容反转文件另一份副本其实一直在她旧网盘里结局她发出邮件放下执念让AI把每个节拍写成一段简短的场景说明包括场景地点、人物动作、关键对话要点。拿到这张节拍表后你基本可以判断这个故事能不能支撑起预定时长。如果3分钟视频要装7个节拍每个节拍平均只有25秒左右那你就能立刻意识到有些段落必须简化或者需要删掉一两个节拍。3.3 第三轮分场剧本生成后的“人工强制修改”节拍表确认后再让DeepSeek按我之前规定的格式把一个一个场景完整写出来。但这里有个重点AI初稿完成之后不要急着进入下一环节而是要自己动手改一遍。我自己对AI生成的剧本会做三类固定修改第一类删掉“解释性台词”。AI特别喜欢让角色把内心想法直接说出来比如“我觉得这封信很奇怪”这在实际表演里非常傻。我会改成让角色做出“反复点开语音又关上”这种动作把情绪留在画面里。第二类压缩对白长度。AI默认每个回合的台词都会写到两三行但现实中的短视频台词密度没那么高尤其竖屏视频一句台词超过15个字观众就容易走神。我会把所有台词要求控制在“短、碎、口语化”必要时把两段台词合并成一段。第三类手动埋“潜台词”。AI写对话往往太直白一问一答像审讯。我会给它加一句指令“请在对话中设计人物没说出口的信息用行动或停顿暗示。”它不总能做得多好但这项要求至少会让初稿不那么“填鸭”。4. 从剧本到分镜一份能让视频工具直接执行的可视化脚本剧本写完只是第一步。要做视频你必须把它翻译成“视觉语言”。很多人在这一步翻车舍不得删剧情试图把一段3分钟对白塞进画面里最后做出来的东西像“有声读书”。我自己的做法是以剧本为基础重新制作一份“分镜表”每一行对应一个镜头AI负责帮我做这件事。4.1 用“一镜一句话”的方式让AI拆镜头我通常给DeepSeek这样一段指令请把上面的剧本拆成一份分镜表每个镜头包含以下字段镜号、景别、运镜方式、画面内容、字幕/旁白、音效、预计时长。画面内容请用视觉描述而非叙事描述比如“主角站在窗边手微微抬起屏幕外的光照在脸上”而不是“主角很犹豫”。总共控制在12到15个镜头。这里最关键的要求是“视觉描述而非叙事描述”。AI默认的描写习惯是“她犹豫了一下”“他感到愤怒”这些词视频生成工具完全无法理解。你必须逼它改成可见的动作细节比如“她手指在手机屏幕上悬停没有点下去”“他把咖啡杯放回桌面力道明显加重”。这一步做得好后面所有素材生成都会顺利很多。以我常用的一个2分钟短片为例我让AI输出的分镜表大概是这样的逻辑链镜1特写手机屏幕显示语音消息界面手指悬停镜2中景环境昏暗的出租屋人物坐在床边镜3近景人物表情细微变化低头看窗外镜4闪回五年前办公室同事在交谈镜5中近景人物拿起杯子喝水手有明显抖动镜6全景城市夜景人物站在阳台手机贴在耳边你会发现镜头之间的衔接其实是一种“情绪的递进”而不是剧情的平铺。这个节奏感AI不一定天生就有你在让它出表之前可以加一句“请重点考虑镜头之间的情绪递进确保相邻镜头之间有动作或情绪的因果关联。”4.2 人物和场景一致性提前做“素材限定卡”做AI视频最让人崩溃的问题之一就是角色长相不稳定上一个镜头是长发下一个镜头变成了短发上一幕穿黑外套下一幕变成白衬衫。解决这个问题的核心不是靠运气而是提前在每个分镜的“画面内容”里固定住角色的外观描述。我会让DeepSeek先生成一份“人物设定卡”和“场景设定卡”里面写清楚人物性别、年龄、发型、发色、瞳孔颜色、面型、服装颜色和款式、所在环境的光线特征场景空间类型、主要颜色、家具风格、光线方向、标志物然后在我后续要求AI优化某个镜头的画面描述时我会把它一起粘贴进去并强制它保留核心外貌词条。比如“黑色中长发米色针织衫暖黄色台灯光线”这一组词在几乎所有涉及该角色的镜头描述中出现。这虽然不保证视频生成的完全稳定但能大幅减少“换脸”概率。我见过太多人忽略这个前置动作结果后期花大把时间抽卡重绘得不偿失。4.3 让AI检查分镜的可执行性镜头语言自检清单分镜表出来后我还会让DeepSeek做一次“可行性自检”重点检查三个问题每个镜头是否只包含一个核心动作如果一个镜头里既有“推门走进来”又有“放下包又拿起手机”那就得拆成两个。镜头之间是否有动作连续性例如镜5里人物还坐在沙发上镜6突然就站在阳台中间缺少过渡需要补充“起身”“走向阳台”之类的镜头。视觉描述里是否还存在无法被AI视频生成理解的情节性词汇比如“回忆中”这类抽象提示应改成“画面色彩偏黄光线柔和人物穿五年前同款衬衫”。把这三个问题直接丢给DeepSeek让它输出“检查结果修改建议”再按建议手动调整分镜表。经过这轮打磨你会得到一份真正可以被画面生成工具直接使用的脚本。5. 从文字到成片素材生成、配音与后期装配脚本定稿后就进入实际视频制作。这里我不建议把剧本当成“唯一真理”而要把它当成“施工图”。视频生成工具目前的理解能力还没到“纯文本直出完美影片”的程度所以我们需要拆开处理先出画面素材再做声音最后统一在剪辑软件里装配。5.1 画面素材的生成顺序先静态图再动态化目前主流的AI视频生成方式大致分两类文生视频和图生视频。我的经验是不要拿着分镜表里的“画面内容”直接去做文生视频那样生成的画面构图常常不受控。更稳定的路线是先用AI图像生成工具把关键帧做成静态图再用图生视频工具让静态图动起来。具体操作上我会从分镜表里挑出每个镜头的“起幅画面”让AI绘图工具生成一张没有文字干扰、构图明确、人物位置一致的图片。这里的提示词可以直接从分镜表的“画面内容”里提取再补充风格、光线、画幅比例。静态图确认满意后再输入这个镜头要求的动作描述让视频工具做几秒钟的动态化。这里有个核心技巧动作描述越少越好。AI视频生成不是导演它处理不了复杂场面调度。你给它“风吹起窗帘人物缓缓转头看向窗外嘴角微动”它可能完成但如果你给它“人物站起来走到窗边拿起手机犹豫了一下又放下”它一定会在某个环节出错。宁可把一个镜头拆成两段生成也不要让一个指令包含太多连续动作。5.2 配音、音乐和字幕的同步逻辑画面素材制作的同时我建议并行处理声音。AI配音目前的自然度已经相当高我会把剧本里的旁白和对白单独整理成一份配音稿标注好每一句的情绪要求然后选择合适的音色生成。做声音时有几个容易被忽略的细节语速必须和画面时长匹配。中文字幕口的配音正常语速大概每秒4到5个字如果你的旁白稿有120个字那么对应的配音时长就是24到30秒。做分镜表时应该提前用这个数值去反向校准镜头数量。对白之间要留“气口”。AI配音默认会给我们整句连续输出没有呼吸感。我会在需要停顿的地方手动加入停顿符或逗号让配音听起来更像真人说话。BGM不要抢对白的戏。我习惯在所有对白段落把音乐音量压低到只占20%左右纯画面情绪段落再拉高。音乐的高潮点要跟故事情感转折点对齐这个不建议交给AI自动处理手动放置最可靠。字幕方面现在的视频平台都要求有字幕而很多剪辑软件自带AI语音识别生成字幕但那会对标点符号乱断句。我的做法是先按台词稿手工做一个字幕模板每条字幕控制在12到18个字之间再根据实际音频节奏逐句调整时间轴。这一步虽然不“高科技”但直接决定观众能不能舒适看完。5.3 剪辑时的叙事节奏检查法所有素材进入剪辑时间线后我会做三次完整通读。第一次忽略画面只闭眼听声音。如果只听声音就能理解整个故事说明叙事结构没问题如果觉得哪里听不懂或节奏奇怪问题多半出在剧本和配音上必须回去改不要试图用画面补救。第二次关掉声音只看画面。这个动作检验的是“纯视觉叙事能力”。如果没有旁白你光靠人物动作、景别变化和场景切换能不能感受到情绪起伏抖音上很多好视频其实是“静音也能看懂”的因为画面本身就是语言。第三次正常观看留意“前3秒钩子”和“最后3秒收尾”。竖屏短视频逻辑里开头没钩子就没有完播率结尾没收住就留不住关注。让AI帮你准备两个不同版本的开头字幕方案A/B试一下再决定用哪版。6. 使用AI生成剧本视频时最常翻车的四个地方及应对这部分是我最想提醒你的内容。因为流程操作谁都能学会但真正决定成片质量的是那些不仔细就容易踩进去的坑。6.1 AI会一本正经地编造剧情细节大语言模型的“幻觉”问题在剧本创作中特别隐蔽。比如你设定主角在一家设计公司工作AI可能会自己补充“她的工位旁边贴着一副某知名画作”这个细节看起来没什么但在视频画面里就无法呈现——因为你没法快速找到对应的无版权参考图或者它和你想要的现实主义风格完全冲突。我的应对方式是在需求描述里加一句“请不要添加任何未被要求的具体道具、品牌、真实地点或人物背景信息”。如果AI还是加了就在分场修改时把这些细节删掉。记住AI的填充能力是双刃剑它能让故事更丰满也能让你的制作成本陡增。6.2 角色一致性比你想象的更难维持就算你在分镜表里反复写了人物特征词AI绘图工具生成的每一张图仍然可能长得不一样。尤其是侧面、背面的镜头很容易整个五官都变了。我现在的应对姿势有两个首先是尽量减少“大正脸特写”镜头之外的正脸镜头数量多用侧面、背影、手部特写、遮挡物后的镜头来表现人物情绪。这不仅能避免一致性翻车还能让画面更有电影感。其次是如果同一个角色需要在多个场景中出现我会先利用AI绘图工具生成4张不同角度、同一人物设定的“角色定妆图”后续所有该角色的镜头都基于其中一张做图生图而不是每次从零生成。这个技巧几乎能解决90%的换脸问题。6.3 版权和素材合规的隐性风险用AI生成剧本和视频最容易忽视的是素材版权。剧本本身可以自己写但AI绘图或视频生成工具训练数据里的版权归属问题目前仍处于灰色地带。我的习惯是商业项目绝对不使用真人演员照片转绘不用真实明星、真实产品商标、真实世界地标作为画面内容在提示词里明确写入“不要出现真实人物形象、logo、品牌元素”。另外如果你用的是某些国际平台的AI视频工具生成的素材版权条款各不相同。我建议把当前使用的平台服务条款截图留存尤其是商业用途授权部分。这页纸在项目交付时可能帮你挡掉很多麻烦。6.4 别让“AI效率”杀掉你的创意。这是我最想说的一点。当你用AI生成剧本以后你会很容易陷入一种“马上要成果”的惯性觉得每段对话、每个镜头都应该让AI直接给方案然后机械地执行。但好内容的意义在于“取舍”AI能给你十个选择最终的判断力仍然在你这里。我现在的工作习惯是让AI做50%的提案剩下来的50%是我亲手改出来的。比如它给我三段对白我只保留其中最准确的两句第三句我自己写一版更贴近角色口吻的。它给出某个分镜的三种运镜方案我不会让AI替我决定而是自己闭上眼睛想象一下哪个更符合情绪线。AI是一座高效率的矿而你是矿工没有你的判断挖出来的只是原材料不是作品。用这套方法我现在几乎每周都能稳定产出两条完整的AI辅助短视频从创意到发布不超过三天。相比以前从零手工写剧本、找参考、拍素材的流程效率提升了不止一倍而且质感和完成度反而更稳定。希望这篇内容能帮你少走一点弯路早日跑通属于你自己的“剧本到视频”工作流。 
长河君 · 2026/10/22 18:15:12 · 阅读 1.2k AI剧本生成到视频成片：DeepSeek辅助短视频创作完整流程
1. 为什么我坚持“先让AI写剧本再去做视频”大概从去年下半年开始我几乎所有的视频项目无论是短视频、口播内容还是小剧情片都换了一套工作方式先跟大模型系统聊出一版完整剧本再拿着这份剧本去拆镜头、做画面素材最后用AI视频生成工具把素材拼成成品。过去要把一个两三分钟短片的剧本跑通从点子到大纲再到逐句台词没有一两天根本下不来现在用DeepSeek这类大语言模型辅助半天甚至两三个小时就能拿到一版可以投入拍摄和剪辑的剧本配合目前的文生视频、图生视频工具一条完整的视觉成片也能顺畅产出。但我想先说清楚一件事AI能生成剧本不代表你把一句“帮我写个剧本”丢进去就能拿到能用的东西。我见过很多朋友试过一次之后抱怨“AI写得太假、太套路”其实问题大多出在输入信息太少、对模型的要求太含糊。把DeepSeek当成一个非常聪明但完全不了解你项目的编剧助理你需要把项目背景、风格偏好、片长限制、播放平台、目标人群这些信息一次性交代清楚它给出的东西才是真正能用的。这篇内容适合三类人想用AI提高视频创作效率的个人博主、自媒体运营者做短视频、宣传片、微短剧的从业者想探索“AI编剧AI视频”完整流程对AI工具好奇想系统了解“从一段文字变成一支视频”全链路的产品经理、创意策划。我不会讲太多理论重点放在我实际跑通这条流程时总结出的操作步骤、提示词写法和容易踩的坑。你只要有DeepSeek账号、一个AI视频生成平台、一点基础剪辑概念就可以按部就班地复现。2. 让AI听懂你的“视频需求”比会写提示词更重要很多人在第一步就走偏了以为提示词写得越华丽越好。实际上大模型并不缺辞藻缺的是对项目的结构化理解。你需要在正式让它写剧本之前先把“项目的边界”告诉它。这部分工作我通常花15到20分钟完成但收益是整个创作过程最明显的。2.1 先交代项目背景类型、时长、播放渠道、受众我习惯在第一次提问时直接把一段项目简报喂给DeepSeek。它会根据你给的背景来调整叙事节奏、对话密度和情节复杂度。比如同样是“一个关于坚持梦想的故事”拍给短视频平台看的60秒竖屏短剧跟拍给B站用户看的10分钟叙事短片剧本写法完全是两回事。我的建议是把它做成一段结构化文字像这样我要做一个3分钟左右的剧情短视频竖屏9:16主要投放在短视频平台。目标受众是18到30岁、平时爱看情感类和职场类内容的用户。核心主题是“普通人在职场中找回自我”。风格希望偏真实、细腻不要过度煽情结尾要有反转。请基于这些信息帮我构思一个完整故事。注意这里面包含了几个隐性信息时长决定了节奏3分钟只能讲一个单一事件竖屏决定了不适合太宏大的场面平台调性决定了开头三秒钟必须有钩子目标受众决定了台词语言风格。你把这些写清楚DeepSeek才会在合适的地方做取舍。你不写它就默认给你一套“万能模板”那正是“AI味”的来源之一。2.2 约定剧本输出格式避免给你一堆散文很多新手拿到AI剧本后很困惑它写出来的东西读着像小说不是剧本。这是因为你没告诉它“剧本”在你这里是什么格式。我通常会明确要求它按“场景表格对白文本”的方式来输出并且给它一个示例。你可以直接说请用以下格式输出剧本每一场标注场景编号、内/外景、时间、人物对白部分请分行写并在台词前标注人物名每个场景后附一句“镜头要点”说明这一场在视觉上应该怎么拍。这样得到的输出后面在拆镜头和生成画面素材时几乎不用二次加工。如果你拿到手的是大段叙事文字那还得花大量时间人工转成分场结构效率反而不如自己直接写。2.3 别吝啬你的参考素材库DeepSeek有非常长的上下文能力这意味着你可以把参考内容直接塞给它它会按照你给的风格模仿。比如你给它几段你喜欢的同类视频的台词或者一段你之前写好的文案再让它基于这些风格写新剧本输出的贴合度会立刻上一个台阶。我自己的习惯是在电脑里建一个“风格参考”文件夹里面放几十段从各种渠道收集来的优秀短片台词、分镜脚本、旁白稿。需要创作时从中挑两三段风格最接近的直接粘贴进对话并告诉DeepSeek“请你模仿这种语言质感但不要复制内容”。如果你什么都不给它只能去模仿训练数据里的平均风格那种“平均感”恰恰是最毁创作的东西。3. 从零到一剧情生成大纲、分场、对白打磨的完整操作背景信息交代清楚之后就进入真正的创作环节。我一般把剧本生成分成三轮第一轮确定故事骨架第二轮细化到分场第三轮专门打磨对白和细节。这样递进的好处是每一步都能及时纠偏不用等写出一万字以后才发现方向错了。3.1 第一轮让AI先给三版“故事梗概”不要在第一步就要完整剧本。更稳妥的做法是先让DeepSeek给你出三版不同走向的故事梗概每版控制在一两百字。你可以要求它“三个版本的冲突类型要不同一个偏人物内心冲突一个偏外部事件冲突一个偏人际关系冲突”。拿到后再选定一个方向或者把两版里打动你的片段组合起来。这一步非常值得花时间因为它决定了整个视频的情绪内核。AI生成的故事梗概偶尔会给你惊喜比如它把“职场找回自我”这个主题放在了一个“多年未联系的老同事突然发来一封语音消息”的设定里这种展开思路往往能打破我们自己固定的思维框架。但如果第一版完全没打动你不要将就直接让它换方向。3.2 第二轮把梗概扩写成带节拍的分场列表选定方向后我通常要求DeepSeek生成一份“分场节拍表”。所谓节拍就是把故事拆成一连串“事件节点”类似于开场钩子主角收到一封奇怪的语音消息铺垫她认出声音想起五年前被迫离职的事转折语音里提到一个能证明当年真相的文件危机她发现文件已经被删除高潮她决定凭记忆重建文件内容反转文件另一份副本其实一直在她旧网盘里结局她发出邮件放下执念让AI把每个节拍写成一段简短的场景说明包括场景地点、人物动作、关键对话要点。拿到这张节拍表后你基本可以判断这个故事能不能支撑起预定时长。如果3分钟视频要装7个节拍每个节拍平均只有25秒左右那你就能立刻意识到有些段落必须简化或者需要删掉一两个节拍。3.3 第三轮分场剧本生成后的“人工强制修改”节拍表确认后再让DeepSeek按我之前规定的格式把一个一个场景完整写出来。但这里有个重点AI初稿完成之后不要急着进入下一环节而是要自己动手改一遍。我自己对AI生成的剧本会做三类固定修改第一类删掉“解释性台词”。AI特别喜欢让角色把内心想法直接说出来比如“我觉得这封信很奇怪”这在实际表演里非常傻。我会改成让角色做出“反复点开语音又关上”这种动作把情绪留在画面里。第二类压缩对白长度。AI默认每个回合的台词都会写到两三行但现实中的短视频台词密度没那么高尤其竖屏视频一句台词超过15个字观众就容易走神。我会把所有台词要求控制在“短、碎、口语化”必要时把两段台词合并成一段。第三类手动埋“潜台词”。AI写对话往往太直白一问一答像审讯。我会给它加一句指令“请在对话中设计人物没说出口的信息用行动或停顿暗示。”它不总能做得多好但这项要求至少会让初稿不那么“填鸭”。4. 从剧本到分镜一份能让视频工具直接执行的可视化脚本剧本写完只是第一步。要做视频你必须把它翻译成“视觉语言”。很多人在这一步翻车舍不得删剧情试图把一段3分钟对白塞进画面里最后做出来的东西像“有声读书”。我自己的做法是以剧本为基础重新制作一份“分镜表”每一行对应一个镜头AI负责帮我做这件事。4.1 用“一镜一句话”的方式让AI拆镜头我通常给DeepSeek这样一段指令请把上面的剧本拆成一份分镜表每个镜头包含以下字段镜号、景别、运镜方式、画面内容、字幕/旁白、音效、预计时长。画面内容请用视觉描述而非叙事描述比如“主角站在窗边手微微抬起屏幕外的光照在脸上”而不是“主角很犹豫”。总共控制在12到15个镜头。这里最关键的要求是“视觉描述而非叙事描述”。AI默认的描写习惯是“她犹豫了一下”“他感到愤怒”这些词视频生成工具完全无法理解。你必须逼它改成可见的动作细节比如“她手指在手机屏幕上悬停没有点下去”“他把咖啡杯放回桌面力道明显加重”。这一步做得好后面所有素材生成都会顺利很多。以我常用的一个2分钟短片为例我让AI输出的分镜表大概是这样的逻辑链镜1特写手机屏幕显示语音消息界面手指悬停镜2中景环境昏暗的出租屋人物坐在床边镜3近景人物表情细微变化低头看窗外镜4闪回五年前办公室同事在交谈镜5中近景人物拿起杯子喝水手有明显抖动镜6全景城市夜景人物站在阳台手机贴在耳边你会发现镜头之间的衔接其实是一种“情绪的递进”而不是剧情的平铺。这个节奏感AI不一定天生就有你在让它出表之前可以加一句“请重点考虑镜头之间的情绪递进确保相邻镜头之间有动作或情绪的因果关联。”4.2 人物和场景一致性提前做“素材限定卡”做AI视频最让人崩溃的问题之一就是角色长相不稳定上一个镜头是长发下一个镜头变成了短发上一幕穿黑外套下一幕变成白衬衫。解决这个问题的核心不是靠运气而是提前在每个分镜的“画面内容”里固定住角色的外观描述。我会让DeepSeek先生成一份“人物设定卡”和“场景设定卡”里面写清楚人物性别、年龄、发型、发色、瞳孔颜色、面型、服装颜色和款式、所在环境的光线特征场景空间类型、主要颜色、家具风格、光线方向、标志物然后在我后续要求AI优化某个镜头的画面描述时我会把它一起粘贴进去并强制它保留核心外貌词条。比如“黑色中长发米色针织衫暖黄色台灯光线”这一组词在几乎所有涉及该角色的镜头描述中出现。这虽然不保证视频生成的完全稳定但能大幅减少“换脸”概率。我见过太多人忽略这个前置动作结果后期花大把时间抽卡重绘得不偿失。4.3 让AI检查分镜的可执行性镜头语言自检清单分镜表出来后我还会让DeepSeek做一次“可行性自检”重点检查三个问题每个镜头是否只包含一个核心动作如果一个镜头里既有“推门走进来”又有“放下包又拿起手机”那就得拆成两个。镜头之间是否有动作连续性例如镜5里人物还坐在沙发上镜6突然就站在阳台中间缺少过渡需要补充“起身”“走向阳台”之类的镜头。视觉描述里是否还存在无法被AI视频生成理解的情节性词汇比如“回忆中”这类抽象提示应改成“画面色彩偏黄光线柔和人物穿五年前同款衬衫”。把这三个问题直接丢给DeepSeek让它输出“检查结果修改建议”再按建议手动调整分镜表。经过这轮打磨你会得到一份真正可以被画面生成工具直接使用的脚本。5. 从文字到成片素材生成、配音与后期装配脚本定稿后就进入实际视频制作。这里我不建议把剧本当成“唯一真理”而要把它当成“施工图”。视频生成工具目前的理解能力还没到“纯文本直出完美影片”的程度所以我们需要拆开处理先出画面素材再做声音最后统一在剪辑软件里装配。5.1 画面素材的生成顺序先静态图再动态化目前主流的AI视频生成方式大致分两类文生视频和图生视频。我的经验是不要拿着分镜表里的“画面内容”直接去做文生视频那样生成的画面构图常常不受控。更稳定的路线是先用AI图像生成工具把关键帧做成静态图再用图生视频工具让静态图动起来。具体操作上我会从分镜表里挑出每个镜头的“起幅画面”让AI绘图工具生成一张没有文字干扰、构图明确、人物位置一致的图片。这里的提示词可以直接从分镜表的“画面内容”里提取再补充风格、光线、画幅比例。静态图确认满意后再输入这个镜头要求的动作描述让视频工具做几秒钟的动态化。这里有个核心技巧动作描述越少越好。AI视频生成不是导演它处理不了复杂场面调度。你给它“风吹起窗帘人物缓缓转头看向窗外嘴角微动”它可能完成但如果你给它“人物站起来走到窗边拿起手机犹豫了一下又放下”它一定会在某个环节出错。宁可把一个镜头拆成两段生成也不要让一个指令包含太多连续动作。5.2 配音、音乐和字幕的同步逻辑画面素材制作的同时我建议并行处理声音。AI配音目前的自然度已经相当高我会把剧本里的旁白和对白单独整理成一份配音稿标注好每一句的情绪要求然后选择合适的音色生成。做声音时有几个容易被忽略的细节语速必须和画面时长匹配。中文字幕口的配音正常语速大概每秒4到5个字如果你的旁白稿有120个字那么对应的配音时长就是24到30秒。做分镜表时应该提前用这个数值去反向校准镜头数量。对白之间要留“气口”。AI配音默认会给我们整句连续输出没有呼吸感。我会在需要停顿的地方手动加入停顿符或逗号让配音听起来更像真人说话。BGM不要抢对白的戏。我习惯在所有对白段落把音乐音量压低到只占20%左右纯画面情绪段落再拉高。音乐的高潮点要跟故事情感转折点对齐这个不建议交给AI自动处理手动放置最可靠。字幕方面现在的视频平台都要求有字幕而很多剪辑软件自带AI语音识别生成字幕但那会对标点符号乱断句。我的做法是先按台词稿手工做一个字幕模板每条字幕控制在12到18个字之间再根据实际音频节奏逐句调整时间轴。这一步虽然不“高科技”但直接决定观众能不能舒适看完。5.3 剪辑时的叙事节奏检查法所有素材进入剪辑时间线后我会做三次完整通读。第一次忽略画面只闭眼听声音。如果只听声音就能理解整个故事说明叙事结构没问题如果觉得哪里听不懂或节奏奇怪问题多半出在剧本和配音上必须回去改不要试图用画面补救。第二次关掉声音只看画面。这个动作检验的是“纯视觉叙事能力”。如果没有旁白你光靠人物动作、景别变化和场景切换能不能感受到情绪起伏抖音上很多好视频其实是“静音也能看懂”的因为画面本身就是语言。第三次正常观看留意“前3秒钩子”和“最后3秒收尾”。竖屏短视频逻辑里开头没钩子就没有完播率结尾没收住就留不住关注。让AI帮你准备两个不同版本的开头字幕方案A/B试一下再决定用哪版。6. 使用AI生成剧本视频时最常翻车的四个地方及应对这部分是我最想提醒你的内容。因为流程操作谁都能学会但真正决定成片质量的是那些不仔细就容易踩进去的坑。6.1 AI会一本正经地编造剧情细节大语言模型的“幻觉”问题在剧本创作中特别隐蔽。比如你设定主角在一家设计公司工作AI可能会自己补充“她的工位旁边贴着一副某知名画作”这个细节看起来没什么但在视频画面里就无法呈现——因为你没法快速找到对应的无版权参考图或者它和你想要的现实主义风格完全冲突。我的应对方式是在需求描述里加一句“请不要添加任何未被要求的具体道具、品牌、真实地点或人物背景信息”。如果AI还是加了就在分场修改时把这些细节删掉。记住AI的填充能力是双刃剑它能让故事更丰满也能让你的制作成本陡增。6.2 角色一致性比你想象的更难维持就算你在分镜表里反复写了人物特征词AI绘图工具生成的每一张图仍然可能长得不一样。尤其是侧面、背面的镜头很容易整个五官都变了。我现在的应对姿势有两个首先是尽量减少“大正脸特写”镜头之外的正脸镜头数量多用侧面、背影、手部特写、遮挡物后的镜头来表现人物情绪。这不仅能避免一致性翻车还能让画面更有电影感。其次是如果同一个角色需要在多个场景中出现我会先利用AI绘图工具生成4张不同角度、同一人物设定的“角色定妆图”后续所有该角色的镜头都基于其中一张做图生图而不是每次从零生成。这个技巧几乎能解决90%的换脸问题。6.3 版权和素材合规的隐性风险用AI生成剧本和视频最容易忽视的是素材版权。剧本本身可以自己写但AI绘图或视频生成工具训练数据里的版权归属问题目前仍处于灰色地带。我的习惯是商业项目绝对不使用真人演员照片转绘不用真实明星、真实产品商标、真实世界地标作为画面内容在提示词里明确写入“不要出现真实人物形象、logo、品牌元素”。另外如果你用的是某些国际平台的AI视频工具生成的素材版权条款各不相同。我建议把当前使用的平台服务条款截图留存尤其是商业用途授权部分。这页纸在项目交付时可能帮你挡掉很多麻烦。6.4 别让“AI效率”杀掉你的创意。这是我最想说的一点。当你用AI生成剧本以后你会很容易陷入一种“马上要成果”的惯性觉得每段对话、每个镜头都应该让AI直接给方案然后机械地执行。但好内容的意义在于“取舍”AI能给你十个选择最终的判断力仍然在你这里。我现在的工作习惯是让AI做50%的提案剩下来的50%是我亲手改出来的。比如它给我三段对白我只保留其中最准确的两句第三句我自己写一版更贴近角色口吻的。它给出某个分镜的三种运镜方案我不会让AI替我决定而是自己闭上眼睛想象一下哪个更符合情绪线。AI是一座高效率的矿而你是矿工没有你的判断挖出来的只是原材料不是作品。用这套方法我现在几乎每周都能稳定产出两条完整的AI辅助短视频从创意到发布不超过三天。相比以前从零手工写剧本、找参考、拍素材的流程效率提升了不止一倍而且质感和完成度反而更稳定。希望这篇内容能帮你少走一点弯路早日跑通属于你自己的“剧本到视频”工作流。