如何制作AI视频：我完整的分步流程

第一步：动任何工具之前，先把脚本写出来

我知道这听起来是废话，但我见过太多创作者先用AI工具跑出来的素材来搭视频，再围着这些素材写脚本。这样每次都会做出很弱的内容。脚本是脊梁，其他一切都挂在它上面。

做YouTube视频时，在生成任何一张图或一个视频片段之前，我会写一份完整的脚本——不是要点提纲，而是真正的脚本。做TikTok时，我至少会写出清晰的三段式结构：钩子、核心洞见、行动号召。这个结构会准确告诉我需要哪些画面、以什么顺序排列。

一条10分钟的YouTube视频通常有8到12个独立的画面段落。我会在打开任何AI工具之前，就在脚本里把它们全部标出来。这样能避免那个陷阱：生成了一堆漂亮的片段，却和你最后写出来的叙事对不上。

第二步：生成你的基础画面

脚本梳理好后，我会根据内容类型进入Runway或Pika。对于带b-roll的口播类内容，Runway的图生视频功能是我的主力工具——我把自己拍的静态图片喂进去，让它生成动态。这样视觉风格就能和我的品牌保持一致。

对于视频里的动画讲解段落，我会用Midjourney生成基础图形、再用Runway把它们动起来的组合。工作流程是：脚本段落 → 用Midjourney提示词生成关键帧 → 用Runway加入动态。一旦熟悉了工具，这每一步大概只要五分钟。

• 让AI工具匹配你的内容类型——别所有东西都用同一个工具
• 每个关键画面生成3到5个版本，从中挑最好的
• 记录提示词——一个项目里好用的提示词能迁移到其他项目
• 按脚本顺序生成画面——这样更容易保持一致性
• 按需求的1.5倍来预留片段——总有一些进不了最终成片

第三步：带着AI生成内容的特点去剪辑

AI生成的视频有一些特定的剪辑考量。这些片段往往没有实拍素材那样自然的进出点。我几乎每个AI片段都晚几帧开始、早几帧切掉——这样能藏住大多数生成工具都会产生的、略显不自然的开头和结尾状态。

对AI内容来说，转场处理更为重要。AI生成片段之间的硬切可能显得突兀，因为即便提示词一致，视觉风格也可能有轻微变化。我会用非常快的叠化，或者用过渡镜头——一个特写、一个纹理镜头、一张标题卡——来处理这些转场。

第四步：声音设计把一切串起来

AI视频本身没有声音。这话听起来是废话，但创作者往往低估了声音设计对于AI视频显得精致还是显得假的影响有多大。音乐、环境音和音效都在让AI画面显得扎实、真实这件事上承担着重活。

做YouTube时，我会把Epidemic Sound的授权音乐和我用Suno生成的自定义环境音底层结合起来用。做TikTok时，在相关的情况下我会把音乐往当下的热门声音上靠，并战略性地使用静音来做强调——静音在TikTok上能穿透人心，这是它在YouTube上做不到的。

第五步：审看、调整，并坚持稳定发布

大多数教程都会跳过的最后一步：建立一套稳定的审看流程。发布前我会用1.5倍速看每一条视频，专门盯着AI片段里的时间性瑕疵、任何节奏拖沓的段落，以及封面那一帧是否够抓人。如果发现某个AI片段有瑕疵，我就重新生成——我绝不会发布一个我明知有明显AI错误的片段。

对任何单条视频来说，稳定比完美更重要。我按计划发布，而这个计划雷打不动。工具让我得以维持一个没有帮助就绝无可能的发布频率，而这种稳定性会随时间复利累积，其效果是偶尔几条完美视频所无法企及的。