从零搭一条AI短视频生产线：文案、固定角色、AI生成到剪映精修的完整实操拆解

本文由 莫潇羽@无忆研习社（www.wuyi.wiki）撰写，转载请注明出处。

快速摘要

做一条能发出去看的AI短视频，本质上就是四步：写大白话文案 → 固定好角色 → 用AI把文案生成视频 → 进剪映做音乐、字幕、调色和特效。新手最容易卡的不是工具，而是文案太复杂、角色每段都变脸、剪辑环节没节奏。这篇我把整条线从头到尾拆开讲，每个环节给你能直接照抄的参数和清单，照着走，第一条片子今天就能出来。 工具我不绑死某一款，主流的AI视频平台、剪映的操作逻辑其实是相通的，理解原理比记按钮重要得多。文中每一关我都给了能直接套用的参数和清单，看完照着做，你会发现做一条像样的短视频，门槛比想象中低很多。

想看完整拆解，往下翻。

一、先把整条生产线想清楚：AI短视频到底分几步

很多人一上来就盯着"用哪个软件"，结果软件换了一个又一个，片子还是做不出来。我的建议正好相反：先在脑子里搭一条流水线，再去找对应的工具填进去。

整条线其实就四个大块，前后是有顺序的，缺一块都接不上：

这里先解释一个新手必懂的概念。AI做视频，目前大体分两类玩法：一类叫文生视频，就是你只给一段文字，AI凭空给你生成画面；另一类叫图生视频（有的平台界面里写成"参考图""角色参考"），是你先准备好一张图，让AI在这张图的基础上动起来。

为什么要分清这两条路？因为它直接决定了你的角色稳不稳。想保持角色一致，要用图生视频而不是文生视频，先生成图片、确保图里角色一致，再根据这些图去生成视频。简单说：你要做几十集的连续剧情号，人物得是同一个人，那就老老实实走图生视频；你只是做单条、人物长啥样无所谓的文生视频（就是没有固定人物、纯靠文字生成的那种短片），文生视频更快。

我自己的习惯是：做系列、做剧情，先固定角色再说；做单条搞笑或氛围片，直接文生视频冲。 这个判断你越早形成，后面少走的弯路越多。

把这条线记牢，下面就一块一块往里填。

二、文案是地基：大白话写法与"场景—人物—事件"公式

我见过太多新手在文案这一步就把自己劝退了——非要去某些AI助手里生成那种"0到3秒做什么、3到6秒做什么"的分镜脚本，算秒数算到头大。我的态度很直接：这一步真不用搞那么复杂，写大白话就行。

2.1 文案从哪来：借鉴与改写的正确姿势

文案的来源，无非两个动作：一个是借鉴，一个是改写。

借鉴，是指你刷到一条数据不错的视频，把它的核心创意提炼出来，用自己的话重新写一遍；改写，是指你刷到一个有意思的题材，把里面的设定、桥段换成你自己的版本。注意，这里说的不是原封不动搬运——直接抄别人的成片，平台一眼就能识别出来，账号也走不远。真正能用的做法，是把别人作品里"为什么好笑、为什么戳人"那个底层逻辑拆出来，换成你自己的场景和台词。

平时刷到顺眼的题材，随手存进一个备忘录，攒上几十条，你就不会有"今天写什么"的焦虑了。这是我莫潇羽自己一直在做的笨功夫，但特别管用。

2.2 一个能直接套的文案公式：五要素

那大白话具体怎么写？给你一个万能公式，照着填空就行：

场景 + 人物 + 事件 + 动作/表情 + 对话

对应到一条视频，就是这么一句话级别的描述：

【场景】在小卖部门口
【人物】一个老板娘、一个来买烟的客人
【事件】客人想买烟，老板娘不卖
【动作/表情】老板娘叉着腰，一脸认真
【对话】"开门做生意哪有不卖的？吸烟对身体不好，戒了吧"

这五个要素里，场景、人物、事件是骨架，必须写清楚；动作、表情、对话是血肉，能描述就描述，描述不来也不影响AI出片。镜头运镜这类更专业的东西，会写就写，不会写完全可以先不管。

下面这张表帮你对照着检查，每条文案写完过一遍：

2.3 为什么不建议硬套"分镜脚本"

新手常被一种说法带偏：做视频一定要先写专业分镜脚本，几号镜头、什么景别、机位在哪，列成一张大表。这套东西在专业拍摄里有用，分镜头脚本通常包含拍摄场景、镜号、画面描述、景别、拍摄机位、人物动作、台词、时长，但对你一个刚起步的AI创作者来说，太重了。

为什么？因为AI视频生成本身就是"你描述得越自然，它理解得越准"。提示词用来描述视频里的画面内容和运动过程，描述越准确、越丰富，生成视频的质量越高；对初次尝试的新用户，简单自由的提示词反而能生成更有想象力的视频。换句话说，你把那五个要素用大白话讲明白，比硬凑一张分镜表有效得多。

我的建议是：先用五要素公式把片子做出来，等你做到对画面有感觉了，再去补镜头、景别这些进阶描述。 一上来就追求专业，只会把自己卡死在第一步。

2.4 借鉴改写实战示范

光说公式有点干，我拿一个虚构的例子走一遍完整流程，你就明白"借鉴一个创意、改写成自己的文案"是怎么操作的。

假设你刷到一条火过的视频，创意是"反转式拒绝"——表面拒绝你，实际是关心你。你要做的不是把它原样搬过来，而是先把这个"反转关心"的内核拎出来，再换一套自己的场景和台词。

第一步，提炼内核：表面冲突 + 结尾温情反转。第二步，换场景：原视频是小卖部，你换成早餐摊。第三步，套五要素填空：

【场景】清晨的街边早餐摊
【人物】一个摊主大姐、一个赶时间的上班族
【事件】上班族想多要两个包子，大姐却少给了一个
【动作/表情】大姐把热豆浆往他手里塞，眼神认真
【对话】"包子凉了对胃不好，这碗热豆浆你拿着，路上慢点吃"

你看，内核还是那个"反转关心"，但场景、人物、台词全是新的，这就叫借鉴创意、改写成自己的文案，而不是搬运。这套方法你练熟之后，刷到任何好题材，都能在三分钟内改出一条属于自己的文案。

要提醒一句：改写时把原作品里那些特别"私人化"的细节（具体的人名、地名、招牌台词）全换掉，只留下可复用的创意结构。换得越彻底，你的作品原创度越高，平台也越认可。

文案这关过了，地基就稳了，下面我们去解决最容易翻车的"角色变脸"问题。

三、让角色不"变脸"：固定角色的原理与操作

如果说文案是地基，那角色一致性就是决定你能不能做"系列号"的命门。AI视频最常翻车的地方，就是上一段男主还是圆脸短发，下一段就换了张脸。观众一看人物对不上，立刻出戏。所以这一节我专门拆"怎么把角色锁死"。

3.1 为什么AI最容易在"角色一致"上掉链子

道理不复杂：文生视频是AI每次重新"想象"一个人，它没记忆，两次想象当然不一样。要解决，思路就一句话——别让它每次重新想，给它一张固定的参考图，让它照着画。

现在主流的AI视频工具基本都支持这个能力。它能深度提取角色的核心特征，从五官轮廓、发型发色到服装配饰都能记住并还原。你首次生成角色满意后保存成模板，后续生成新视频时调用这个模板，再补充新的场景和动作，角色形象就能保持统一。原理懂了，操作就是顺水推舟的事。

3.2 第一步：做一张"角色基准图"

固定角色的起点，是先有一张干净的人物图。如果你不会写那种描述长相的关键词，有个偷懒办法：直接在工具的图库/首页里搜"二次元女生""二次元男生"这类词，找到一个你顺眼的角色，点"做同款"，在别人画好的基础上改成你要的。

但不管你是自己生成还是改别人的，这张基准图有两个硬要求，记死：

比例上常用九比十六或一比一的竖图，先把人物立起来再说。生成出来不满意就再点一次重新生成，反正这一步多花两分钟，后面几十段视频都省心。

3.3 第二步：用"@角色"把人物锁进画面

有了基准图，接下来就是在生成视频时把它"喂"进去。各家工具的界面不太一样，但逻辑一致：

1. 把写好的文案粘进去，把生成模式切到"视频生成"；
2. 找到"角色参考""全能参考""资产库"这类入口，把你的基准图传进去（很多工具支持"本地上传"和"资产选择"，资产库里存的是你以前传过的角色，直接调用就行）；
3. 在文案里，用 @ 把人物和角色绑定——比如文案里出现"男生"，就在后面 @ 一下你传的男生角色；出现"女生"，就 @ 女生角色。

这一步的精髓在那个 @ 符号。它等于在告诉AI："这句台词里的'男生'，长这样，照着画。"如果你的文案里有个角色（比如一个女服务员）你没准备对应基准图，那就只 @ 你固定好的那一个，剩下的让AI自己发挥，也能凑合用。

3.4 参考强度怎么调：一个新手容易忽略的旋钮

很多工具在传参考图时，还藏着一个"参考强度"的滑块，这个值特别关键。我联网核对过不少创作者的实测经验，给你一个稳妥区间：

参考强度建议：70% 左右
> 高于 80%：五官是稳了，但人物姿势容易僵硬、放不开
> 低于 50%：动作灵活了，但五官容易变形、又开始变脸

第一次操作的新手，就先按70%走，出片后觉得脸不够像，再往上加一点点试效果。这个数字记下来，能帮你少生成好几遍废片。

3.5 小结：固定角色三件套

把这一节浓缩成三句话：白底全身基准图打底、资产库里存好随时调、文案里用@把人和角色绑死。 三件套做到位，你的角色就不会再"变脸"，系列号才立得住。角色稳了，下一步就是真正把文案变成视频。

四、把文案喂给AI：主流工具的通用操作逻辑

到这一步，文案有了、角色稳了，该让AI干活了。市面上的AI视频工具一抓一大把，模型名字也五花八门，你完全不用纠结具体哪一款——操作逻辑高度一致，理解了通用流程，换任何工具都能上手。 这一节我按"通用动作"来讲。

4.1 第一个选择：文生视频还是图生视频

前面第一章已经埋过伏笔，这里再强调一次，因为它是这一步的第一个岔路口：

• 要固定角色：选图生视频，把基准图传进去（点"本地上传"或从"资产库"选）；
• 不需要固定人物：直接选文生视频（也就是常说的文生视频），把文案一粘就能生成。

选错了路，后面再怎么调参数都救不回来，所以这一步先想清楚。

4.2 通用参数：模型、比例、时长怎么定

不管哪个工具，生成前基本都要你定三个参数。我做了张速查表，照着填：

模型名字你真不用记，今天叫这个版本号、明天升级换个名，记了也白记。抓住"选主推模型、定好比例、定好时长"这三件事就行。 有些工具还要你勾一个"参考讲述内容""全能参考"之类的模式，意思是让AI严格按你的文案和参考图来生成，做角色视频时记得选上。

4.3 风格词：一句话给片子定调

有些工具（尤其是偏动漫向的）在文生视频时，需要你额外加一个风格关键词。做法很简单——在场景描述前面加一个风格词，比如"动漫风格，在小卖部门口……"。这一句就能让整条片子的画风统一。

风格词放最前面，是因为AI读提示词时，越靠前的词权重越高。你想要什么调性（动漫、写实、3D、插画），开头点明，比塞在中间管用。

4.4 两个免费提画质的开关：补帧与超分

视频生成完，别急着导出，先看看工具有没有这两个免费功能，开了能白嫖一波画质提升：

功能一：补帧（提升帧率）
作用：把原始 24 帧 补到 60 帧，画面更顺滑、不卡顿

功能二：提升分辨率（超分）
作用：把 720p 直接拉到 1080p，画面更清晰

这里顺手给新手解释一下帧率这个词：帧率就是你的视频每秒钟由多少张画面组成，60帧就是每秒60张，30帧就是每秒30张，张数越多，动起来越丝滑。补帧就是用算法在原画面之间"补"出新的画面，把每秒张数撑上去。

这两个开关在很多工具里是免费