前言

大家学习 AI 视频也有一段时间了。

但是，不少小伙伴都感觉到，同样是 AI 视频，为什么觉得别人做得特别好，而自己做的显得很普通。

首先，我们需要明确一点，我们制作 AI 视频，其实更多的是视听语言，该怎么理解呢？

视觉便是我们看到的画面，所以画面的构成就很重要，如何让画面更贴合主题，这个是我们努力的方向，后面我也会讲如何优化。

而听觉则是我们听到的声音，同时也是更好的融入主角的场景中非常重要的一点，就像一些恐怖片，除了画面的恐怖，但是其实声音更是灵魂，就像画面展现一个破烂的寺庙，你感觉可能没什么，顶多觉得确实荒凉，有危险感。但是，一旦添加上 huhuhu~~的风声以及诡异的音调，你就会瞬间觉得害怕，下一秒出现恐怖的东西。

而在这一节中，我们更偏向于视觉的优化。

故事构造（叙事类）

信息收集

当我们制作一个剧本的时候，一开始很容易卡壳，就会觉得，无从下手。

在这个时候，其实很大的一部分原因是你收集的信息不够多。

就像之前的广州全运会 AI 视频比赛，假如你想参加，那你就必须先了解广州的资料，广州有什么特色建筑，有什么理念是区别于其它城市。

或者说，这期的全运会为什么会落在广州，而不是其它地方，这里我就不举例的，避免容易出现地域黑。

而全运会的信息也是如此，要了解清楚今年的全运会是口号是什么，有吉祥物是什么，它代表的寓意又是什么？

具体信息也可以参考官方提供的内容：https://www.gz.gov.cn/zt/qltjygadwqjsxsdzgzlfzdf/mtjj/content/post_9967250.html

当你把这些信息都收集完，你大致就会有感兴趣的点，然后你再抓住这些点跟 AI 进行沟通，从而获取更详细的内容，同时，也能确定你大致的剧本。

例如：

吉祥物头顶有三朵小水花。三个小水花代表了三个地方不同的颜色。包括广州的木棉红、香港的紫荆花的紫，以及澳门莲花的绿色。

小说与剧本的区别

首先，大家要先明确一点，AI 视频的剧本和小说是不一样的。

在小说中，更多是通过文字让你去深入了解里面的故事情节，以及人物的当前状态。因此，对于人物的感觉，或者是心理的想法是写得非常细致的，下面是我截取的《斗罗大陆》的开篇第二小节内容：

大家可以看到，从最开始的萧炎咀嚼青草，到举手又放下，再到自呢喃，再到心理的想法，都写得非常清楚。

但是，若我们真正去拍摄，很难去一比一进行复刻主角的这种体感和心理。

因此，我们在写剧本的时候，要刻意避免出现类似的情况，我们更应该去抓住主心骨，并且在设计内容的时候，更偏向于画面的展示。

例如同样是上面的内容，我们可以这样书写：

在一个漆黑的夜晚，萧炎躺在山坡上看着月亮，嘴里叼着一根青草。萤火虫在他身边环绕着，远处的树林里不断发出蝉声。

相比于小说，我们就会更在注重于整体的环境描写，以及有可能附带的声音，因为这些就是我们后续会真正转化成图片和音频的。

故事结构

三幕式

在清楚我们的剧本描述风格后，那我们如何进行构造一个故事？

其实，这里也非常简单。总结来说就是三幕式。

开始–>对抗–>结束

最近不是高考嘛，我就以这个作为一个例子。

首先，我们的主人公是一个即将高考的学生。

作为开始部分，我们就要像清楚，这个学生是男是女，是复读还是第一次考高考，ta 的学校是在一线城市还是偏远山区，家庭是富裕还是贫困。

在这些选项中，只要我们选择了其一，都会对后面的对抗和结束有着非常大的影响的。

而在对抗部分，自然就是人物发生了一些不一样的冲突，假如 ta 都是平平无奇，那观众自然不会想去看了。

因此，我们要在这里加上不一样的点。例如，ta 发现考题居然跟模拟考的题目一模一样，又例如，路上堵车了，ta 迟到赶不上考场，又例如，由于睡眠不好，ta 发挥失常了。

这些都是一些对抗点，是基于我们开始部分的发展，也可以理解为打破日常生活常规的引爆点。

而结束部分自然是开始的人物对于对抗部分是如何解决，例如 ta 克服了各种困难，赶到考场并超常发挥，获得全国第一，又例如，由于没赶上考场，错过了高考，ta 选择了回去继承家业，并成为新一代商业巨子。

代入感

当我们通过三幕式确认了故事的大致情节，剩下就是我们需要给这些框架加上血肉，而其中有一点非常重要，也就是让角色活起来！

至于如何活起来，有个非常简单的一点，那就是代入角色，你得会想象，假如你是这个角色，在身处这个环境中，同时，你又有这些性格以及历史包袱，你下一步会做什么？你是如何思考的？

就像刚刚举例的高考落选的例子，当高考不再是唯一的选项，而各种资源和信息又十分充足，那追求自我，追求爱好是不是更显得尤为重要。所以，假如我是他，我就会不断去追求 AI 视频的制作，学习各种影视知识，学习各种 AI 平台的技巧，因为沉浸在自己的爱好中，本身就是一件十分幸福的事情。

分镜

如何拆解分镜与多景别的意义

当我们拆解完分镜后，有个非常大的难点，也是很多人都困惑，我们怎么拆解分镜？

大多数人可能都是直接把画面内容 copy 一下直接发给提示词优化器，或者直接丢给可灵、或者即梦直接生成。

但是这样就出现一个非常严重的问题，也就是景别都是中景或者近景，像爆款短视频是非常明显了：

可以看到，基本每一幕都是熊猫的全身照，而为什么会出现这个原因也非常简单，因为是竖屏，展示的画面是垂直方向，自然都是全身照，多了，很容易审美疲劳。

这也就是为什么我们制作短片，基本都要使用横屏的原因。

而为了避免出现相同景别出现，因此，我们需要学会使用多个景别去描述同一个件事情。

这个是我在网上找的图：

就像一个喝水的动作，我们可以像左边一样，直接一个中景，展示完全部内容，也可以先特写瓶子，再近景描述喝水的动作，再中景把水瓶放回去。

假如你是矿泉水的品牌方，你会选哪个？

无疑一定是选右边这个，那为什么呢？除了是特写瓶子的 logo，还有非常重要的一点，那就是可以通过不同景别的切换，不断刷新人的大脑的感知，从而使得同样是喝水的事情，在不同景别的切换过程中，大脑会觉得不同画面有不同的关注点，自然就更加感兴趣的看下去！

景别的分类

远景：定格壮阔

远景就像是站在高处俯瞰，画面中的人物显得很小，但能看到广阔的环境。

比如电影开场经常会用远景展示整座城市的面貌，或者展现人物在沙漠、大海中的渺小感。

这种景别最适合用来渲染气氛，营造宏大的场面。

全景：人景合一

全景会把人物的全身和周围环境都拍进去。

这种景别特别适合拍舞蹈或武打动作，因为能完整展现人物的动作，同时又不会失去环境感。

中景：日常视角

中景拍摄范围从膝盖以上到头顶，这个视角最接近我们平时社交的距离。

拍摄对话场景时经常会用到中景，因为既能看清人物表情，又不会让画面太过压迫。

近景：情感交流

近景主要拍摄胸部以上的画面，这时候环境已经不太重要了，重点是展现人物的表情变化。

想要表达人物的心理活动，近景是个很好的选择。

特写：内心世界

特写就是只拍脸部，或者某个重要的物品细节。

当你想让观众关注人物的情感变化，比如悲伤、愤怒的瞬间，特写能让这些情绪更具冲击力。

大特写：细节致胜

大特写更极端，可能只拍一双眼睛，或是嘴角的一抹微笑。

这种景别最适合展现关键细节，比如戒指上的刻字，或是人物眼中闪烁的泪光。

视角

1. 鸟瞰视角（Bird’s-eye View）

视角特点：从高处俯瞰整个画面，视野开阔，能很好地展现场景布局和角色之间的关系。

适用场景：自然风光、大规模场景描绘、强调孤独或渺小的氛围。

Prompt 示例：

A vast golden wheat field with a small wooden house in the center, bird's-eye view, cinematic lighting, detailed landscape, ultra-realistic --ar 16:9

效果图：

关键词：bird’s-eye view, cinematic lighting, detailed landscape

2. 仰视视角（Worm’s-eye View）

视角特点：从地面往上看，给人强烈的冲击感和压迫感，用来凸显物体的威严或震撼效果。

适用场景：摩天大楼、巨型生物、未来科技的场景。

Prompt 示例：

A giant futuristic skyscraper viewed from the ground, worm's-eye view, dramatic perspective, glowing neon lights, cyberpunk theme --ar 16:9

效果图：

关键词：worm’s-eye view, dramatic perspective, cyberpunk theme

3. 主观视角（First-person Perspective）

视角特点：模拟角色眼中的世界，让观众从第一人称视角感受画面，增强代入感。

适用场景：冒险故事、角色互动、生活片段。

Prompt 示例：

A first-person view of hands holding a steaming cup of coffee in a cozy café, first-person perspective, sunlight streaming through the window, warm tones --ar 16:9

效果图：

关键词：first-person perspective, cozy café, warm tones

4. 对角视角（Dutch Angle）

视角特点：画面略微倾斜，打破平衡感，常用于营造不安、悬疑或动感的氛围。

适用场景：恐怖场景、灾难片段、动态事件。

Prompt 示例：

A tilted angle of a dark forest with twisted trees, eerie fog swirling, mysterious glowing eyes in the distance, dutch angle, cinematic horror style --ar 16:9

效果图：

关键词：dutch angle, tilted perspective, cinematic horror style

5. 动态视角（Dynamic View）

视角特点：通过夸张的透视和动作线，表现画面中的剧烈运动和动态效果。

适用场景：战斗场景、追逐片段、飞行镜头。

Prompt 示例：

A superhero flying towards the camera with one fist extended, city skyline in the background, dynamic perspective, intense motion blur --ar 16:9

效果图：

关键词：dynamic perspective, motion blur, cinematic

摄影师风格

在上面的景别和视角上，我们能够很清晰的介绍整个画面的内容构造了。但是，除了画面的物体元素，还有一个很重要的一点，那就是画面的质感。

在这里我们可以偷下懒，直接采用一些比较有名的摄影师的风格，这样就能直接将其画面的质感移植到我们的图片上了。

1. 人像篇：质感直接拉满！

要说人像摄影，Annie Leibovitz 绝对是顶级大师。试试这个 prompt：

elegant portrait in style of Annie Leibovitz, dramatic lighting, intimate mood, editorial quality, professional color grading --ar 4:5

效果太绝了！那种细腻的光影过渡，还有标志性的电影感气质，简直就是在复刻她的作品风格。

还有一位黑白人像大师 Peter Lindbergh，他的作品特别有味道：

fashion portrait in style of Peter Lindbergh, black and white, raw emotion, natural beauty, film grain, high contrast --ar 4:5

纯粹、真实，完全不做作，特别适合想要复古文艺范的朋友！

2. 街拍故事感：让照片会说话

说到街拍，我特别推荐 Steve McCurry 的风格。没错，就是拍出《阿富汗少女》的那位：

street portrait in style of Steve McCurry, vibrant colors, environmental storytelling, golden hour lighting, cultural elements --ar 4:5

色彩张力太强了！而且重点是，画面里每个细节都在讲故事。

3. 玩点疯狂的：超现实主义风格

如果你想玩点不一样的，David LaChapelle 就是最佳选择了：

surreal scene in style of David LaChapelle, hyper-saturated colors, fantasy elements, bold artificial lighting, pop culture --ar 4:5

这个真的太好玩了！色彩疯狂，构图大胆，完全解放你的想象力。

风格特点

• Annie: 戏剧光影、质感细腻
• Peter: 黑白质感、真实情感
• Steve: 人文故事、色彩饱满
• David: 超现实、色彩大胆

1. 1. 可以混搭使用，但别贪多：

portrait with Annie Leibovitz lighting and Peter Lindbergh emotion, professional retouching --ar 4:5

1. 2. 根据场景选择合适的风格：

• 人像写真 → Annie Leibovitz
• 街拍人文 → Steve McCurry
• 时尚黑白 → Peter Lindbergh
• 创意合成 → David LaChapelle

1. 3. 风格叠加公式：

[场景] in style of [摄影师A] lighting with [摄影师B] composition, [具体效果描述] --ar 4:5

影视风格的参考

在这里推荐一个网站：https://shotdeck.com/welcome/trial

登录使用后，能够免费使用两周：

当我们点击浏览照片的时候，我们能看到很多照片，并且能够对其进行分类选择：

我们直接点击其中一个，就能看到里面的详细描述，我们也可以提取这些关键词放到提示词中进行使用，或者，直接下载图片进行风格参考即可。

在即梦中“参考风格”：

分镜拆解

很多小伙伴都有一个共性问题，就是看了很多拉片，也学习过了各种景别，但是，在实际的 AI 视频的制作流程中，总是忽视之前所学的所有内容，依旧是画面直接出图出视频。

这里有很大的一程度原因是因为对于景别的构思还没印到脑海里。

而另外还有一个原因是因为懂了景别，但是不懂如何进行拆解。

这时，我们也可以尝试借助 AI 帮我分解。

例如，我们有一张图片，是一个小男孩在教室的课桌上认真写作业：

写实风格，近景，教室里，一个小男孩在认真写作业。

然后我们打开豆包：

我们把图片上传上去，并填写提示词：

我有这样的一张图，我想分四个镜头进行描述男孩认真写作业的样子，可以有不同景别的切换，但是景别的切换要自然，镜头语言也要丰富，像电影那样。麻烦罗列出这四个镜头的描述。

全景镜头：教室全景入画，明亮光线透过窗户洒入，课桌椅整齐排列。男孩坐在其中一张课桌前，身姿端正，周围环境安静，黑板、其他空桌椅作为背景，勾勒出校园学习场景，让观众知晓事件发生的空间全貌 。

中景镜头：镜头推进至中景，聚焦男孩上半身。他穿着简约衣物，双臂自然搭在桌上，手握笔，目光紧锁作业本，笔触在纸面移动，肩膀偶尔因书写微微颤动，展现专注状态，传递认真写作业的行为信息 。

近景镜头：进一步推成近景，特写手部与作业本互动。笔在指间灵活运转，字迹在纸上逐渐成型，作业本上的线条、文字清晰可见，男孩手部细微的发力、移动，凸显书写动作，强化认真的细节 。

特写镜头：最后切为特写，锁定男孩面部。眉眼低垂，眼神专注且透着执着，睫毛偶尔轻颤，嘴唇抿起，将认真投入的神态放大，让观众共情这份专注，以人物神情收尾，深化画面情绪 。

然后我们再把这些提示词进行复制，放到即梦中生成视频即可：

感谢大家能看到这里！

爆肝了 5000 字，无偿分享给大家，若对你有所帮助，还请礼貌留痕支持下，谢谢大家！