如何用彼此衔接的短片段做出更长的 AI 视频

工作室里的每个视频模型每次渲染只返回一个片段，而且片段很短。没有人能在提示词框里输入一部一分钟的电影然后直接拿到成片。人们实际的做法更接近传统电影制作：先定好镜头，逐个拍出来，再剪到一起。难点不在长度，而在于让四次独立渲染出来的四个片段，看起来像是同一个摄制组在同一个下午拍的。下面我们用一个小例子从头讲到尾，说明我们会怎样规划：一部关于深夜面摊的短片的开头。

写任何提示词之前，先写分镜表

分镜表就是每个片段一行、按编号排列：画面里看到什么，镜头怎么运动，这个镜头怎样结束。结尾最重要，因为下一个片段要从那里接上。面摊的例子：

1. 01远景。 雨夜的小巷，面摊在尽头亮着灯。缓慢推进。以面摊占满画面中央结束。
2. 02中景。 摊主把汤舀进碗里，热气升进灯光。镜头不动。以盛满的碗结束。
3. 03近景。 筷子从碗里夹起面条，热气缭绕。轻微向下移动。以吃了一半的碗结束。
4. 04再次远景。 从街的另一头看过去，雨中的面摊小而温暖。缓慢拉远。最后一个镜头。

四个镜头，每个只讲一件事。如果一行里需要用到“然后”，那就是两个镜头。文生视频提示词指南解释了为什么一个片段只应承载一个动作。

用一句话锁定画面风格

片段在内容走样之前，早就会在色彩、光线和镜头上各走各的。解决办法是写一行风格描述，只写一次，原封不动地贴在每个提示词的末尾。不是意思相近的词，而是完全相同的词，顺序也相同。

用光源来描述颜色（“温暖的钨丝灯映衬深蓝”），而不是用形容词（“氛围感”），并且整段序列只用一种镜头。配色指南里还有更多模型能稳定遵循的词。

先用静态图做关键帧

静态图比片段更便宜、更快，所以先在静态图上把画面风格定下来。每个镜头用分镜表里的那一行加上风格行渲染一张静态图，一直调整到四张并排放在一起协调为止。然后逐张让它动起来：选一个图生视频模型，用 + 图片 把静态图加为首帧，只描述运动。首帧固定了构图、色彩和场景，而这正是让片段彼此匹配的大部分因素。运动提示词指南列出了哪些运镜词稳定可靠，哪些会让画面扭曲。

衔接两个镜头的三种方法

在一个片段与下一个片段相接的地方，你有三种工具，模型页面把它们都列出来了。可以按任务搜索，也可以按输入类型筛选。

• 硬切。 两个独立的片段，各自从自己的首帧开始，在你的剪辑软件里接起来。大多数电影本来就是这样剪的，而且它很宽容：从远景跳到近景，眼睛会直接接受，不会追问镜头去了哪里。
• 首帧加尾帧。 有些图生视频模型接受两张图，一张首帧、一张尾帧，然后补出两者之间的运动（在模型页面搜索“start-end”）。把面摊位于画面中央的那张图作为第一个镜头片段的尾帧，它就会正好停在第二个镜头开始的位置。
• 延长片段。 视频延长 下的模型接收一个完成的片段，从最后一帧开始，按你描述的内容续出新的一段。它更适合一个连续的长运镜，比如沿着街道的推进，而不是切换机位。

声音：整部片子只决定一次

有几个视频模型的设置里有声音开关。很容易就让它开着，但四个片段配四条分别生成的音轨，每次切换都会跳一下：雨声突然变大，街头的声音也变了。对于一段序列，通常更好的做法是把片段都渲染成无声的，然后在剪辑软件里为所有片段铺一条统一的雨声。如果确实想用模型生成的声音，就在每个提示词里保留相同的声音描述。

工作室在这里做不了什么

它不做剪辑。没有时间线，没有办法把片段合成一个文件，也没有办法从片段里取出单独一帧；这些都需要你自己的视频剪辑软件，它也负责调色匹配和转场。要把一个片段或一帧重新作为输入，就从你的资料库下载，再用 + 视频 或 + 图片 重新添加。从最后一帧延长也并不完美：人脸、手和小字在接缝处往往会轻微偏移，而且每次延长都可能离风格行更远一点，所以每个接缝都要按原尺寸检查。长度依然只能一次渲染一次地累积，每次都有自己的价格，显示在「生成」按钮上。

如果你还在决定镜头，先用故事板方法把它们画成静态草图。分镜表准备好后，打开工作室，从第一个镜头开始。