会用很多 AI 工具,但轮到自己做内容,我还是会卡住

我最近有个挺尴尬的问题。

国内外的 AI 图片、剧本、分镜和视频工具，我用过不少。别人问某种画面怎么做，我大概能想到几套方案；真让我给自己的公众号做第一篇内容，脑子却是空的。

先写工具测评？好像每个工具都有人写。

发提示词合集？网上已经多得看不过来。

做一条完整短片？刚想开工，又会同时冒出十几个问题：故事从哪里来，角色怎么定，分几个镜头，用哪个模型，积分花完了还没出片怎么办？

这次我把问题想简单一点：先不做“大作品”，也不急着证明哪个工具最好。先做一个足够小、能从头走到尾的练习。

这篇就从这个练习开始。

我给练习加了几个限制

我选的故事叫《最后一次送货》。

一句话梗概是：

城市即将停电，一个快没电的旧机器人，冒雨送出仓库里最后一个包裹。

为了让它真的能做出来，我给它加了五个限制：

• 30 秒左右；
• 一个主要角色；
• 六个镜头；
• 没有对白；
• 情绪从冷清走向温暖。

这几个限制比“帮我想一个感人的科幻故事”好用得多。它们会逼着模型少写人物背景和大道理，多给能直接画出来的动作。

我用的创意提示词结构也很简单：

设计一个30秒无对白AI短片。只保留一个主要角色、两个以内的场景和一次情绪转折。避免多人、打斗、复杂手部动作和频繁换景。故事必须能拆成6个独立镜头，每个镜头只发生一个主要动作。情绪：孤独，但结尾温暖。

这里最有用的是最后两句。一个镜头只有一个主要动作，后面做视频时会省掉很多无效生成。

先把角色钉住

我没有直接生成第一格分镜，而是先做角色设定。

机器人被定成方形脑袋、两只蓝色镜头眼、旧白色金属外壳和轮式底盘。特征不算多，但轮廓容易辨认，也适合在不同景别里保持一致。

做角色设定时，我会固定以下内容：

角色主体：小型旧式送货机器人头部：横向圆角方形，两只大型蓝色镜头眼身体：磨损的旧白色金属外壳，少量锈迹行动方式：四轮底盘，小型机械手臂气质：安静、迟钝、认真必须保持：头身比例、眼睛结构、轮胎数量、外壳颜色和磨损位置

后面的镜头可以换天气、景别和动作，但这部分不要跟着改。很多“角色一致性技巧”，说到底就是先决定什么绝对不能变。

六个镜头，先看故事通不通

我把故事拆成了下面六格：

对应的镜头表是这样的：

这一版不复杂，但只看六张图已经能大致明白发生了什么。如果静态分镜都讲不清，继续花积分生成视频，多半只是把问题做成动态。

图片转视频时，我不会把动作写得很满

以第三个镜头为例，我会把视频提示词写成：

旧机器人双手抱住纸箱，在雨夜空街缓慢向前行驶。轮胎压过积水，路灯倒影轻微晃动。镜头从侧后方平稳跟随，速度克制，不改变角色外形。

它只有三层信息：角色怎么动、环境怎么动、摄影机怎么动。

我不会在同一个镜头里继续要求它抬头、加速、躲车、摔倒再爬起来。动作写得越热闹，最后越可能每件事都只做了一半。

第四个上坡镜头也一样：

机器人抱着纸箱缓慢爬上湿滑斜坡，轮胎偶尔轻微打滑。雨水沿金属外壳流下。低机位拍摄，镜头轻微向上移动，保持机器人结构稳定。

至于具体用国内模型还是国外模型，我更倾向于先选一个主力模型把六个镜头跑完。只有某个镜头明显做不好时，再换另一个模型补。每一格都重新比较一轮工具，很容易把创作重新变成软件测试。

这三张图还不是一支短片

这次我先把封面、角色设定和六格分镜做了出来。它们只是前期资产，还不能算“完成了一支 AI 短片”。

接下来真正麻烦的部分包括：

• 六个镜头中的机器人能否保持一致；
• 雨水、轮胎和纸箱的运动是否自然；
• 前后镜头的光线能否接上；
• 哪些镜头需要重做首帧；
• 配乐和环境音会不会把情绪做得太满。

这些问题只有开始生成视频以后才知道。我不准备先写一个看起来很完整的结论，再假装所有步骤都已经验证过。

这个账号后面会继续记录这条短片怎么往下做：用了什么方法，哪里失败，换了什么方案，最后花了多少次生成。做成功的部分可以当教程，做失败的部分也可以留下来当参考。

写在最后

我现在不缺工具，缺的是持续把作品做完的过程。

所以第一篇没有做排行榜，也没有整理一百条提示词。我只是先定下一个小故事、一个角色和六个镜头。至少下一次打开工具时，我知道第一张图该做什么。

如果你也会很多工具，却经常卡在“到底做什么”，可以试试把目标压到很小：30 秒、一个角色、六个镜头。

先做完，再谈更大的东西。