两个国产 AI 工具,一条短视频,从脚本到成片,零剪辑

TL;DR

想做 30 秒 AI 短视频，不用全用海外工具。豆包负责动脑，元宝负责出图，剪映负责成片。三个工具各司其职，从零出片。

先说分工：把工具各管一摊，流程就顺了

最近很多朋友问我，想做 AI 短视频，但工具太多、流程太乱，到底怎么组合才高效。

我反复测下来，豆包和元宝其实是一对非常互补的组合。豆包负责动脑，元宝负责出图，再配合剪映这类剪辑工具，就能把一条短视频从 0 到 1 做出来。

很多人一开始会把工具混用，导致效率很低。我的经验是，把三个工具各管一摊：

豆包负责创意构思、脚本撰写、分镜拆解、提示词优化、图生视频提示词撰写、剪辑灵感。

元宝只负责生成图片，把分镜画面变成可视化素材。这里有的小伙伴可能就要问了，为什么生图要用元宝，而不是豆包等国产模型呢？就这么和你说吧，现在为止，公认生图质量最NB的是MJ，而在众多国产模型中，艺术感能和MJ最接近的，元宝是其中的佼佼者。但是，千万不要在元宝里进行图生图的迭代，它产生的黑噪点，会让你看的怀疑人生。以后大家做设定图，可以用元宝和其它模型做做对比。

剪辑工具负责把动态片段整合，加音乐、加字幕、做转场。

这样分工非常清晰，豆包解决内容怎么写、画面怎么动，元宝解决画面怎么做，最后剪辑工具负责把片子串起来。

第一步 · 让豆包出分镜：脚本做出来，后面画面才不散

做短视频，第一步一定不是画图，是先把脚本做出来。脚本没做好，后面画面再漂亮也容易散。我一般会直接让豆包帮我生成一份可落地的分镜脚本。

大家可以直接复制下面这个提示词：

举个例子，如果你想做一条红酒短视频，把主题替换掉就行。豆包输出脚本后，重点检查两点，画面是不是完整，有没有漏掉酒杯、人物、产品特写这些关键元素。提示词是不是具体，如果描述太笼统，画面出来就会普通。

发现问题不用慌，直接继续让豆包改。比如「这个分镜缺少酒杯画面，帮我补一个画面描述和 AI 绘图提示词」「这一屏画面不够高级，重新优化成更有质感的 AI 绘图提示词」。这一步的目标很简单，把每个分镜都变成一张可以直接交给元宝生图的画面提示词。

第二步 · 元宝逐镜生图：生成一张、核对一张

六分镜静态帧 ·

镜1静态帧

镜2静态帧

镜3静态帧

镜4静态帧

镜5静态帧

镜6静态帧

脚本确定后，就轮到元宝上场了。但这里要注意，元宝只负责生图，不要把写脚本、想创意、做剪辑的任务都压给它。我们把豆包生成的绘图提示词，逐一分镜复制给元宝，让它输出对应的静态画面。

我的操作方式是，把豆包生成的每个分镜提示词，单独复制到元宝。生成一组画面后，先筛选最符合脚本的一张。如果画面不对、不喜欢、或者风格跑偏，就把问题告诉豆包，让豆包重新优化提示词，再回元宝生成。直到每个分镜都有一张可用图片。

这里分享一个小技巧，不要一次生成完所有图就结束。最好生成一张、核对一张，确认画面、产品、风格、色调都统一后，再继续做下一张。这样后面剪辑的时候，片子整体感会更强。

第三步 · 图生图迭代：每版只改一个变量，画面渐进不跳变

在出最终画面之前，我用的是「图生图」来迭代，不是一次成型。把初版图当成垫图，再喂给元宝微调，一步步把画面推到可用。下面是镜3和镜6的迭代过程，两张图让自己的产品融入视频：

图生图迭代过程 ·

 ·

V1【产品图，使用豆包替换镜3、镜6中的产品】

V2【镜3】

V2【镜6】

使用豆包图生图基本不会破坏原图的光影效果和镜头感，但有一点很明显的BUG。镜3的酒瓶是悬浮的，这里我没有对其进行下一步的迭代。

元宝产出全部静态图片之后，图生视频的提示词，这一步还是交由豆包完成。动态效果依旧借助图生视频工具，我们用到的仍然是豆包。

把豆包写好的动态提示词连同图片一起导入图生视频工具，每个分镜生成 3 到 6 秒的动态片段。导出后统一保存，准备进入剪辑环节。

补一个偷懒方法：因为豆包现在用的 Seedance 2.5 支持 30S 视频音画直出，所以也可以把六张参考图和豆包生成的分镜表、旁白直接扔给豆包，一条 30 秒、带画面带声音的成片就直出了，不用逐镜再生动态、再单独配音。多一种方法，看你选。

第四步 · 剪辑灵感：让豆包给你三个转场方案再挑

画面有了，动态片段也有了，接下来就是剪辑。很多人会卡在这里，画面怎么连、转场怎么做、音乐怎么加。

我的建议是，别硬想，直接让豆包给你灵感。比如你可以问，「这两个画面之间适合做什么转场」「红酒倒入酒杯的画面，适合加什么音效」「产品特写镜头，怎么剪辑更有高级感」。

我有个很实用的技巧，不要只让豆包给一个方案，让它给你三个，你再挑最适合的。豆包可能会建议淡入淡出、圆形蒙版、遮挡转场、光影闪白、推拉镜头衔接。你选一个最贴合风格的，再去剪映实现。

第五步 · 剪映成片：五小点把素材串成 30 秒成片

最后一步，把所有素材导入剪映，按这个顺序操作。

一，导入动态分镜片段。把图生视频工具输出的动态片段，按分镜顺序导入剪映。

二，调整时长和节奏。特写镜头 2-4 秒，氛围镜头 3-5 秒，产品镜头 2-3 秒，结尾镜头 3-4 秒，总时长控制在 25-30 秒。

三，添加转场。画面切换柔和用淡入淡出，有倒入、扫过、遮挡动作用遮挡转场，想做高级质感用圆形蒙版或光影转场。

四，添加音乐和音效。让豆包提前建议音乐风格，音效选倒酒声、玻璃轻碰声、快门声这些，让视频更真实。

五，配音和字幕。如果需要旁白，用 AI 配音工具生成，语速不要太快，音色贴合视频调性。字幕剪映自动生成后再手动调整字体和位置。

实操案例 · 30s 红酒广告：一套可直接抄的完整参数

上面讲完流程，下面给一个完整可抄的案例，30 秒红酒广告。整体调性，高级静谧、轻奢氛围感，适合短视频平台。

BGM 风格，低沉舒缓的钢琴纯音乐，轻微大提琴铺垫，慵懒高级，不压人声旁白。配音选沉稳温润解说音，语速偏慢。

六镜图生视频提示词，豆包逐镜输出，直接送图生视频工具。镜 1 镜头缓慢向前推进，葡萄园晚风吹动枝叶，落日光影流动，电影氛围感。镜 2 镜头静止，葡萄水珠微微反光，光影极轻微，动态克制。镜 3 镜头缓慢横向平移，光影明暗变化，安静高级。镜 4 红酒缓缓倒入高脚杯，酒液弧线流畅，光影随酒液流动。镜 5 酒杯小幅晃动，酒液轻柔旋转，挂杯缓缓形成。镜 6 镜头缓慢拉远，光斑闪烁，画面静谧，氛围拉满。

剪辑灵感，镜 3 到镜 4 用圆形蒙版转场，从酒桶画面过渡到倒酒特写，高级丝滑。其余镜头用淡入淡出。字幕用细衬线白字，加轻微黑色描边，放画面底部，不遮挡主体。旁白音量低于 BGM。

旁白全文，时光沉淀，风味自现。一颗好葡萄，酝酿醇厚果香。橡木陈酿，锁住层次香气。缓缓入杯，邂逅宝石红的浪漫。轻摇酒杯，感受绵长回味。一席佳酿，敬每一个温柔时刻。整段直接丢 AI 配音。

干货清单 · 六步走：整理成一张能直接抄的清单

整理成一张能直接抄的清单，六步走：

① 豆包生成分镜脚本表格② 提取每条 AI 绘图提示词，复制到元宝逐镜生图③ 拿每张图交给豆包，生成对应图生视频提示词④ 图片加动态提示词送图生视频工具，导出 6 段动态短片⑤ 豆包构思转场、音效搭配方案⑥ 剪映导入片段，配音、加字幕、配乐，输出成片。

你学会了吗？

下期写什么，你说了算。我手上还攒着一堆没拆的翻车现场。你最近在哪个环节返工最多，评论区说一句，或后台直接甩给我，哪怕就三个字。我挑提到最多的那个，下一篇就拆它。

寒社视觉

干过平面、杂志、报纸，现在做 AI 漫剧。纸媒教我的最后一课是：稿子要改到最后一秒；AI 教我的第一课是：改到最后一秒也没用，它有自己的想法。

作品有《余念》《姐姐，别躲了》《婴宁的歪理公寓》《黄沙镇》。

别人分享经验，我分享病历——坑全是自己掉进去的，掉得还挺整齐。关注我，你先别踩。

// EOF

觉得有用？点赞在看转发，让更多做 AI 漫剧的人少走弯路。