普通人用 AI 做短视频：一句话，三步，一条能发的片子

做短视频的人，卡点往往不在"不会拍"，而在前面两件事：

不知道拍什么，和不知道怎么把想法变成画面。

你想做个视频讲讲自己的行业、自己城市的故事，脑子里有画面，但落到"这一格画什么、下一格怎么接"，就卡住了。

今天这篇文章，给你一套能落地的三步方法。不用会画、不用会剪，也不用买设备——因为这三个环节，AI 都已经能接过去了。

先看一个变化：三个环节的门槛都被拉平了

传统做视频有三道工序：

| 环节 | 以前 | 现在 | |------|------|------| | 画 | 原画师 | 文生图 | | 演 | 拍摄 + 演员 | 图生视频 | | 剪 | 后期 | 剪映 |

这就是普通人现在能做出片子的原因——不是你有天赋了，是工具把门槛抬走了。

那剩下要做的是什么？三件事：

拆（把想法变成三格）→ 说全（让 AI 听懂）→ 锁（保持角色一致）。

一条 60 秒的短片，工作量大概是：3-6 格分镜 + 3-6 张图 + 3-6 段 5 秒视频 + 一次剪辑。

听起来不多吧？这就对了，它本来就不多。

三格结构：起 → 转 → 合

第一步：拆——把一句话变成三格

这一步解决"拍什么"。

方法就一句话：先把 AI 放一边，用大白话把你的想法拆成三个观众看得懂的瞬间。

三格的结构是：起、转、合。

| 格 | 作用 | 你该自问 | |:--:|------|---------| | 起 | 抛出问题 | 主角在哪、遇到什么烦恼？ | | 转 | 制造意外 | 发生了什么改变现状的事？ | | 合 | 高潮反转 | 最后带来了什么变化？ |

为啥缺一不可？

• 没有"起"，观众不知道该替谁着急
• 没有"转"，故事就只是流水账
• "合"决定观众会不会点赞转发

让三格立住的公式

光有起转合还不够，每一格要写清这四样：

| 要素 | 说明 | |------|------| | 可见目标 | 观众看得见是否完成的 | | 阻碍 | 另一个人的合理目标、环境或时间 | | 代价 | 失败会失去什么、成功必须放弃什么 | | 选择 | 高潮里人物自己做的动作，不是旁白替他总结 |

给你一句检验的话，写完自己念一遍：

拿掉最后那个选择，人物和关系有没有变化？

没变，它还不算故事。

30 秒短片的节奏表

| 时间 | 做什么 | |------|--------| | 0-3 秒 | 开场立场锚定，先让人选边站 | | 3-5 秒 | 期待建立，层层加码 | | 5-7 秒 | 冲突变大，把情绪压紧 | | 7-9 秒 | 开始反转，用落差爆发 | | 9-15 秒 | 收束下钩子，留一个下一集 |

两条经验：

1. 开场不是介绍背景，是制造立场
2. 反转不要一步到位，分两到三拍给——爽感是一拍一拍推上去的

第二步：说全——让 AI 听懂你说什么

这一步解决"AI 凭什么听我的"。

有意思的是，同样的工具，有人拿到废片，有人拿到成品。差别就在有没有把话说全。

通用指令公式：BARD

B（背景）：我是谁、什么情况 A（目标）：我要什么、要多具体 R（角色）：你扮谁、给谁看 D（要求）：什么格式、什么规格

落到生图上就是：

• 背景
   → 世界观与场景（如"老城区的傍晚、刚下过雨"）
• 目标
   → 这一格要什么画面、什么情绪
• 角色
   → 画风 + 主角身份
• 要求
   → 景别、画幅 9:16、光影、画质、不要出现什么

一段好提示词，就是一份给员工的清楚的任务说明书。

镜头咒语：景别 + 动作 + 情绪

• 景别
  ：电影级特写 / 近景 / 中景 / 全景 / 大远景
• 动作
  ：必须是动词——猛地睁开双眼 / 单膝跪地 / 把断剑插入地面
• 情绪光影
  ：眼神凌厉决绝 / 暗夜微光打在脸上 / 电影级光影 / 极致细节 8k

这一条你一定要记住：

形容词 AI 听不懂，动词才听得懂。

对比一下：

• ❌ "画一个很酷的少年，很帅"——没景别、没动作、没光影，AI 只能自己猜
• ✅ 风格 + 景别 + 动作 + 眼神 + 光影 + 画质全写全——每一句 AI 都有事可做

角色一致性：同一张身份证，每格照抄

第三步：锁——别让第二格换个人

这是新手翻车最多的地方。

先说一个真相：AI 不会记得你上一格画的是谁。你写多少，它记多少。

所以要准备"三件套"：

① 角色身份证——一段写死外貌的文字，每格照抄：

年龄身份、发型发色、服装、标志性特征、气质

用法：每生成一格，这段照抄不变，只改动作和场景。少一样，第二格就换人了。

② 风格前缀——全片统一的一句画风描述。

③ 参考图/垫图——有图比没图稳得多。

两个实战硬招

首尾帧接力：把上一段的尾帧，当下一段的首帧。跨段不换人、不跳光。

地标写结构不写地名：写"白色曲面壳体"，别写"某某图书馆"——模型不认识地名。

记住这句话：AI 负责画，你负责拆和锁。

三条红线（做之前先知道线在哪）

1. 不用真人肖像生成内容
   ——改用动漫化造型
2. 不碰违法、低俗、暴力、虚假信息
   ——先看平台规则再开工
3. 发布要双标注
   ——发布页勾选 + 画面前五秒字幕标注"AI 生成"

第三条别嫌麻烦：同质化、模板化的内容会被平台划入低质池。

从哪开始：给你一个最小行动

别一上来就做长篇，也别贪多。

就从这一步开始：做一条 30 秒、只讲一个点的片子。

具体怎么做：

1. 选一个你熟悉的场景
   ——你的城市、你的行业、你身边的故事
2. 写出三格
   （起、转、合），每格用故事公式过一遍
3. 用 BARD + 镜头咒语生成 3 张图
   ，角色身份证每格照抄
4. 图生视频 → 剪辑 → 成片
5. 发布前走一遍三条红线

第一次做完，你就知道自己卡在哪了——而卡住的那一步，正是你下次要突破的地方。

最后说句实在话

AI 让"做出来"变简单了，但"做得好"还是另一回事。

工具永远只是工具。真正决定成片质量的，是你有没有把故事拆对、有没有把话说全、有没有守住底线。

"AI 不背锅，方向错了才是废片。"

这句话我常说——因为见过太多人，把失败归给工具，其实是自己没想清楚。

这三件事，AI 替不了你——而那，正是你的价值。

你想用 AI 做一条什么样的片子？讲讲你的城市、你的行业，还是你的故事？

评论区说说你的想法——也许我能帮你把三格拆出来。

如果这篇对你有用，点个关注。接着我会写"怎么让画面动起来""怎么配音和剪辑"这些具体的环节。