三个AI工具, 一条30秒片,两个小时,从零到发视频号

做完这条片子，我最大的感受是——

AI 没有让拍片变简单，只是把门槛从「会不会」挪到了「想不想」

昨天我把一条 30 秒的萌宠短片，从零做到发布。全片没有一台摄影机、没有一个演员、没有一间真的客厅。

客厅是生成的，猫和狗是生成的，连桌上一杯牛奶的热气都是生成的。真正花掉时间的部分根本不是「生成」，而是想清楚要讲什么——生成只要几十秒，想明白要花掉大半时间。

这篇把整条流程拆开给你看：用了哪三个工具、每一环的提示词怎么写、哪几个地方最容易翻车、最后怎么发到视频号。都是刚踩过的坑，不吹。

先看成片，再拆流程

第 01 段 / 0—10s

第 02 段 / 10—20s

第 03 段 / 20—30s

三段成片，各 10 秒拼接。下面逐段拆。

我选的题是责任边界模糊：客厅地上一摊水，橘猫等柴犬管，柴犬等橘猫管，谁都不动；学步的宝宝摇摇晃晃就要踩上去，最后是家里最没存在感的小奶猫默默把事办了。

萌宠负责让人愿意点，宝宝负责让人不敢划走，一句上海话负责让人记住。三种情绪，在 30 秒里各有各的位置。

唯一不能妥协的是开头三秒。视频号里划走的动作发生在第 2 秒，所以第一段我根本没铺垫水从哪来，直接给「脚已经抬起来、下面就是一摊水」的瞬间。

第 1 段的第 2 秒：脚还没落下，字幕已经压上去了——这行字是即梦直接烧进画面的，剪不掉。

AI 视频最劝退的不是画面不好看，是同一条片子里，主角长着三张不同的脸。解决办法很土：先出定妆照。

STEP 01

四个角色，四张正面全身照

橘猫阿橘、柴犬阿柴、小奶猫囡囡、学步宝宝。全部用同一句风格前缀生成，光从右侧窗户进来、暖黄夕照、浅木地板——光位统一，是后面所有镜头能拼在一起的前提。

四口同框的定妆参考图：阿橘、阿柴、囡囡、小主人。大小比例就是片中的比例。

STEP 02

用体积说人物地位

阿橘最胖最占画面、阿柴中等偏壮、囡囡只有它们一半高。「最没存在感」用体型说，比写十句台词都有效，反转那一刻的视觉落差也最大。

另外每人配一件识别物：蓝领巾、黄领巾、过大的蓝围裙、兔子玩偶。观众记不住名字，但记得住颜色。

阿橘 · 橘猫 · 深蓝领巾

阿柴 · 柴犬 · 芥黄领巾

囡囡 · 小奶猫 · 浅蓝围裙

小主人 · 学步宝宝 · 兔子玩偶

四张定妆照，同一句风格前缀、同一侧光源生成。

我用的是即梦，三个分镜是分别生成的——它单条能出 10 秒，所以一条片就是三段 10 秒各跑一次，最后在剪映里拼起来。

提示词我不自己硬写，直接交给 WorkBuddy。脚本定稿后，接着在同一个对话框里往下说一句：「照这份脚本，出第一段的即梦提示词，按画面 / 声音 / 字幕三行、每行前面标好秒数」，它就好一段一段吐出来。

有一个要求必须写清楚：字幕和声音要在同一次生成里一起出。即梦一条 10 秒是把画面、配音、烧进画面的字幕一口气给你的，别默认「先出画面、后期再补」——把它写进要求，它才会把台词、音效、字幕文案一起排进那 10 秒里。

PROMPT0到3秒画面：极低机位贴着浅木色地板，前方一摊清水，水面反射窗外暖光，一只胖乎乎的婴儿光脚高高抬起、脚趾微张，正要踩进水里；镜头贴地快速推进，在脚掌离水面两厘米处骤然停住。声音：一声短促猫叫加心跳鼓点。字幕：画面正中弹出巨大白色粗体字「完——蛋——！」。

三条片子怎么接上？拿上一段的最后一帧，当下一段的首帧，场景、光线、道具位置就都不会跳。

第 1 段的真实最后一帧：水摊留在画面右下角，光还在右侧。第 2 段就是拿它当首帧接上的。

▶ 整条 30 秒成片

30 秒 · 剪映成片

［编辑位：放视频号卡片或上传成片后删掉这张图］

三条视频丢进剪映，我实际只做了两个操作。剪辑越少，观众越觉得片子「干净」。

三条拖到首尾相贴就会自动吸附，出现白线就是对齐了，总时长刚好 30 秒。

片子做完只是做完，封面才是视频号的第一道漏斗。我的封面固定放三层信息。

封面也是在同一个对话框里让它做的。前面聊过角色、聊过那句金句，它知道这张图该是什么调性；我只说一句「做个视频号封面，要吸引眼球的」，出来的就是一张 1080×1920、能直接上传的成品，尺寸、配色、风格都不用再交代一遍。

最终上线的封面：大字只有三个字，冲突交给副标，钩子交给省略号。

标题和封面要错开视角：封面卖「里面讲什么」，标题卖「为什么点开」。所以我标题里刻意不再出现「一摊水」三个字，让两条信息互补，而不是重复。

话题标签混着用，八个以内：

整条片子算下来，两个小时就够了。真正花时间的不是生成，是那句脚本——创意脚本得来回打磨，改到自己都觉得一句废话都没有了才敢拍；视频生成出来的画面有点瑕疵反而不重要，观众不会盯着爪子的边缘看，工具成本也几乎为零，真正贵的是「你得先知道要说什么」。

这也是我做企业 AI 落地这几年最确定的一件事：模型和工具每三个月换一茬，能把需求翻译成画面、把画面拆成指令的人，一直稀缺。

谁先伸手，谁就摆平了

我是庞强年，专注于 AI 赋能个人与企业成长。