AI 视频 邪修新玩法，一张宫格图，省 90% tokens

最近一段时间，AI 视频圈开始流行一个观点：宫格已经过时了，未来属于故事板。

理由也很简单，4 / 9 / 12 等宫格本质上是把想法拆成几张图片，虽能看出点剧情推进，但更多的还是偏向多角度的展现方式而已。

于是大家开始追求一种更高级的玩法 —— 故事板。把角色、镜头、剧情整合到一个分镜图里，做出来的效果的确变好了。听起来似乎很高级，但实际体验过后大家都知道，故事板本身并没有脱离宫格，无论是电影分镜、漫画分镜、广告脚本，还是游戏CG预演，本质上走的依旧是「故事、宫格、视频」这个路径。所以问题从不是宫格过时了，而是大部分工具只能做到宫格，就没了下一步。

最近体验了 Vidu 新上线的「多宫格创作」，它重新诠释了宫格创作这个词，它没去纠结宫格、故事板到底谁更高级，而是默默地把整个链路打通，上传人物、场景，把想法写下来，Vidu 能帮你自动生成分镜、宫格、视频，一气呵成。

我的结论是：不是宫格过时，是不能真正落地成为视频的宫格过时了。

Case1：一句话的游戏视频

说完想法，来点实际的。Vidu 多宫格创作究竟可以做到什么程度。

之前我看过很多 AI 生成的游戏视频，都非常有意思，所以决定立马试试 Vidu 多宫格创作能不能做游戏。经历过《暗黑2》那个年代的小伙伴都知道，当年那个游戏的选人画面非常之惊艳，我一个人蹲着看别人选半天。角色的造型、细节、声音、BGM，给当年小小的我，一个大大的震撼。

所以我决定生成一个暗黑风格的修仙游戏选人视频。

当然，我没有现成游戏，总不能丢个真的截图吧，那还测啥 AI ！所以我决定从零开始，用 Vidu 文生图先创造一副多人场景。模型选择上，挑选了细节更生动的全能 Image，产出的画质也会更强。

这里要夸一下 Vidu 的素材打通设计。多宫格创作可以直接调用平台的历史素材资源，无论是曾经生成的图片，或者添加过的主体，都可以在其中直接调用，二次利用。对我这种抽卡狂人来说，非常的便捷。

提示词设计上，我花了点心思，游戏最忌讳的是有图无声，所以我明确了音效、BGM、旁白等等，构建了一套 9 宫格 15 秒的完整分镜提示词。

你看，这个提示词我没有去纠结它到底是”宫格”格式还是”故事板”格式。我就是把我想说的东西全写进去了——什么角色、什么镜头、什么台词、什么音效，一股脑丢给 Agent。它会自己判断怎么拆、怎么排、怎么生成。这就是 Vidu 多宫格创作给我最大的感受：你专注于讲故事，格式的事不用操心。

在素材、提示词下方，可以选择宫格数、视频时长、清晰度、宽高比等四个参数。对，只有这四个，别的没有了。相比于我其它使用过给的平台，Vidu 多宫格创作给人的感觉是非常简洁、干净的。视频的创作核心就在参考图、故事情节！

来看看最终效果，游戏的UI、角色快闪画面、台词、动效都非常逼真。每个角色的台词和音色都有区分度，最后的传送门进入游戏的转场也到位了。作为一个纯 AI 生成的 15 秒视频，这个完成度让我有点吃惊。

Case2：漫画一键变漫剧

游戏视频做完之后，我脑子里突然冒出一个更大胆的想法 —— 从漫画做漫剧！这个其实出于私心，因为我看的一些漫画过于小众，也没有工作室愿意去改编漫剧，挺可惜的。

其实我在漫画的时候，就意识到了一件事，漫画自身，不就是一个完美的分镜吗？一页页的漫画里，有分镜、有剧情推进，人物的姿态、表情、台词都画在里面了。这些信息量，比任何提示词都要完整。漫画作者花几十页铺垫的情绪和张力，全浓缩在某一页里。

再回头看 Vidu 的多宫格创作，本质上也是一个分镜 + 故事板 + 剧情宫格的集成工具。如果我把一页漫画直接丢进去，让它自己解析分镜、自己生成视频，会发生什么？

说干就干，下面是我用 Vidu 生成的两页漫画（考虑版权就自己创作了~ 实际大家如果使用的时候，完全可以拿喜欢的漫画来生成）。

依旧是把漫画导入到多宫格创作工具里，提示词就一句话：按照漫画内容，创建动画 六个字。我觉得这是我在 AI 视频创作里写过最短的提示词了！

Vidu 在实际创作中，会先根据你的参考图和提示词生成一套宫格图。我把漫画原图和 Vidu 生成的宫格图做了一下对比—— 尤其女主角的几个姿态，比如图 1 侧脸、图 2 奔驰、图 6 冲刺、图 10 战斗。都非常精准地从漫画里继承了下来。这不只是大概像，是一毛一样的那种像。

更厉害的是剧情走节奏。我这页漫画的故事线是对立 → 战斗 → 从天而降的转折 → 战胜 → 尾声，Vidu 生成的宫格图和视频，基本上完全复刻了这个节奏。Agent 自己从漫画里读出了叙事结构，然后把它翻译成了视频语言阿，兄dei ！

说实话，这比我自己写提示词方便太多了。你写一个战斗场景的提示词，要描述角色姿态、要描述镜头运动、要描述节奏快慢，写半天还可能写不准。但漫画作者已经用画面把这一切都表达完了，Vidu 只需要”看懂”它，然后”翻译”成视频。这个链路一旦跑通，我觉得对漫画作者、对同人创作者、对所有想让静态画面动起来的人来说，都是一个巨大的创作解放。

15 秒的成片里，最让我惊艳的是女主角半蹲收尾的那个姿势——画面张力拉满，镜头从上方缓缓推下来，配合角色的眼神，超级有张力好吧！

当然，局限也是有的。15s 的视频时间太短，Agent 抛弃了大量的信息。但我看来，这个取舍非常合理的。希望未来单次视频生成的长度可以增加，我就可以在 Vidu 上从漫画变漫剧，没有中间流程赚差价！

不过这还没完。我还想对比一下，那种”一句话极简提示词”的效果，跟传统的”主体参考 + 复杂提示词”相比，差距到底有多大？

为了测试，我基于刚才的漫画故事线，在 Vidu 里重新生成了女主角和反派男主，并把他们设为了参考主体。这里要重点说一下 Vidu 的主体功能，这是保证视频一致性的神器。在主体配置页面里，你不仅可以上传角色的多个角度照片，还可以维护角色的外观提示词和声音音色。也就是说，你一次设定好角色的长相和声音，后面所有视频创作都可以调用这个主体，角色不会出现”这一秒长这样、下一秒换了一张脸”的问题。

Vidu 在这轮创作中，同样先根据提示词生成了一套宫格图。因为这轮提示词里加入了详细的运镜、动作、场景描述，生成的宫格图明显更偏向专业故事板的质感，每个格子不仅有画面，还隐含了镜头语言和动作节点。

最终生成的视频效果如下，两个字，丝滑！

剧情发展脉络完美遵循了宫格提示词要求，16 个镜头的转场非常到位。尤其是 2 个运镜场景让我印象很深刻，宫格 1 的高空推进近景、宫格 4 的对立推进，气氛拉得特别满。

对比两套方案，我的感受是这样的：

漫画 + 一句话 胜在速度和忠于原作。可以快速把自己喜欢的漫画变成动态版本，这套方案几乎零门槛，效果已经很好了。漫画本身的信息量替你把大部分提示词工作都做完了。

主体 + 提示词 胜在控制力和创作上限。这套方案完全自定义世界观、角色外形、战斗风格、镜头节奏，做出属于你自己的原创动画。前提是你愿意花时间去写提示词、去配置主体。

说到底，宫格玩法是节省积分的一大利器。同样 15s 视频，Vidu 多宫格创作玩法生成的，会包含更多的镜头语言、剧情推进效果，场景、人物一致性也更高。这是原来单独做 N 个视频再整合办不到的。

Case3：真人短剧运镜效果

第三个测试，我把目光移到了真人 AI 短剧。这次重点来看看 Vidu 多宫格创作加上更复杂的运镜效果、台词、微表情，能不能完美执行。

场景我选择了情感争执。在短剧中，情感争执会涉及到中近景、过肩视角、近景、怼脸、背影等等多种镜头效果，它能诠释不同台词、氛围下的人物对立和剧情张力，还包括人物细节情绪变化，是非常看 Agent 理解和模型能力的一种测试。

这里分享一个小经验：宫格数量并不是越多越好，越多的宫格代表着越多的分镜。

4/6 宫格，是普通人肉眼在短时间内能清晰分辨出“每个格子具体在干嘛”的极限。通常有强烈的因果关系或空间互补用于遐想。

9宫格开始，画面不再追求引导观众看懂每一个格子的细节，而是追求整体感。非常适合一个快速的剧情推进。

12/16 宫格，15s 视频下每个宫格展示时间只剩 1s 左右，只适合极端快节奏的混剪、快闪、高潮切入，或者极具视觉震撼的量化展示。

AI 短剧下，尤其是争执场景，需要一定的遐想空间和情绪缓冲，所以我选择了适中的 9 宫格。下面是 Vidu 生成的宫格图，镜头、运镜、场景、台词等要素齐全，即充当分镜、又推动剧情。

成片效果如下，中景推进、双主角过肩反打、内反打、怼脸特写、虚影切换，我把这些指令直接写进了宫格提示词里，没有刻意简化，就是想看看 Vidu 能不能听懂这些”行话”。

结果出乎我意料的好。Vidu 生成视频的运镜非常成熟、稳定，甚至让我觉得 Vidu 这次的多宫格创作不只是简单的分镜，应该还包含了自动切片的操作在里面。

Case4：产品 TVC 广告

最后一个用法，就是偏商业的 TVC 视频，这次拿大家最熟悉的 NAS 来打样。我从极空间官网上直接复制了几张真实的产品图片下来，包括细节图、侧视图等。

这里说句题外话，很多搞创作的人有点瞧不上广告片，觉得那是甲方意志。这句话没错，但是我们必须承认的是，TVC 是视频里对”一致性”要求最高的品类。品牌调性不能偏、产品外观不能歪、画面质感不能掉价、旁白和产品展示的不能乱。任何一个环节出问题，这支广告就算废了。

商业视频和普通的创作视频，最大的区别在于约束条件，所以我这次在提示词里下了大量的约束条件，这也是我想重点分享的一个技巧。

最终的成品效果如下，个人认为还是比较满意的。当然里面也有一些轻微的产品错位，这个可以通过增加参考图来弥补。

写在最后

游戏、漫剧、短剧、TVC，我跑的这四个案例基本覆盖了 AI 视频的主要应用场景。

说实话，短时间内跑通这四个场景，是我以前根本不敢想象的。这四种完全不同的内容形态，意味着四套完全不同的工作流程，四种不同的工具链，和四个不同的专业门槛。

但在 Vidu 多宫格创作下，它们被统一了。

想起以前做视频，先自己画分镜，再从分镜里选择镜头到视频。现在这条链路被 Vidu 「多宫格创作」工具彻底压缩了，它自动把参考图变分镜，再自动把分镜变成视频。只要你有想法，写下来，工具帮你自动变成视频。

这意味着创作者可以把精力收回，将重心挪到更本质的故事之上。不是运镜，不是分镜，不是提示词工程，而是你想讲什么、你想让观众感受到什么。

所以对于开头的宫格和故事板之争，我觉得完全没必要。宫格不是终点，故事板也不是终点，它们只是一个中间态。而真正的终点，是创作者脑海中的画面，变成观众屏幕上看到的内容。

一步到位地把想法转化为视频，工具负责实现，人负责创作，我觉得这才是 AI 视频的下一步，也是真正值得期待的那一步。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～