我用AI做了条30秒短片，全程只说了3句话

一条 30 秒、1920×1080、真人实拍质感的短片：两个汉代女子，一场暮色庭院里的茶局。

演员、摄影、灯光、剪辑，全是 AI 做的。我没拍一个镜头，也没开过剪辑软件。

整个过程我只交代了三件事：出主角、写剧本、生成视频。这篇就讲这三句话该怎么说。

① 图生主角：「这几张图，帮我做成角色设定图」

我网上找了一张图，截图了2个人物过去，让智能体生成四宫格人物图。

它自己补的：判断出三人同框会让模型把两张脸"平均"成第三个人，于是先自动裁出两位女子的单人图，再分别生成四面板设定图——正面脸、侧面脸、正面全身、背面全身。这是后面所有镜头里"同一张脸"能保持一致的基础。

技巧：给原始素材 + 一句意图。剩下的拆解，交给它。

② 写剧本：「正常一段文戏」

就这六个字。它自己排出了：18 个镜头，每镜标好景别和运镜；一条张力曲线——缓、紧、顶点、软、落定；一条道具状态链——执壶、放壶、推盏、喝尽、反扣空盏、起身；每镜的设计理由，还引了两部电影当参考。

技巧：一句话 + 一个方向就够，但一定要说清“按电影的方式”。你说“随便拍拍”，出来的就是随便拍拍。

03 生成视频：「生成并合并」

就这四个字。它自己补的：判断 18 个镜头塞进一次生成会被模型简化，于是拆成 3 段 × 10 秒；自己为每段生成一张“首帧”锁定画面；自己把三段无损拼接；拼完自己抽帧逐秒检查，把偏差列成表告诉我。

技巧：把决策权和兜底方案一起给它。我的原话是“能一次生成最好，不行就多段后合并”。

做 AI 视频无非这几种路径：文生图出画面、图生视频让图片动起来、文生视频直接出片、视频生视频做参考延展。想最快出片，直接用 Seedance 2.5 文生一条 30 秒就够了。

但无论走哪条路，第一步都值得先把角色确定下来、锁死。因为模型每次生成都是重新抽卡，同一句描述换一镜，就可能换一张脸。先有角色设定图，后面每一镜才能是同一张脸。

这篇也是学习加试验的记录：场景我没有自己生成，全交给智能体直接出，边学边试。

以前也做了很多视频，简直不能看，这个学会了后期慢慢的图用MJ，视频Seedance 2.5的话效果会更加好，我这边只不过直接用智能体生成的，全是免费的。

作者提示含AI生成内容。作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～