跳至主要內容

ai 影片 製作:先看你手上有什麼,再決定走哪條路

講到 ai 影片 製作,最常被問成「哪個工具最好」;真正的分岔點在更前面:你手上已經有什麼。文字、照片、參考影片各自對應一條路線,需要調的參數不同,出錯的地方也不同。

作者:WowReel Team閱讀時間 19 分鐘
ai 影片 製作:先看你手上有什麼,再決定走哪條路
本頁內容

# ai 影片 製作:先看你手上有什麼,再決定走哪條路

講到 ai 影片 製作,最常被問成「哪個工具最好」;真正的分岔點在更前面:你手上已經有什麼。一段文字描述、一張照片、一段想被複製的動作影片,這三種輸入對應三條完全不同的路線,要調的參數不同,出錯的地方也不同。

選對路線,第一支通常就能用;選錯路線,你會花一整個下午在一個本來就不會成立的畫面上。這篇是入口地圖:三條路各講清楚適用與不適用,再給一條完整的第一支影片走查。提示詞的細節與單張照片怎麼挑,各自有專文處理,這裡只點到為止。

先盤點素材:三種輸入,三條路

你手上的東西走哪條路你會拿到什麼最常卡住的地方
只有一句想法文字生成影片模型自己發明的畫面構圖會漂,指定不了特定長相
一張人物、產品或場景照照片生成影片那個主體真的動起來來源照片決定上限
一段想複製的動作影片模板動作真實動作套到你的主體上範本構圖與你的照片對不上
一份腳本、很多個鏡頭文字生成影片,分鏡做進剪輯軟體組起來的序列鏡頭之間的一致性

多數人心裡想的那個問題,其實手機裡已經有一張照片可以用。那條路是第二條,也是最快做出可用成品的一條。

路線一:文字生成影片

你描述一個場景,模型把它畫出來。你不需要擁有任何素材,這既是它的優點,也是它的限制。

適合: 開場空景、山海風景、天氣、抽象運動、人群,以及任何「不需要是某個特定的人」的畫面。例如「清晨的漁港,一艘船緩緩通過,陰天散射光,機位不動」——這種描述能成立,因為畫面裡沒有任何東西需要被辨認。

不適合: 你在意的臉、畫面裡的文字、商標、需要精準的手部動作,以及跨鏡頭的一致性。同一個角色要兩次,你會得到兩個不同的人。如果你的影片需要特定的人,直接跳到第二條路。

四件能省時間的事:

  • 把運鏡寫成指令,不要寫成形容詞。 「緩慢推近」是一個位置變化;「電影感」不是。
  • 寫出光源。 「颱風前的灰白散射光」、「下午從騎樓斜射進來的西曬」、「頭頂一盞日光燈」。沒有指定光線,是畫面看起來假的第一個原因。
  • 5 秒只能裝一個動作。 兩個動作擠在 5 秒裡,兩個都讀不出來。
  • 句子短、語氣肯定。 太長的從句會被忽略一半。

清晨港邊的遠景,一艘船緩緩通過,機位不動

路線二:照片生成影片

你給一張靜止的照片,模型讓它動起來。市面上大部分實際工作都發生在這條路,因為成品會繼承你已經控制好的構圖、身分與光線。

這條路只有一條鐵律:來源照片決定上限。 一張清楚、光線均勻、正面、主體四周有空間的照片,用哪個模型都能生出乾淨的片段;一張昏暗、歪斜、裁得很緊的照片,再怎麼改提示詞也補不回來。

入門只需要確認三件事:主體完整入框、光線從單一方向來、背景乾淨或模糊。細節(短邊畫素、手掌位置、留白比例)在照片轉影片的入門指南有完整清單,這裡不重複。

第二件事是描述「動什麼」,而不是「感覺如何」。模型需要知道哪個部位動、動多少、機位有沒有動。「她低頭看手機,然後抬眼看向鏡頭,機位固定,上半身入框」是一份規格;「有故事感、很真實」不是。

路線三:模板動作

文字描述動作,靠的是模型的理解力;模板走另一條路——你直接給它一段錄好的動作,它只負責把你的主體疊上去。

要不要走這條,問一句就好:這個動作,你能不能用一句話講清楚? 講得清楚(「往前走三步」、「慢慢轉頭」)用文字就好;講不清楚(兩個人怎麼擊掌、怎麼搭肩、怎麼在同一個拍點上換位)就該交給範本,因為那些細節是身體記住的,不是文字寫得出來的。

適合: 舞蹈、走位、制式的敬禮或擊掌、對拍的短動作,以及任何「動作本身就是內容」的題材。

不適合: 需要特寫臉的鏡頭、需要大幅改變構圖的題材,以及只有一張照片、而那張照片的視角跟範本差很多的情況。

代價在構圖,不在畫質。範本是在特定高度、特定距離、特定身體姿勢下錄的,你的照片得落在同一個視角裡;差太多,模型一邊對應一邊修正比例,成品就會出現橡皮感。生成前用三個問題自查:主體面向是否相同、裁切範圍是否接近、範本要的全身寬度你的照片給不給得起。

三個都過,通常一次就成;有一項不過,先換照片,不要先換範本——範本沒有錯,是你的照片站錯位置。

第一支影片:十二分鐘走查

拿一張你不在意的照片跑一次,全程大約十二分鐘。分成三段,每段只做一件事;真正在等的時間不多,大部分是你在決定。

正面人像,光線均勻、背景單純,主體四周留空

第一段,決定(約三分鐘)。 先挑照片:正面、光線均勻、主體置中並留邊,頭不要貼著邊緣。接著把時長與解析度一次定好——5 秒、最低解析度。這兩項現在決定,後面就不要再回頭改,改了你會分不清是哪一項造成差異。

第二段,打草稿(約五分鐘)。 寫一句動作:主體、動作、方向、機位,四個元素,不要形容詞。送出後看三輪,每一輪只看一件事——第一輪看主體是不是同一個人,第二輪看動作有沒有收尾,第三輪看有沒有不該出現的東西進出畫面。看到問題,一次只改一個變數:身分跑掉換照片,動作過頭縮短那句話,背景在扭就簡化背景。

第三段,定版(約四分鐘)。 照片、句子、時長全部不動,只把解析度換成 1080p,跑你要留下的那一版。產出後立刻下載,生成檔在多數平台上不會永久留著。

十二分鐘裡最花時間的是第二段的判斷,不是生成。所以第一支刻意用一張不在意的照片:你要熟悉的是判斷,不是那張照片。

參數的鎖定順序:從最不容易後悔的開始

順序參數先鎖的理由起點
1機位它決定有多少畫面要重新發明;先鎖住,後面的問題才歸因得出來固定機位,運鏡最後再加
2時長誤差要撐多久;短片先把問題縮小5 秒,乾淨後再試 10 秒
3畫面比例成品能放哪裡,也決定模型要不要補兩側直式 9:16;橫式 16:9;1:1 只給特寫
4解析度只影響細節與成本,不影響動作對不對720p 打草稿,1080p 定版
5運動強度主體移動多遠;第一次幾乎都會設太高低

順序的理由只有一句:先鎖「讓模型最少自由發揮」的那一項,再一次放寬一個自由度。機位、時長、比例這三項鎖完,你才有資格談動作寫得好不好——前面沒鎖,後面改什麼都像在猜。

三種最常見的誤配

看過最多的三種情況,都屬於「用錯路線」而不是「工具不好」:

用文字生成做有臉的主鏡頭。 想要的是一個特定的人,卻用文字描述長相。模型每次都會給你一個不同的人,於是你會一直在換提示詞,而問題不在提示詞。

用照片生成做大幅度的舞蹈。 照片生成擅長「同一個人在原地做動作」,一旦需要整個人跑動、跳躍、轉身,肢體幾何就會開始失真。這種題材交給模板動作,動作是真實錄下來的。

用範本做特寫。 範本提供的是全身或半身的構圖,硬要拿來做臉部特寫,等於把一個全身動作放大到只剩頭,比例一定不對。特寫用照片生成,配一個微動作就夠。

輸出後的去處:四個平台的比例與長度

平台主要比例常見長度生成時要注意
Instagram Reels直式 9:165–10 秒最好用上下留邊,主體避開介面覆蓋區
YouTube Shorts直式 9:165–10 秒第一格就要有動作,開頭不要靜止畫面
TikTok直式 9:165–10 秒字幕區在下方,腳與手別貼底
Threads直式 9:16 或 1:15 秒循環方形版本直接用 1:1 生成,不要事後裁

四個平台都以直式為主,所以生成時就用 9:16,不要先做 16:9 再裁。裁切會切掉兩側,而動作通常正好發生在兩側。

另外兩個實務細節。全身入框的題材(舞蹈、走位、跳躍)用直式生成時,腳很容易落到安全區外,取景時要在下方多留一點空間。要上大螢幕播放的版本,720p 在二十七吋以上會明顯不足,直接用 1080p 生成,不要事後放大。

三種路線怎麼混著用

真正開始做之後,你會發現三條路不是互斥的。最常見的組合是:文字生成拿來做開場空景與轉場,照片生成拿來做有臉的主鏡頭,模板動作用在需要一個漂亮動作的那兩秒。

這樣混的好處是每一段都用它最擅長的方式做,缺點是風格要統一。做法是在剪輯軟體裡統一調色與顆粒,並且讓所有片段用同一個比例輸出——9:16 的素材就全部用 9:16 生成,不要一半橫式一半直式再來補。

常見問題

第一支影片要多久? 照上面的走查,含挑照片大約十到十五分鐘;大部分時間在決定,不在生成。

沒有照片,只能從文字開始嗎? 如果主體不需要是特定的人,文字就夠。如果需要特定長相,走照片那條路,文字生成沒有辦法穩定重現一個人的臉。

為什麼畫面很乾淨,看起來還是假? 通常是光線。生成的場景預設是平光、沒有方向;在描述裡指定光源與方向,對「像真的」的幫助大於其他任何單一調整。

可以一次做長一點的影片嗎? 可以,但每秒的品質會隨時長下降。可靠的做法是做好幾段 5 秒,進剪輯軟體接起來。

比例會影響品質嗎? 會,因為它改變模型要發明的面積。把橫式場景裁成直式,等於強迫模型補滿兩側。能讓來源方向與輸出方向一致就一致。

只能先鎖一個參數的話,先鎖哪個? 機位。它決定有多少畫面要重新發明;機位一動,你就分不清後面的問題是動作造成的還是鏡頭造成的。

同一支影片可以混用三條路線嗎? 可以,而且很常見。空景與轉場用文字生成,有臉的主鏡頭用照片生成,需要漂亮動作的兩秒用模板。混用的代價是風格要統一,做法是在剪輯軟體裡統一調色,並且全部用同一個比例輸出。

下一步

想從照片開始,照片轉影片入門講來源挑選;動作句怎麼寫,AI 影片提示詞指南有完整結構;想知道靜圖裡哪些部分真的能動,把照片變成影片有一張材質對照表。

要讓動作來自參考影片而不是描述,用範本替換影片角色講對應流程。想直接試,從範本頁挑一個開始。

本文這些條件,可以拿一張照片在圖片轉影片工具裡當場驗:先跑 5 秒一條,看主體和構圖撐不撐得住,再決定要不要往下做。

相關文章

相關工具和範本