先看一组数字：一部 6 分钟的 AI 短片，两个人做了 12 天，累计消耗 3000 多元的积分额度，主力工具是 Codex 加 Seedance 2.5。
这是爱范儿团队最近公开的一次完整尝试。他们把过程写成了图文，其中最值得拿去复用的部分，不是某一套提示词模板，而是「哪一步最容易返工」。如果你也准备碰 AI视频生成，这篇复盘基本把常见弯路走了一遍。
整条链路拆下来是四步：打磨剧本、建立资产库、生成视频、后期制作。换成传统片场的说法，就是写剧本、找演员、选服装、搭场景、拍摄，再进剪辑。区别只在于，演员、摄影棚和摄影机都被搬进了电脑。
剧本：别急着生成，先让 AI 把动作写清楚
他们把第一步留给了剧本，花掉整整一天。做法是先研究原著、电影、预告片和公开设定，讨论出故事框架，再把框架和整理好的资料交给 AI，让它按标准剧本格式补情节和人物对白，出稿后人工逐场核对。
这里有个技巧值得单独拎出来：不要让 AI 只交代「发生了什么」，还要让它写清人物「怎么做」——动作的先后顺序、表情的细微变化、说话时的情绪，以及人物之间的位置关系。剧本写得越具体，后面改写成视频提示词时，歧义就越少。
他们给这一步定的目标很实在：不是把剧本写得更像文学，而是让它更容易被执行。
资产库：决定成片气质，也是返工最多的地方
剧本定稿之后是资产库，包括角色外形、服装、道具和场景设定。它既决定整部片子的美学风格，也决定同一个人物换到下一个镜头后，会不会突然变成另一个人。
踩得最深的坑出在版权上。为了接近电影的视觉气质，他们一开始直接上传了电影截图作为参考，生成效果确实不错，甚至有些「太不错了」——资产传到 AI 视频平台之后，触发了版权保护审核，视频没法继续生成。
补救的办法是把资产整体重做一遍：保留低饱和色彩、荒漠质感、空间尺度这类抽象视觉特征，重做人物轮廓、服装结构和道具细节；弗雷曼人的蓝眼睛、蒸馏服上的过滤塞这种辨识度很高的元素直接去掉。这轮返工前后用了三天，先花两天生成图片资产，再花一天集中调整，才得到一套能继续用的素材。
还有一个细节关系到工具选择：网页版 GPT 生成的图片在反复修改后出现越改越糊的情况，所以图片资产的后续调整，他们挪到了 AI 编程工具里完成。
提示词：30 秒的视频，按秒拆时间线
视频生成的操作本身并不复杂：把对应角色、场景和道具上传到对话框，附上提示词，再逐一 @ 需要引用的素材，选好模型、画幅、分辨率和时长就能提交。
真正拉开结果差距的是提示词。他们整理出来的提示词乍看很长很复杂，拆开看核心只有三层。
第一层是整体概述，说清这一段发生什么、采用怎样的摄影风格、人物处于什么情绪。第二层是分时段时间线，标出每个时间区间里人物站在哪里、做什么，镜头如何移动，表演节奏怎样变化。第三层是约束条件，明确哪些元素不能出现、哪些动作不要发生、哪些画面必须保持一致。
换个说法就是：概述负责说明「为什么拍」，时间线负责说明「怎么拍」，约束词负责提前排除最常见的失控画面。
Seedance 2.5 一次能生成 30 秒，但时长越长，提示词越不能含糊。镜头运动、人物走位和表演节奏，只要有一项没说清楚，后面就容易逐渐失控——人物可能突然换位，动作次序可能颠倒，原本克制的表演也可能变得夸张。所以他们的做法是把视频按秒拆成时间线，分段交代位置关系、表情神态、肢体动作和台词语气，最后再补一段否定式的约束。把要求提前说清楚，既能提高镜头的可控性，也能减少反复抽卡的次数，说到底还是给自己省钱。
工具层面还有两个功能值得一提。一个是自由画布，可以把一场戏需要的人物、场景和道具集中放在一起，先选中一部分素材生成关键片段，再以它为基础向外延展镜头。实际用下来，他们仍以 Agent 对话为主，画布用来管理素材、组织镜头。另一个是局部编辑：某个镜头里多了一艘飞船，纯靠文字描述，AI 未必能判断是哪一艘、在哪个位置、其他内容要不要动，直接框选那块区域再补一句修改要求，结果通常比纯文字稳定。
后期：生成的是素材，剪辑才决定能不能成片
AI 短片很少一次生成到位，它更像一个不断生成、筛选和重新组合的过程。一段 30 秒的视频里，可能只有几秒真正精彩，但只要那几秒足够好，它就能成为成片里的一个有效镜头。所以每一次生成的结果都保留下来，进剪辑软件重新挑选，微调节奏之后再组合，最后补上音乐、音效和字幕。
这套流程能复用到哪里
两个人、12 天、3000 多元的积分额度，换来一部 6 分钟的作品，这个体量当然没法跟工业级项目比。但有个参照挺有意思：一部 95 分钟、画面全部由 AI 生成的长片《Hell Grind》在戛纳的活动上做过放映，团队 15 人，资产准备之后生成阶段用了 14 天，总预算低于 50 万美元，他们后来还开放了完整项目资料，包括每场戏背后的提示词、资产和生成记录。
把两边的工作流放在一起看，逻辑其实是同一套：先把剧本、角色和场景变成可重复调用的资产，再选择合适的工具生成镜头，最后靠人工筛选和剪辑，把素材变成真正的作品。
他们最后给出的结论也很直接：与其在每一个新出的 AI工具 上追着跑，不如把时间花在剧本、资产管理、镜头调度和后期判断上。模型会不断更新，这些能力会留在创作者手里。
