把你的第一部 AI 短劇做成一個簡短而完整的場景:寫出一個反轉、確認演員陣容、生成幾個相互銜接的鏡頭,並圍繞一個清晰的聲音提示進行剪輯。從一個你能完成的場景開始,再用它的成果規劃更長的集數。

AI 影片市場的重要變化在於,現在有些服務能同時生成相互銜接的鏡頭與聲音,而不只是無聲片段。這擴大了你的選擇,但並沒有消除控制以下事項的必要:誰知道什麼、物件在哪裡,以及哪個鏡次該放進剪輯。這些正是本教學納入第一支試播集的決策。

在寫提示詞之前先選定製作路線

有三條實用的起步路線,各自解決不同的問題。

路線

先建立

對初學者的優勢

可能變得昂貴的地方

旁白圖像搭配選擇性動態

一段計時的靜態圖像剪輯

故事與節奏可以低成本修改

毫無理由地到處加入動態

分開生成的鏡頭與對白

角色參考與對白朗讀

個別鏡頭或台詞可以替換

唇形同步與手動組裝

整合式音影片序列

一份附有明確說話者角色的短場景簡報

一次成果就能探索多項決策

為了修正一個細節而重複整個序列

這些是工作流程的選擇,而非永久的品質排名。兩人的對峙場景可能受益於整合式聲音。圍繞一封信建構的懸疑故事,可能透過分開的插入鏡頭與反應鏡頭更容易控制。

例如,Runway 將 Seedance 2.0 記載為一款支援文字、圖像、影片與音訊輸入的音影片模型。這確立了一條可能的路線;但這不代表每個 ElserStudio 安裝都會提供相同的模型或設定。在圍繞某項功能進行設計之前,請先確認已設定的供應商。

圍繞一個可見的反轉打造試播集

使用這個原創練習場景:

一名快遞員帶著一個信封抵達一間公寓。在敲門之前,她聽見自己的錄音聲音從屋內傳出。信封上寫著她自己的筆跡。

這個場景有目標、干擾、證據與反轉。它不需要人群、新世界或複雜的肢體互動。它的難度在於讓聲音與信封在正確的時刻被理解。

在花費影片額度之前,先建立粗略的鏡頭計畫:

鏡頭

資訊送達

必要的起始狀態

接受這個鏡頭的條件是……

走廊接近

遞送正在進行中

快遞員拿著封好的信封

門與快遞員在垂直構圖中清晰可辨

手靠近門

她正要敲門

同一隻手仍拿著信封

打斷發生在接觸之前

反應

這個聲音對她個人具有重要意義

快遞員仍留在門外

辨識過程不靠誇張動作也能讀懂

信封插入鏡頭

字跡改變了意義

信封仍是封好的

重要的字跡清晰可讀

最終選擇

她決定不離開

沒有新人物出現

場景以改變的意圖作結

這是規劃範例,並非聲稱已生成的影片素材。其目的是展示一份可執行的簡報應包含哪些內容。

若手寫字跡必須完全精確,請將插入畫面準備成可編輯的圖形或受控合成。要求影片模型自行發明對劇情至關重要的精確文字,會引入不必要的依賴。

在 ElserStudio 中建立專案

使用文件記載的專案流程:

  1. 從 Story Script 開始。 貼上場景內容或匯入支援的來源檔案,然後檢視擷取出的動作與說話者。移除任何會改變前提的虛構角色或事件。
  2. 準備重複使用的資產。 使用 Prepare Assets,將快遞員、走廊與信封建立為參考。在生成動作之前,先檢查標準外觀。
  3. 建立鏡頭指示。 附加相關的 World 資產。說明所選路線實際支援的動作、取景、時長與聲音需求。
  4. 生成具代表性的鏡頭。 先測試臉部反應與門旁的手;這兩者承載了這場戲的主要不確定性。
  5. 檢視並進行合成。 保留採用的鏡次、替換失敗的鏡次,然後將選定的結果連接到 Composition 節點進行組裝。

    這些步驟遵循 ElserStudio 官方指南。它們不假設存在未記載的自動字幕或一鍵 TikTok 功能。

    資產層之所以有用,是因為它能讓快遞員已核准的身分與每個新動作保持分離。在不相關的提示詞中重複她的完整描述,是管理反覆出現人物的較弱方式。

    撰寫一個模型能完成的動作

    對於手部鏡頭,避免將整個故事合併到一個請求中:

    快遞員走近,聽到一段神秘的錄音,打開信封,閱讀它,變得驚恐,然後跑下樓。

    該請求包含多項空間、物件與表演上的變化。它也過早打開了信封。

    更具可控性的鏡頭簡述是:

    已核准快遞員在公寓門外的中景側視圖。關閉的信封留在她的左手中。她舉起右手敲門,然後在觸碰門之前停住,因為裡面傳來了聲音。克制的辨認;一個連續鏡頭;固定攝影機。

    使用提供者實際的輸入控制項來綁定參考。僅寫下「已核准快遞員」並不會在獨立生成器中建立資產連結。

    如果你的路線無法生成預期的音訊,請要求視覺上的猶豫,並在剪輯中加入錄音。同一個故事節拍可以在不同的技術路線下存續。

    把困難的依賴關係放在最前面

    在潤飾容易的建立鏡頭之前,先生成可能使這場戲失效的鏡頭。在這裡,觀眾必須相信快遞員認出了這段錄音。如果這個連結失敗,走廊的視覺細節也無法挽救故事。

    分別檢視三件事:

    • 身分: 快遞員在剪接前後仍是同一個人。
    • 物理狀態: 信封保持關閉,並在預期的手中。
    • 資訊: 錄音在反應被解讀之前是可聽見的。

      當其中一項失敗時,修復那個特定的依賴關係。用受控的圖稿替換不清楚的插入鏡頭。重新剪接延遲的音效提示。簡化不穩定的手部動作。整集重新生成應該是一個經過考慮的選擇,而不是預設的修復按鈕。

      以可用素材衡量試播集

      記錄生成的時長、採用的時長、直接費用與剪輯時間。這些揭示了不同的問題。

      可用素材產出率 = 採用的來源秒數 ÷ 生成的來源秒數

      這是你的專案指標,不是已公布的業界成功率。一個採用的秒數只計算一次;在重播中重複它並不會讓生成更有效率。

      單一手部互動鏡頭的產出率偏低,暗示存在調度或模型適配問題。產出率偏高,隨後卻花數小時重新編排故事,則暗示存在寫作問題。不要為了後者購買更多生成。

      最後用手機觀看匯出成品來收尾。觀眾應該要能理解,一趟外送變成了一樁個人謎團,即使沒有閱讀貼文說明也一樣。這會是比製作一支令人印象深刻、卻沒有完成任何場景的片段更強的第一個里程碑。

      常見問題

      試播集應該是一整集還是一支預告片?

      一個完整的場景能提供更好的製作實證。預告片可以用快速剪接把缺失的因果關係藏起來,因此它可能無法證明你能夠撐起一段對話或一次揭露。

      我可以使用整合式生成器,然後仍然剪輯成品嗎?

      可以。把成品當作原始素材來處理。保留可行的段落,但在假設某句台詞能被乾淨替換之前,先確認對話與音樂是否能分離。

      如果第一次測試太困難,我該怎麼辦?

      保留同樣的戲劇性提問,同時降低技術要求。把說話移到畫面外、簡化互動,或用可編輯的插入鏡頭取代精確文字鏡頭。

      從試播集建構下一個場景

      使用 ElserStudio 保留已核准的演員陣容,以及每個被採用鏡頭背後的理由。只有在你知道哪些參考、動作與聲音選擇可以重複之後,才進行擴展。