把你的第一部AI短剧做成一个简短而完整的场景:写一个反转,确定演员阵容,生成几个相互关联的镜头,并围绕一个清晰的声音提示进行剪辑。从一个你能完成的场景开始,再用它的结果来规划更长的剧集。

AI视频市场的重要变化在于,一些服务现在可以同时生成相互关联的镜头和声音,而不只是无声片段。这扩展了你的选择,但并没有消除控制以下事项的必要:谁知道什么、物体在哪里,以及哪个镜头该进入剪辑。这些正是本教程在第一个试播集中要建立的决策。

在写提示词之前先选择制作路线

有三种有用的起步路线,它们解决不同的问题。

路线

先搭建

对初学者的优势

可能变得昂贵的地方

带选择性运动的旁白图像

一个定时的静态图像剪辑

故事和节奏可以低成本修改

没有理由地到处添加运动

分开生成镜头和对话

角色参考和对话朗读

单个镜头或台词可以替换

唇形同步和手动组装

集成的音视频序列

带有明确说话者角色的短场景简报

可以在一个结果中探索多个决策

为了修正一个细节而重复整个序列

这些是工作流选择,不是永久的质量排名。两人对峙可能受益于集成声音。围绕一封信构建的悬疑故事可能更容易通过单独插入镜头和反应镜头来控制。

例如,Runway 将 Seedance 2.0 记录为支持文本、图像、视频和音频输入的音频视频模型。这确立了一条可能的路线;但这并不意味着每个 ElserStudio 安装都暴露相同的模型或设置。在围绕某个功能进行设计之前,请检查已配置的提供商。

围绕一个可见的反转构建试播集

使用这个原创练习场景:

一名快递员带着一个信封来到一间公寓。在敲门之前,她听到自己的录音声音从里面传来。信封上的地址是她自己的笔迹。

这个场景有目标、干扰、证据和反转。它不需要人群、新世界或复杂的物理交换。它的难点在于让声音和信封在正确的时刻变得可理解。

在花费视频额度之前创建一个粗略的镜头计划:

镜头

信息已送达

关键起始状态

接受该镜头的条件……

走廊接近

一次投递正在进行中

快递员拿着一个封好的信封

门和快递员在竖幅构图中清晰可辨

手靠近门

她正要敲门

同一只手仍拿着信封

打断发生在接触之前

反应

这个声音对她个人意义重大

快递员仍留在门外

认出信封的过程不依赖夸张动作

信封插入镜头

字迹改变了含义

信封仍然封着

重要的字迹清晰可读

最终选择

她决定不离开

没有新人物出现

场景以意图的改变收尾

这是一个规划示例,并非声称已生成的影像。其目的是展示一份可执行的简报应包含哪些内容。

如果手写字迹必须精确,请将插入镜头准备为可编辑的图形或受控合成。要求视频模型凭空生成对情节至关重要的精确文字,会引入不必要的依赖。

在 ElserStudio 中建立项目

使用文档中记录的项目流程:

  1. 从故事脚本开始。 粘贴场景或导入受支持的源文件,然后检查提取出的动作和说话人。删除任何改变前提的虚构人物或事件。
  2. 准备可复用资产。 使用“准备资产”功能,将快递员、走廊和信封建立为参考。在生成动态画面之前,检查其标准外观。
  3. 创建镜头指令。 附加相关的 World 资产。说明所选路线实际支持的动作、构图、时长和声音要求。
  4. 生成代表性镜头。 先测试面部反应和门边的手;这两者承载了场景的主要不确定性。
  5. 审查并合成。 保留通过的镜头,替换失败的镜头,然后将选定的结果连接到 Composition 节点进行组装。

    这些步骤遵循 ElserStudio 官方指南。它们不假设存在未记录的自动字幕或一键 TikTok 功能。

    资产层之所以有用,是因为它将快递员已获批准的身份与每个新动作分开。在不相关的提示中重复她的完整描述,是管理一个反复出现的人物的一种较弱方式。

    编写一个模型能够完成的动作

    对于手部镜头,避免将整个故事合并到一个请求中:

    快递员走近,听到一段神秘的录音,打开信封,阅读它,变得惊恐,然后跑下楼。

    该请求包含多个空间、物体和表演变化。它还过早地打开了信封。

    一个更可控的镜头简报是:

    已获批准的快递员在公寓门外的中景侧视图。封闭的信封留在她的左手中。她抬起右手敲门,然后在听到里面有声音时在触到门之前停下。克制的辨认;一个连续镜头;固定机位。

    使用提供方实际的输入控件来绑定参考。仅仅写下“已获批准的快递员”并不会在独立生成器中创建资产连接。

    如果你的路线无法生成预期的音频,请请求视觉上的犹豫,并在剪辑中添加录音。同一个故事节拍可以在不同的技术路线下保留。

    把困难的依赖放在首位

    在打磨简单的建立镜头之前,先生成可能使场景失效的镜头。在这里,观众必须相信快递员认出了录音。如果这种联系失败,走廊的视觉细节也无法挽救故事。

    分别审查三件事:

    • 身份: 快递员在剪辑前后仍是同一个人。
    • 物理状态: 信封保持封闭,并在预期的手中。
    • 信息: 录音在反应被解读之前是可听见的。

      当某一项失败时,修复那个特定的依赖。用受控的美术素材替换不清晰的插入镜头。重新剪辑一个迟到的声音提示。简化一个不稳定的手部动作。整集重新生成应该是一个经过考虑的选择,而不是默认的修复按钮。

      以可用素材衡量试播

      记录生成的时长、通过的时长、直接费用和剪辑时间。这些揭示了不同的问题。

      可用素材产出率 = 通过的源秒数 ÷ 生成的源秒数

      这是你的项目指标,而不是已发布的行业成功率。一个通过的秒数只计算一次;在回放中重复它并不会使生成更高效。

      一个手部交互镜头的低产出率表明存在调度或模型适配问题。高产出率之后又花费数小时重新安排故事,则表明存在写作问题。不要为了后者而购买更多生成。

      最后在手机上观看导出结果。即使不阅读帖子描述,观众也应能理解一次投递变成了一桩个人谜案。这比制作一个令人印象深刻但没有完成场景的片段是更强的第一个里程碑。

      常见问题

      试播片应该是完整一集还是预告片?

      一个完整的场景能提供更好的制作证据。预告片可以用快速剪辑掩盖缺失的因果关系,因此它可能无法证明你能维持一段对话或揭示。

      我可以使用集成生成器并仍然编辑结果吗?

      可以。将结果视为源素材。保留有效的部分,但在假设某句台词可以被干净替换之前,先验证对话和音乐是否可以分离。

      如果第一次测试太难,我该怎么办?

      保留相同的戏剧性问题,同时降低技术要求。将语音移到画外,简化互动,或用可编辑的插入镜头替换精确文本镜头。

      从试播片构建下一个场景

      使用 ElserStudio 保留已批准的演员阵容以及每个被接受镜头背后的原因。只有在你清楚哪些参考、动作和声音选择可以重复之后,才进行扩展。