AI视频生成跌到每秒9分钱,先学会写分镜脚本
这几天做 AI 视频的圈子挺热闹。生数科技放出的 Vidu Q4 Preview,把 AI 视频生成的首发价格直接打到了每秒 0.09 元,也就是不到一毛钱;就算直接出 1080P 高清成片,每秒也不过几毛。几乎同一个假期里,字节给 Seedance 2.5 加了 Draft 草稿模式,可灵 4.0 也在悄悄内测。热闹是真的热闹,但我想说的是另一件事:价格变便宜了,不等于你能做出能看的东西。真正的门槛,早就从"烧不烧得起"变成了会不会写分镜脚本。
不少人到现在对 AI 视频生成的理解还停在"打一句话,等它出片"。真上手你就会发现,两句话的描述换来的是一堆单看挺漂亮、连起来却接不上的碎片。原因不复杂——模型压根不知道你想讲什么故事。它只是把你给的词,翻译成一段会动的画面。
每秒 9 分钱,到底改变了什么
先说个容易被忽略的细节。Vidu 这波"掀桌价"最有分量的地方不是便宜本身,而是把抽卡这件事的成本压到了几乎可以忽略。以前生成一次要掂量半天,现在可以放开手多试几版,追求画面完美,"应抽尽抽"。Seedance 的 Draft 模式走的是另一条路,先用 480P 快速出样片,满意了再输出高清,省钱省在流程上。可灵 4.0 则干脆搭了个"摄影棚",用多关键帧控制把随机的生成变成可控的排片。
三家思路不一样,但都指向同一个结论:生成这一环,正在变得便宜、快速、可规模化。而这套流程其实以经在不少一线团队里跑通了。那么问题来了,当生成不再是瓶颈,瓶颈是什么?
答案是分镜脚本。
别急着点生成,先把分镜脚本写清楚
什么是分镜脚本?说白了,就是把你的故事拆成一个个镜头,每个镜头写明白:镜头编号、时长、景别(远景还是特写)、镜头怎么动(固定、推近、拉远)、画面里有什么、配什么音。这一步做完,你后面生成素材就是"照着单子干活",而不是对着输入框发呆。
我给你看个对比,同一个意思,两种写法。
- 差的写法:"一个女孩在海边跑步。"
- 好的写法:"电影级画质,日落时分的海边,一个穿白色连衣裙的女孩在沙滩上奔跑,金色逆光,浅景深,缓慢跟随的中景镜头,胶片质感。"
看出区别了吗?第二个版本把画风、场景、主体动作、光线、运镜和质感全交代了。对比其它平台你会发现,提示词的底层逻辑是共通的,公式大致就是:画面风格 + 场景描述 + 主体与动作 + 光线色调 + 镜头运动 + 品质关键词。
我的习惯是分两步走。先让 AI 帮你把一句话创意扩成脚本:你是短视频导演,请按这个核心思路写一个 45 秒短片剧本,输出成分镜表格,列明镜号、景别、运镜、画面描述、台词音效和时长。拿到表格之后,我自己再改一轮——AI 常写"眼神里带着复杂的情绪"这种话,画面根本执行不了,得手动改成"脸部特写,半明半暗,瞳孔微缩,嘴唇抿紧"。必免把所有镜头都堆进一个提示词里,那等于什么都没说。
这里还有个新手常踩的坑:角色不一致。第一镜是长脸,第三镜变圆脸,头发颜色也飘了。解决办法不玄乎,就是锁定参考图,把它做为你的身份基准,之后所有镜头都拿同一套参考图去生成。风格化的动画和漫剧比写实画面更容易保持稳定,新手从这类题材起步,挫败感会小很多。
给普通人的三条实操建议
- 先跑通一集,再谈产量。别一上来就规划十集短剧,先用免费额度完整做出一条 30 秒的片子,把选题、分镜、生成、配音、剪辑全走一遍,知道每一环在发生什么,出了问题才清楚去哪儿调。
- 分镜表格比提示词技巧重要。把表格建起来,镜号、时长、景别、运镜、画面、音效各占一列,顺手再加一列绘图提示词。写剧本的时候就把词想好,后面能省下一半来回折腾的时间。
- 按镜头类型挑模型。动作幅度大的镜头找擅长大位移的模型,人物表演和对话镜头就用图生视频加固定机位,让模型把力气花在脸部细节上。这不是玄学,试几次就能摸出自己的模型地图。
回到开头那个价格。每秒 9 分钱或者更低的成本,确实让 AI 视频生成从"技术演示"变成了普通人能玩的东西,但它不会自动帮你把一个故事讲好。工具越便宜,内容本身的价值就越突出。与其追着每个新模型的价格看,不如今天就去写你的第一份分镜脚本——那才是谁都拿不走的能力。等你把一份表格填完,再回头看那些炫技的演示片,你会发现自己已经站在不一样的位置上了。
AI奶盒 · 免费的 AI 提示词脚本工具
免费使用 →