一条 90 秒 AI 概念片是怎么排期的:从脚本到调色的 11 天记录
我们跟完了一个四人小组的全流程:第 1 天定风格帧,第 2 天到第 4 天做镜头表并逐镜生成,第 5 天开始出现角色一致性崩坏,于是回头重做了人物参考库。这篇记录了每天的实际耗时、返工原因,以及哪三个环节最后仍交给人工。
这里不讨论「AI 会不会取代导演」,只记录它今天能替哪个岗位省下几个小时。我们拆工具、拆项目、拆预算表,也把值得看的 AI 短片整理成可检索的片单。
我们跟完了一个四人小组的全流程:第 1 天定风格帧,第 2 天到第 4 天做镜头表并逐镜生成,第 5 天开始出现角色一致性崩坏,于是回头重做了人物参考库。这篇记录了每天的实际耗时、返工原因,以及哪三个环节最后仍交给人工。
这一批作品里,最打动人的不是技术炫技,而是家庭影像、方言纪录和手工动画的混合。我们挑出 9 部可以完整看完的短片,标注了各自的生成环节占比、使用的工具类型,以及它们在哪一步明显输给了传统拍摄。
转身、回头、侧脸这三类动作最容易丢一致性。给出可复现的提示词结构与参考图配置,并说明为什么多加参考图反而更糟。
2026-11-18空镜是AI最容易出活的品类。我们把三类场景的可用率、平均生成次数和后期修图时间列成表,给出适合直接用的场景清单。
2026-11-16同一条文案用不同语速与停顿重录,比较哪种更适合纪录片旁白。附一段可直接套用的停顿标注写法。
2026-11-14预演追求的是节奏而非画质。我们关注的是能否稳定输出 3 秒以上的连续动作,以及手绘线条会不会被「美化」掉。
2026-11-11把「生成」拆成提示、筛选、修图三件事分给不同人,效率反而比一人全包高。附一张可直接改的工序表。
2026-11-17先拍「定妆照」,再按景别从大到小生成。这套顺序能显著减少后期补救的工作量,文中给出具体步骤。
2026-11-15生成素材动辄几十条,命名混乱会让后期崩溃。我们用的是一套「场景-镜号-次数」命名法,并配了目录结构。
2026-11-12勘景阶段的价值不在成片,而在让导演和美术快速对齐。我们记录了一次真实提案会的用法与翻车点。
2026-11-09按叙事、美术、声音三个维度打分,并标注每部片的生成环节占比。不吹技术,只谈观感与可借鉴处。
2026-11-14作者用生成画面补拍已消失的老街,结果口型与方言节奏对不上。这篇分析问题出在哪,以及替代方案。
2026-11-10竖屏短片前 3 秒决定留存。我们统计了 20 条作品的切镜节奏,给出几种常见的开场结构。
2026-11-07先让模型出中间帧,再手绘关键帧修正。作者称这套方法让她的制作周期缩短了近四成,但强调不能省掉分镜。
2026-11-04甲方要的是可控的修改次数,而非惊艳的第一版。几家制作方的报价结构与交付节奏出现了明显变化。
2026-11-16不是新开一门「AI 课」,而是塞进分镜、剪辑、美术史。几位老师的顾虑集中在一件事上:学生先学会判断。
2026-11-12片头时长固定、不涉及演员肖像、可反复修改,这几个条件让它成为风险最低的试验场。
2026-11-08一份真实的独立短片预算表,把 AI 相关成本拆成三项。返工时间是最容易被低估的部分。
2026-11-05平台条款里的「输出物归属」和「商用许可」常常不是一回事。我们整理了阅读顺序和需要留意的措辞。
2026-11-12哪怕只做内部提案,真人照片作为参考也可能踩线。文中给出三类可替代的参考素材来源。
2026-11-06用一张图解释生成流程里这几个参数的位置,并说明为什么换种子会让整条镜头「变脸」。
2026-11-11把「生成十条能用一条」换算成可比较的指标,方便在项目复盘时判断某个工具是否值得续费。
2026-11-03以下为首页提及的主要篇目正文,按发布时间排列。
这个项目是一个四人小组为某文化品牌做的概念片,成片 90 秒,最终交付的是 4K 版本。第 1 天只做一件事:定风格帧。我们让美术出三张手绘气氛图,再用图生图把它们统一成同一套色彩倾向,作为后续所有镜头的参考基准。这一天没有任何视频生成,却决定了后面十天的返工量。
第 2 天到第 4 天进入镜头表阶段。全片拆成 27 个镜头,按景别从大到小排序生成,先出全景与环境,再出中景,最后才是特写。第 5 天问题集中爆发:同一个角色在三个镜头里像三个人。原因是我们一开始把参考图给了太多张,模型在细节上互相拉扯。回头重做人物参考库后,只保留两张正脸、一张侧脸和一张全身,问题基本消失。
第 6 天到第 8 天是可用的生成窗口,平均每个镜头生成 6 到 9 次,可用率约两成。第 9 天进剪辑,第 10 天做调色与声音,第 11 天交付。必须说明的是,有三件事最后仍然交回人工:手部动作的镜头全部重拍或用实拍素材替代;旁白由真人录制;字幕与片尾版式由设计师手工完成。
复盘结论:排期里最该留足余量的是「一致性修复」,它不属于任何一个单独的工序,却会吃掉两到三天。
这一轮征集收到 60 多部作品,我们完整看完的 9 部有一个共同点:作者不再把生成画面当成奇观展示,而是当成补拍手段。有人用生成影像重建童年住过的院子,有人用它补上已故亲人没有留下的影像。技术在这里退到很后面,观众先感受到的是意图。
从制作角度看,这批片子的生成环节占比差别很大,最低的一部只有约一成,主要用于转场与环境延展;最高的一部接近全片生成,但声音完全依赖真人录制与现场采集。这个组合值得注意:影像可以生成,声音的可信度却很难伪造,观众对声音的宽容度明显更低。
短板也很清楚。三到五秒以上的连续动作仍然是通病,涉及多人互动的镜头几乎全部失败。两部作品用固定机位加旁白绕过了这个问题,观感反而更完整。我们在片单里为每部片标注了它的规避手法,这比标注用了什么工具更有参考价值。
测试设置很简单:同一位虚构角色,在相同场景里完成「背对镜头—转头—正面」的动作,共 60 次生成,分三组提示词写法。结果是转身动作的成功率明显低于其他动作,主要失败形态是面部变成另一个人、头发与衣领在转身过程中跳变、以及转身后景别莫名变化。
有效写法是把动作拆开:先描述起始姿态,再描述转折点,最后描述结束姿态,并明确要求镜头不动。参考图给两张即可,正脸一张、背影一张。我们试过给四张以上,失败率反而上升,推测是模型在多个参考之间做了平均。
工程上的建议是:不要在一条镜头里完成复杂转身。拆成两条镜头,用剪辑衔接,稳定性会好很多。这不是妥协,而是目前更省时间的做法。
同一条 80 字文案,我们分别用纪录片旁白、剧情对白、预告片三种语气生成,每种调了四版。旁白最看重的是停顿位置,而不是音色。把句读标出来、在逗号处给 0.2 秒、句号处给 0.4 秒,听感立刻从「念稿」变成「说话」。
对白的问题在情绪连贯性:单句听起来都对,连起来就假。做法是先录一条参考情绪轨,再逐句生成并对齐节奏。预告片语气则相反,需要刻意的不自然,短促、重音前置,反而更容易做好。
必须提醒:涉及具体人物的模仿性配音有明确风险,尤其不能用于商业发布。我们只建议在内部提案与临时小样中使用。
第一步是先有「定妆照」。在纯色背景、正面光下生成角色正面、侧面、背面与半身像,确认造型后固定下来,作为整个项目的唯一参考来源。此后每一张参考图都从这套定妆照派生,不要中途换源。
第二步是固定种子。同一种子在不同镜头里能保留部分纹理特征,但不要指望它解决全部问题。我们的经验是:种子负责质感,参考图负责身份,两者分工明确。
第三步是镜头顺序。先大景别后小景别,先环境后人物,让模型在同一个上下文里逐步收敛。反过来做,特写先出,后面所有全景都会跟着特写的脸走,改起来非常痛苦。
第一,输出物归属与商用许可是两条独立条款。有的平台声明输出物归用户,但另有一条限制特定用途,两者要分开读。第二,注意「用于训练」的措辞,它可能涉及你上传的参考素材。第三,注意生效时间与存量内容的关系,条款更新后旧项目是否适用,通常写得并不清楚。
我们的做法是:每个项目在启动时保存一份当时的条款快照,标注日期,与素材一起归档。这不是法律意见,但在出现争议时能说明你依据的是哪一版规则。涉及正式商业发行时,请咨询专业法律人士。
一位独立制片人分享了新片的前期账目:分镜环节的时间确实缩短了,但省下的预算并没有变成利润,而是转移到了两处——算力与返工。前者是可预期的固定支出,后者是隐性的时间成本,往往要在剪辑阶段才暴露。
他的结论是:把 AI 分镜当成沟通工具,而不是省钱工具。用它让投资方和美术在开拍前对齐,价值最大;指望它压缩总预算,通常会失望。
定义很简单:一个镜头最终进入剪辑的素材条数,除以为它生成的总条数。为了让数字可比,需要固定三个条件:同一提示词结构、同一参考图配置、同一评审人。否则不同项目的可用率没有可比性。
这个指标最大的用处是续费决策。当某个工具在你常用的三类场景上可用率都低于一成,而另一个稳定在两成以上,选择就很清楚了。它不能说明作品好坏,只能说明磨合成本。