创意
一句话描述主角、目标、阻碍与变化，避免只有氛围没有事件。
AI Video Field Guide · 2026
从一个镜头
到稳定成片
真正值得学习的不是某个模型的“咒语”，而是把创意变成分镜、把分镜变成可控镜头、再用剪辑与声音建立叙事的一整套能力。
4 周从零到独立制作
3 支15–60 秒完整作品
6 项作品质量评估维度
1 套可复用生产工作流
01 · Mental model
先建立正确的
学习对象
AI 视频不是“输入一句话，得到一部电影”。生成模型负责提供镜头素材；创作者仍然要决定看什么、何时切换、为什么产生情绪。
分镜
把故事拆成信息功能不同的镜头，为每个镜头规定景别和时长。
参考
用角色、场景、服装与色板锁定视觉世界，降低随机漂移。
生成
逐镜头控制主体动作和相机运动，选择可剪辑的版本。
后期
通过剪辑、声音、字幕和调色，把离散素材变成连续体验。
核心原则：纯文生视频适合探索意外；参考图、首尾帧和动作参考适合稳定生产。初学者应先学会“从关键帧出发”，再追求一句话生成完整影片。
02 · Creator case
DiDi_OK：
先表达，再生成
《牌子》的经验提醒我们：AI 可以压缩执行成本，却不能替创作者产生真实感受、判断什么值得说，以及决定什么才算“好”。
一套比“提示词技巧”更上游的创作闭环
EXPRESSION LOOP找到不吐不快的感受
从生活中的愤怒、怀念、困惑或期待开始，而不是先找热门风格。
审核表达的价值
它是否值得传递？能否给别人带来新的理解、感受或乐趣？
选择观众能进入的形式
形式像请客吃饭：先降低理解门槛，再把最独特的表达端出来。
检查技术、成本与周期
个人创作者必须在情绪消散前做完；无法控制的酷创意可以主动放弃。
回到最初表达
生成、剪辑和视觉奇观完成后，再问一次：成片有没有偏离真正想说的事？
执行杠杆，不是创意主体
AI 擅长资料辅助、视觉实现和快速试错；细腻的人类情绪、幽默与表达仍需创作者做决定。
没有人比你更会做自己
经历、城市、性格、审美和跨媒介“通感”共同构成个人底色。模型越趋同，这些变量越重要。
尽快做完前十个失败作品
AI 最大的学习价值是降低试错代价。不要把第一部作品当代表作，把它当作获得反馈的实验。
1.5 个月报道所述《牌子》剧本构思时间：最难压缩的是表达和故事。
3 天报道所述 AI 制作时间：执行环节被显著压缩。
10 个快速完成早期作品，用真实反馈替代无限准备。
把它加入你的工作流：每个项目开工前先写四句话——“我现在最强烈的感受是什么？”“我真正想让观众感到什么？”“哪种形式最容易进入？”“在当前周期内能否完成？”
来源：DiDi_OK 现场分享 · 分享全文整理与补充采访
03 · Choose a path
四种目标，
四条不同路线
共同基础都是镜头语言与剪辑，但作品形式、评价标准和技术深度不同。没有明确目标时，先走“内容创作”路线。
内容创作
短视频、知识内容、故事账号。优先训练信息密度、前三秒吸引力、字幕和稳定周更能力。
品牌与广告
产品视觉、概念片、社交广告。优先训练品牌一致性、产品真实性和商业可用性。
叙事与电影
剧情短片、MV、视觉实验。重点是角色弧线、场面调度、连续性和声音叙事。
模型与研发
本地工作流、模型机制与可控生成。先具备创作判断，再进入节点系统、条件控制与评测。
04 · Tool stack
只选一个主模型，
先完成作品
工具会快速变化，能力结构不会。最小工具栈是“一个生成平台 + 一个剪辑软件”；不要同时学习五套界面。
即梦
生成适合中文创作和国内入门，覆盖文/图生视频、首尾帧及多模态参考。
- 优势：中文理解、链路完整
- 练习：首帧 → 动作 → 尾帧
可灵
生成适合角色与元素参考、镜头覆盖和叙事镜头实验。
- 优势：主体绑定与多镜头能力
- 练习：同一角色跨三个场景
剪映
后期承担剪辑、字幕、配音、音效、调色、补帧和画质增强。
- 优势：国内工作流顺畅
- 练习：让六个独立镜头产生节奏
Runway
生成 / 学习适合系统学习镜头运动、参考素材和生成式视频工作流。
- 优势：创作者教程体系完整
- 练习：同一画面的五种运镜
Google Flow
电影工作流围绕 Veo 构建，强调场景素材复用、角色一致性和相机控制。
- 优势：面向分镜和场景组织
- 练习：一个场景的正反打覆盖
Adobe Firefly
生成 / 后期适合已经使用 Premiere 的创作者，便于把生成素材接入专业剪辑。
- 优势：Adobe 生态与商业工作流
- 练习：为实拍时间线补一组 B-roll
ComfyUI + Wan
本地节点适合进入可复现节点流程、参数控制、批量实验和模型研究。
- 优势：流程透明、可保存与复用
- 前提：显存、环境配置和调试耐心
05 · Platform map
先选工作流，
再选模型
平台会不断换模型、换积分和换套餐。真正需要比较的是：谁最适合你的镜头类型、资产管理方式、地区可用性与单位可用镜头成本。
给国内个人创作者的默认答案
用即梦 Seedance 2.0 做主平台，用可灵 3.0 补固定角色、多人对白和声线镜头；动作与微表情交给海螺 2.3，动漫和低成本批量交给 Vidu。剪映或达芬奇负责剪辑、字幕、声音与最终输出。
MAIN导演式生成多图、视频、音频参考；中文叙事与原生音画。
FIX一致性补救角色、声线、多人对白和镜头文字。
EDIT成片交付把离散镜头变成有节奏、有声音的作品。
| 平台 / 模型 | 最强场景 | 主要限制 | 价格口径（官方公开信息） | 官方资料 |
|---|---|---|---|---|
| 即梦 国内首选 | 多素材导演式参考、中文叙事、原生音画、15 秒多镜头。 | 多主体一致性、画面文字和复杂局部编辑仍可能失败。 | 消费者月费与单次扣分未公开稳定价，需登录购买页；火山方舟活动包 ¥196/1400 万 tokens 起，具体视频数量随规格变化。 | Seedance 2.0 发布 API 活动包 |
| 可灵 3.0 角色与对白 | 固定角色、声线、多角色对白、自定义多镜头、镜头内文字。 | 人民币套餐和积分兑换关系需在登录结算页确认。 | 5 秒：720p 静音 30 credits、有声 45；1080p 静音 40、有声 60；声线控制再加 10 credits。 | 官方指南与计费 |
| 海螺 2.3 动作专项 | 复杂身体动作、物理性、微表情、写实人物与风格化短镜头。 | 不属于原生音画联合工作流，声音通常后期完成。 | Standard $14.99/月 1000 credits；Pro $54.99/月 4500 credits。API：768p 6 秒 $0.28，1080p 6 秒 $0.49。 | 会员政策 API 价格 |
| Vidu Q3 批量与动漫 | 最多 7 张主体参考图；动漫、道具、场景一致性和成本敏感批量。 | 错峰任务可能等待最长 48 小时；消费者套餐价格动态。 | API 1 credit=¥0.03125；Q3 Turbo 1080p 约 ¥2.03/5 秒，错峰约 ¥1.09/5 秒；注册有体验积分和每日登录积分。 | API 价格 参考生视频 |
| Runway 国际工作台 | Gen-4.5、Seedance、Kling、Veo 等多模型切换与生成式视频编辑。 | 积分不结转；高频生成成本高；中国大陆可用性需自行确认。 | Free $0/一次性 125 credits；Standard $15/月（年付 $12/月）625；Pro $35（年付 $28）2250；Max $95（年付 $76）9500。 | 官方套餐 模型列表 |
| Google Flow / Veo 地区限制 | Scenebuilder、首尾帧、Ingredients、场景延展，适合多场景叙事。 | 中国大陆不在支持范围；Free、Plus、Pro 通常有可见水印。 | AI Plus $7.99/200 credits；Pro $19.99/1000；Ultra $100/10000。Veo Fast 约 20 credits/次，Quality 100/次。 | Google AI 套餐 Flow 积分规则 |
| Adobe Firefly 地区限制 | Adobe 生态、Premiere 衔接、商业素材治理与参考控制。 | 中国大陆不可用；1080p 生成消耗高。 | Standard $9.99/2000 credits；Pro $19.99/4000；Pro Plus $49.99/10000。1080p 为 100 credits/秒，Standard 约 4 条 5 秒 1080p。 | 官方套餐 积分消耗 |
| ComfyUI + Wan2.2 本地研发 | 可复现、隐私、批量队列、节点控制和模型研究。 | 配置、显存、存储和维护成本高；不适合零基础第一站。 | 软件与模型 $0；Wan2.2 官方 720p 基准建议至少 24GB 显存。8GB 优化版可装载，不代表能高效生产。 | Wan2.2 仓库 ComfyUI 教程 |
真正要记录的是 订阅费 + 加购积分 + 算力成本 ÷ 最终采用镜头数。同一镜头五次才采用，单位可用成本就是标价的五倍。
免费额度、可见品牌水印、依法保留的 AI 标识和商业授权是四件不同的事。付款也不自动意味着可以删除全部标识。
先用同一组 10–12 个测试镜头比较采用率、人物一致性、声音、等待时间和后期工作量，再决定是否续费。
对白、动作、双人互动、文字、运镜、首尾帧各做 1–2 个镜头。
先用 Seedance 2.0 完成整组，不要一开始同时注册八个平台。
角色/声线失败找可灵，动作失败找海螺，动漫与批量找 Vidu。
保留提示词、参考图、模型、版本、生成次数和最终采用结果。
我的建议：先买一个月的即梦或最小积分包，配合可灵免费额度完成 12 镜头基准测试；如果你更看重成本透明度，再把 Vidu API 或海螺 API 作为补充。海外平台暂时不适合作为中国大陆个人创作者的核心依赖。
06 · Asset workflow
《丧尸清道夫》：
先冻结资产，再做镜头
Mx-Shell 的核心方法是把生图当作“美术资产生产”，而不是为每个镜头临时抽卡。优质参考图先定义人物、场景和视觉基调，再把稳定资产交给视频模型。
角色资产包
先完成角色母版，再逐层添加表情、服装与装备。主角高精度，次要角色按实际镜头需求降级。
- 基础全身母版
hero_base - 表情变化组
hero_expr_* - 服装与做旧
hero_costume - 独立道具图
prop_revolver - 三视图与特写
hero_sheet
场景资产包
先生成同一场景的构图候选，选中母版后再拆内部空间、细节和空镜，保持空间关系一致。
- 场景母版
set_master - 四宫格候选
set_variants - 无人物空镜
set_cleanplate - 关键局部
set_detail_* - 固定光影尾缀
style_tail
调度资产包
把场景母版转成低成本草图，再标注人物位置、行动轨迹和镜头方向，降低视频模型的理解负担。
- 黑白场景草图
set_sketch - 人物初始位置
blocking_start - 角色行动轨迹
blocking_path - 摄影机方向
camera_plan - 单镜头参考图
shot_ref_*
颜色、结构、材质、时代和最强记忆点。
纯色背景、全身、结构清晰，暂不加复杂装备。
表情、衣服、做旧依次生成，每层单独验收。
武器和复杂配件独立生成，再引用合成。
生成三视图、关节和关键部位特写。
按镜头只加载必要资产，减少条件冲突。
真实来自受控缺陷
适量加入灰尘、污渍、划痕和磨损。过度光洁、过度华丽反而容易显出 AI 感。
给角色一个记忆锚点
例如独特的 LED 面部或轮廓特征。强识别点能稳定角色，也会让轻微穿帮不那么显眼。
逐层搭建，不求一步到位
基础结构通过后再加表情、服装和道具。失败时能明确回退到哪一层，而不是全部重做。
分辨率也要分阶段
草图与构图探索用低成本规格，正式参考使用中等规格，只在最终关键资产上使用高分辨率。
建议文件命名
CHAR_hero_base_v03.png
CHAR_hero_expr_angry_v02.png
PROP_revolver_clean_v01.png
SET_villa_master_night_v04.png
BLOCK_S03_path_v02.png
SHOT_S03_ref_final.png
进入视频生成前的四道门
IDENTITY主角正面、侧面和全身是否仍像同一个角色？
GEOMETRY服装、关节、武器和空间结构是否能支持预定动作？
STYLE场景、人物是否共享同一色板、光线和材质语言？
BLOCKING首帧位置、行动轨迹、镜头方向和尾帧状态是否明确？
关键技巧：不要直接在最终写实图上画箭头和文字；先转成黑白草图再标注人物位置与轨迹，避免模型把标注本身生成进画面。视频中的平台和模型会变化，但“资产分层、单层验收、按需引用”是可迁移的方法。
07 · Credible case library
七个值得拆解的案例，
不只看成片
案例的价值不在“像不像电影”，而在是否披露目标、素材、流程、取舍和限制。下面优先选择主创一手复盘或官方幕后资料，并明确平台自述的偏差。
官方文档或主创原始复盘，能看到输入、步骤与输出。
流程较清楚，但由平台发布，需留意选择性呈现。
二手解说或作品展示；不能据此断言成本、效率和方法。
先看这两段一手分享
封面即图片素材；点击后在当前页面载入 B 站播放器。离开“案例与视频”页时播放器会自动卸载，避免后台继续播放。
CREATOR MINDSET
DiDi_OK：从真实感受到表达
重点看创意起点、观众体验、表达形式与完成周期，而不是某个模型按钮。
ASSET WORKFLOW
Mx-Shell：角色、场景与调度资产
重点看母版、变体、道具、草图调度和按镜头引用如何减少一致性失败。
《ANCESTRA》
Eliza McNitt 用实拍承载人物表演，用 Veo 处理传统拍摄难以完成的记忆与想象段落。
- 先写剧本、分镜，再判断哪些镜头真正需要生成。
- AI 是镜头部门之一，不等于整条生产线。
- 适合学习实拍、VFX 与生成素材的边界划分。
局限：大型专业团队案例，不能类推为个人低成本生产。
阅读官方幕后 ↗
《带你去玩球！》
大羽玩AI 的完整技术复盘，从角色/场景资产包、分镜、多模型图生视频一路进入动画与剪辑，并讨论场景一致性与模型路由。
- 按镜头难度选择模型，不为“全片同模型”付额外成本。
- 资产包先于生成，分镜先于参数调试。
- 适合映射到自己的 30–60 秒个人项目。
局限：白皮书可能要求飞书登录；工具版本会漂移，学习结构而非按钮。
阅读创作者白皮书 ↗
《Migration》
Jeremy Higgins 先用两周做 storyboards，再并行制作手绘角色 rough animation 与 AI 背景，最后补接触阴影和互动细节。
- 每场固定色板与视觉主题，优先解决场景连续性。
- AI 负责环境与微动，角色表演仍由动画控制。
- 失败时改变制作分工，而不是无限重抽。
局限：多人专业团队、约两个月制作；价值在混合流程，不是速度神话。
查看逐步幕后 ↗
《air head / Deflated》
shy kids 围绕模型容易保持的“气球头”角色写故事，并用筛选、剪辑、调色、rotoscope、VFX 与声音把离散镜头变成成片。
- 让角色设计与模型能力匹配，而不是硬压缺陷。
- 生成只是素材获取，统一质感主要发生在后期。
- 公开成片必须和 BTS 一起看。
局限：使用早期 Sora 私测版；平台首发宣传弱化了大量后期劳动。
阅读创作者直访 ↗
《The Hardest Part》
Paul Trillo 把模型的连续变形匹配到“人生记忆不断前推”的 MV 形式；其复盘披露了大量生成、低采用率与后期补接。
- 先选与模型特性一致的形式，再写镜头。
- 把采用率纳入预算，而不是只统计单次价格。
- 声音和连续运动掩护了跨镜头身份漂移。
局限：内测模型与特殊权限不可复制；公开数据说明筛选劳动非常高。
查看导演过程数据 ↗
《500 Winters》
围绕 LilWuKong 虚拟音乐人，把歌词情绪拆成视觉母题，以固定人物资产、段落节奏和镜头复用组织完整 MV。
- 从歌曲结构反推场景数量与重复镜头。
- 把角色 IP 做成可复用资产，而非逐镜头重新描述。
- 流程画布适合检查素材依赖关系。
局限：平台邀约案例且流程需登录；影视/IP/肖像参考有版权边界。
看作品与工作流说明 ↗
梦游牛油果：从分镜到成片
《刻板印象宇宙》的核心不是一键生成，而是“剧本 / 分镜 → 图片转视频 → 剪辑”。公开采访称约 80% 的精力放在剧本和分镜，后 20% 才是动态化与拼接。
- GPT-4o、Flux 等生成角色和场景，Photoshop 合成分镜；关键动作会用手绘或 3D 辅助。
- 海螺负责物理运动和打斗，即梦负责首尾帧等控制；按镜头能力切换模型。
- FineVoice 做声音克隆，Suno 做配乐，最后用剪映完成声音与剪辑。
局限：采访披露的是《刻板印象宇宙》及个人工作流，不代表后续 TapNow / LibTV 作品的每个内部节点；模型、平台和价格会变化。
阅读 AI新榜采访 ↗
阅读品玩采访 ↗
案例拆解作业：任选一支作品，只交付一页：一句话意图、6–12 镜头功能表、资产清单、AI / 实拍 / 后期分工、三个可复刻方法、两个无法由公开资料确认的未知项。想复刻梦游牛油果，可先用 ChatGPT 做剧本与分镜，再用关键帧 + 图生视频逐镜头生成，最后进入声音与剪辑。
08 · Verified tutorials
教程按生产顺序学，
不要按平台收藏
这条路径覆盖预演、生成、剪辑、声音与修补。A 级表示来源可靠且可照做，不代表功能永远不变；涉及模型版本、地区、套餐和显存的数据，使用前仍要复查官方页面。
Runway：入门 + 提示词
A · 官方学院先完成 Creative Training，再读当前 Gen-4.5 Prompting Guide。重点掌握文生视频写“画面 + 运动”，图生视频主要描述运动，并从简单指令逐步加约束。
- 复现任务
- 同一主体做固定、推近、横移三个 5 秒镜头
- 适合
- 零基础第一天
- 版本风险
- 低—中；跳过 Gen-3 旧教程
Google Flow：生成到场景
A · 官方帮助学习文字、图片、Ingredients、首尾帧生成，再用版本历史、延长、保存关键帧与 Scenebuilder 把多个片段组织成场景。
- 复现任务
- 同一房间完成建立镜头、正打、反打和结尾空镜
- 适合
- 已完成三个单镜头
- 版本风险
- 中；地区、额度与模型会变化
可灵 VIDEO 3.0 用户指南
A · 官方指南目前较完整的国产官方单篇指南：多镜头、自定义分镜、Element 绑定、角色声音、多角色对白和首尾帧都有完整示例。
- 复现任务
- 固定一个角色元素，做 3 镜头 15 秒对话场景
- 适合
- 中文工作流入门到进阶
- 版本风险
- 中；生成前重查界面与计费
Adobe Firefly：参考控制
A · 官方练习用 5–10 秒参考视频迁移构图或摄影机运动，再把结果加入 Firefly Video Editor 时间线。适合练“参考什么、不要参考什么”。
- 复现任务
- 用同一参考分别迁移构图和运镜，对比差异
- 适合
- 已有 Premiere / Adobe 流程
- 版本风险
- 中；部分控制互斥且编辑器仍可能变化
Runway：AI for Advertising
A · 端到端项目课从 moodboard、品牌宣言、storyboard、previs 进入产品镜头、选角、B-roll、VFX 和人物/商品植入；适合建立商业片生产顺序。
- 复现任务
- 为一个日常物品做 20 秒概念广告与制作清单
- 适合
- 完成第一支 30 秒短片后
- 版本风险
- 中；具体工具会变，阶段划分稳定
DaVinci Resolve 官方训练
A+ · 教材 + 素材Beginner’s Guide 用配套素材覆盖导入、剪辑、基础调色、Fairlight、Fusion 与交付；再用 Editor、Fairlight、Colorist 指南分别深入。
- 复现任务
- 把 6–8 个生成镜头剪成 30 秒，完成四层声音
- 适合
- 所有创作者，优先级高于再学一个模型
- 版本风险
- 中；教材与软件界面可能存在版本漂移
Blender：故事板与预演
A · 官方手册用 Grease Pencil 画关键姿势和镜头，再在 Video Sequencer 拼成 animatic。免费、离线，适合在生成之前验证节奏与调度。
- 复现任务
- 画 6 镜头分镜并输出带临时声音的 animatic
- 适合
- 想减少无效生成的人
- 版本风险
- 中；方法稳定，按钮位置可能变化
ComfyUI + Wan2.2
A+ · 官方工作流从官方 TI2V 5B 工作流开始，下载模板和模型，保存 JSON、提示词、随机种子与输出；之后再进入轨迹、控制视频和音频驱动。
- 复现任务
- 固定输入与种子，只改变一个参数，导出三组对照
- 现实门槛
- 官方称 5B 配合 offloading 约 8GB VRAM 可运行
- 版本风险
- 高；节点、模板和不同发行通道更新不同步
TUTORIAL → LESSON
把教程读成一张生产卡
下面不是“工具介绍”，而是一套可以反复套用的拆解格式：先规定输入，再按步骤操作，最后用可见产物和检查标准判断是否真的学会。
01 · INPUT输入
命题、脚本、参考图、参考视频和声音素材。
02 · ACTION操作
只按教程解决一个控制问题，记录模型与版本。
03 · OUTPUT产物
镜头、分镜、粗剪、声音版或可复跑工作流。
04 · CHECK验收
叙事、主体、动作、剪辑、声音与成本六项检查。
05 · LOG复盘
保存提示词、输入、失败样本、采用率和未知项。
M0基础与安全：先定义能不能做术语、地区、版权、肖像、声音许可与预算边界
知道文生视频、图生视频、首尾帧、参考视频、Element / Ingredients、原生音画分别解决什么问题；在生成前确认素材与发布用途。
- 写一页项目卡：平台、画幅、时长、观众、截止日。
- 为人物、声音、音乐和参考作品标注来源与许可。
- 把订阅费、积分、等待时间和预计采用率写进预算。
- 能说清每个输入是否有权使用。
- 看到水印、地区限制、商用条款时暂停批量生成。
- 不把“免费额度”当成“免费商用”。
交付物：一页合规与预算检查表；任何后续教程都先复制这张表。
M1故事与分镜：先冻结镜头功能把一句话故事变成 6–12 个可生成、可剪辑的镜头
一句话命题、角色欲望、障碍、结局变化；参考梦游牛油果公开工作流，把最多精力放在剧本与分镜，而不是一开始反复抽卡。
- 写出建立、行动、障碍、反应、转折、结果六类镜头。
- 每镜只保留一个主要动作和一个镜头运动。
- 用 Blender Grease Pencil 或纸笔画关键姿势，再在 VSE 拼 animatic。
- 静音观看 animatic 仍能理解因果。
- 如果一个镜头同时有三件大事，先拆镜。
- 生成失败时回到镜头功能，不先换模型。
交付物：6–12 镜头表、粗分镜和带临时声音的 animatic。镜头表至少包含：进入状态、核心动作、退出状态、时长、主要控制。
M2图像资产：先做母版，再做变体角色、场景、道具、色板与命名规则形成可引用资产包
角色设定、服装、道具、场景和参考风格；不要直接把一张复杂海报当作所有镜头的唯一参考。
- 先生成角色正面、侧面、全身与表情母版。
- 分开生成服装、道具、场景和调度草图。
- 用 Photoshop / Photopea 合成分镜，并给每个资产命名、编号、版本。
- 资产包能回答“谁、在哪里、拿什么、向哪走”。
- 角色脸、服装、色板和光向跨镜头不漂移。
- 漂移时只替换失败层，不整张重做。
交付物：资产包 + manifest（文件名、用途、版本、来源、许可）+ 6 张镜头关键帧。
M3单镜头生成：先练运动，再追风格文生、图生、镜头指令、首尾帧与单变量对照
一张构图明确的关键帧、一项主要动作、一个景别和一个相机运动；首轮不要写长篇世界观。
- 文生视频写“画面 + 运动”；图生视频优先写相机和主体如何动。
- 从固定机位开始，再加入推、拉、跟拍或转场。
- 同一输入只改一个变量，保留失败样本与采用原因。
- 主体身份稳定，动作方向可读，镜头没有无意切换。
- 动作混乱时删掉次要动作、缩短时长、固定镜头。
- 同一镜头可用 Runway、即梦、Seedance、可灵或海螺做 A/B。
交付物：3 个 5 秒镜头（固定、推近、跟拍）+ prompt log + 失败对照；记录生成次数与最终采用率。
M4一致性与控制：记录模型能控制什么Ingredients、Element、参考视频、轨迹与首尾帧的控制矩阵
同一角色参考包、同一场景关键帧、5–10 秒参考运动视频，以及需要保持的首帧与尾帧。
- Flow 用 Ingredients / frames 和历史版本建立场景。
- 可灵用 Element、首帧 + 角色参考和多镜头分镜测试角色与对白。
- Firefly 分开做构图参考和运动参考；记录哪些选项互斥。
- 同角色跨三场景，脸、服装、比例和光向可辨。
- 参考视频只迁移构图或运动，不要同时要求完全换风格。
- 控制失效时先检查输入画幅、时长、格式和功能地区。
交付物：同角色三镜头 + 控制矩阵（输入、控制项、有效/失效、版本、失败样本）。
M5剪辑叙事：把离散镜头变成因果粗剪、精剪、J/L cut、节奏与连续性
6–12 个生成镜头、镜头表、临时声音和项目输出规格；先不追求每个镜头都漂亮。
- 先做无声粗剪，检查建立—行动—反应—结果是否清楚。
- 精剪时删掉重复信息，保留进入与退出状态。
- 用 J/L cut、动作匹配和少量转场连接镜头，不用音乐掩盖结构问题。
- 陌生人静音观看能复述主要变化。
- 节奏拖沓时先删镜头，不先加特效。
- 连续性断裂时用关键帧、声音或遮挡完成过渡。
交付物：30 秒粗剪、精剪版、时间线截图和镜头采用表（采用 / 淘汰 / 原因）。
M6声音：四层设计，不靠音乐遮丑对白 / 旁白、环境声、动作音效、音乐与混音
粗剪画面、对白文本、环境声参考、动作音效和音乐草稿；声音克隆必须确认本人授权与平台条款。
- 先铺环境声，建立空间和时间。
- 再对齐对白与动作音效，给关键动作留出听觉重点。
- 最后加入音乐、留白和响度自动化，导出字幕与音频 stem。
- 关闭音乐仍能听出空间、动作和对白。
- 对白被盖住时先降音乐，不先整体加音量。
- 声音与画面错位时检查帧率、采样率和起始时间码。
交付物：四层声音版、混音清单、字幕文件和一份声音许可记录。
M7调色、修补与交付：统一观看体验色彩管理、局部修补、输出规格与平台版本
精剪画面、声音 stem、字幕和发布平台要求；先确定主版本，再派生 16:9、9:16 或无字幕版本。
- 统一曝光、白平衡、黑位和主色，不追求每镜都“更艳”。
- 修补穿帮、人物边缘、画面文字和明显噪点。
- 按平台检查画幅、码率、字幕、AI 标识与版权信息后导出。
- 连续镜头色温与肤色不跳变。
- 修补不改变主体身份和镜头意图。
- 在手机和电脑各看一次，确认字幕安全区与声音峰值。
交付物：master、平台版、缩略图、字幕、AI 使用说明和版权记录。
M8本地可复现：ComfyUI + Wan2.2先复跑官方模板，再进入轨迹、首尾帧和音频驱动
已更新的 ComfyUI、官方工作流 JSON、模型文件、同一张参考图和固定提示词；5B offloading 能启动不等于高效生产。
- 在 Workflow → Browse Templates → Video 加载 Wan2.2 TI2V 5B。
- 核对 diffusion model、VAE、text encoder 的目录与节点。
- 固定输入和随机种子，只改变一个参数；再学习 14B T2V / I2V / FLF2V / S2V。
- JSON 可重新打开，节点、模型、种子和输出都能追溯。
- 缺节点先更新 ComfyUI、检查启动日志，不盲装节点包。
- 显存不足时降分辨率、缩短帧数或使用 offloading，并记录速度。
交付物：可复跑 workflow JSON、run manifest、三组单变量对照和失败档案；把“能运行”与“可生产”分开记录。
M9端到端案例复刻：把教程变成作品DiDi_OK × Mx-Shell × 梦游牛油果：公开事实、推断与未知分开写
任选一个案例，使用同一套 6 镜头脚本、角色资产包和测试表；不把访谈中未披露的工具或成本写成确定事实。
- DiDi_OK：先写感受、观众体验、表达形式与周期。
- Mx-Shell：先冻结角色、场景、道具和调度资产。
- 梦游牛油果：剧本 / 分镜 → 图片转视频 → 声音与剪辑。
- 完成 15–30 秒片，并附镜头表、提示词、资产清单。
- 复盘中分三栏写：公开事实、合理推断、仍未知。
- 下一轮只选择一个最低分项改善。
交付物：成片 + 一页 postmortem：三个有效控制、三个主要失败、单位可用镜头成本和下一轮唯一重点。
不推荐作为主线：标题承诺“7 天精通 / 学完变现”、只展示蒙太奇成片、没有原始输入与失败样本、靠资料包或私域引流的教程。二手技巧可以补充，但每个关键操作都应回到当前版本的官方文档核对。
09 · Four-week roadmap
四周训练，
每周都有成片
勾选状态会保存在当前浏览器。每项任务都以可见产物结束，避免陷入“看了很多教程，但没有作品”。
镜头语言与运动
产物：15 秒镜头练习可控性与一致性
产物：同角色三镜头叙事、剪辑与声音
产物：30 秒完整短片稳定生产与作品集
产物：60 秒代表作10 · Prompt lab
把提示词写成
镜头指令
好提示词不是形容词堆砌，而是一份清晰的“拍摄任务书”。先描述画面中发生什么，再描述摄影机如何观察。
11 · First project
第一支 30 秒短片
这样拆镜头
示例命题：“一个深夜加班的人，在离开办公室时发现城市停电，随后看见久违的星空。”每个镜头只承担一个叙事功能。
| 镜头 | 叙事功能 | 画面 | 建议时长 | 主要控制 |
|---|---|---|---|---|
| S01 | 建立环境 | 空旷办公室，只剩一盏台灯和窗外城市灯光。 | 3 秒 | 全景、固定机位 |
| S02 | 介绍主角 | 疲惫的人合上电脑，揉眼睛，收拾背包。 | 4 秒 | 中近景、单一动作 |
| S03 | 触发事件 | 所有灯突然熄灭，人物停住，抬头。 | 3 秒 | 首尾状态、光线变化 |
| S04 | 制造悬念 | 人物借手机微光走过黑暗走廊。 | 5 秒 | 背后跟拍、稳定步态 |
| S05 | 揭示变化 | 推开天台门，黑暗城市上方出现密集星空。 | 5 秒 | 门作遮挡转场、缓慢推进 |
| S06 | 情绪反应 | 人物面部特写，从惊讶逐渐露出微笑。 | 4 秒 | 特写、微表情、固定镜头 |
| S07 | 结束余韵 | 人物背影面对星空，城市轮廓保持黑暗。 | 6 秒 | 大全景、缓慢拉远、标题空间 |
12 · Daily practice
每天一小时，
训练一个变量
不要把一小时全部花在生成等待上。观察、设计、生成与复盘缺一不可；只有最后一步能让经验累积。
分析一个广告或电影镜头的景别、运动与信息功能。
今天只比较一个变量，例如推镜速度或角色动作幅度。
做四个版本；每轮只改一个控制条件。
保存最佳、最差版本，并写一句因果判断。
13 · Portfolio challenges
三次项目挑战，
建立作品集
每个项目都引入一个新的难点。完成顺序比规模更重要：先做短、做完、复盘，再扩大。
CHALLENGE 01 · 15S
无对白情绪片
用三个镜头表达“等待”“错过”或“释然”。全片只能有一个角色，禁止旁白解释。
CHALLENGE 02 · 30S
产品概念广告
为一件真实产品设计六个镜头：问题、出现、细节、使用、结果、品牌收束。
CHALLENGE 03 · 60S
完整叙事短片
一个角色、一个地点、一次不可逆变化。加入环境声、动作音效、音乐与留白。
14 · Quality review
不要只问“好不好看”，
用六项指标评估
拖动滑杆为当前作品评分。低分项比总分更重要：下一轮只集中解决最低的一个维度。
15 · Failure clinic
常见失败，
通常不是模型太差
展开查看诊断。越早学会缩小问题，越少浪费生成额度。
01一个镜头里安排太多事件
修复：把“走进房间、拿起杯子、回头说话、窗外爆炸”拆成四个镜头；每个镜头只保留一个主要动作和一个情绪变化。
02形容词很多，但摄影机不明确
修复：删除“震撼、史诗、顶级”等抽象词，补充景别、机位、运镜方向、速度、焦点和镜头时长。
03直接文生长片，角色不断变化
修复：先冻结角色参考包和场景关键帧，再逐镜头做图生视频；在后期而非模型内部建立长时间连续性。
04只生成漂亮镜头，不考虑剪辑点
修复：在生成前规定镜头的进入状态、核心动作和退出状态，并留出 0.5–1 秒可剪辑余量。
05每次同时改变所有参数
修复：建立实验表：保留同一参考图和基础提示词，每轮只改变相机运动、动作或光线中的一个。
06忽视声音，依赖背景音乐掩盖问题
修复：先完成环境声和动作音效，再加入音乐；为关键画面设计声音提前、延迟或突然留白。
16 · Technical track
如果你想进入
模型与本地工作流
技术学习应建立在创作判断之上，否则容易只会连接节点，却无法判断输出是否真正可用。
生成基础
- 扩散模型与流匹配的直觉
- VAE、潜空间与采样过程
- Transformer / DiT 基础
- 文本与视觉条件如何进入模型
时间建模
- 空间注意力与时间注意力
- 3D latent 与时空压缩
- 长视频误差累积和身份漂移
- 运动、物理与镜头一致性
可控生成
- 首尾帧、参考图和主体绑定
- Pose、Depth、轨迹与视频条件
- Video-to-Video 与局部编辑
- LoRA、风格与角色定制
节点系统
- 从官方 ComfyUI 工作流开始
- 记录模型、参数、随机种子
- 批量队列、插帧、放大和输出
- 避免一开始安装大量自定义节点
评测体系
- 提示遵循与镜头可控性
- 时间一致性与身份保持
- 运动合理性和物理错误
- 人评、失败类型与使用成本
研究项目
- 冻结一组测试提示和参考素材
- 比较单一控制变量
- 保存工作流、原始输出和评审
- 从失败分布提出改进假设
技术进阶的完成标准：不是“成功运行某个工作流”，而是能对同一组输入稳定复现结果、解释关键变量，并用预先定义的指标比较两种方案。
17 · Official resources
优先看官方教程，
再看技巧合集
模型界面和能力更新很快。以下链接用于核对当前功能；学习时重点提取可迁移的镜头与工作流原则。
RRunway Academy镜头运动、角度与生成工作流↗
GGoogle FlowAI 电影制作、场景与相机控制↗
AAdobe Firefly 视频教程文生视频和 Premiere 衔接↗
WComfyUI Wan 工作流本地视频生成官方节点示例↗
即即梦 AI中文生成、首尾帧与多素材参考↗
剪剪映剪辑、声音、字幕与画质处理↗
DDiDi_OK 现场分享从真实感受到表达、形式与完成↗
文分享全文整理《牌子》创作方法与延伸采访↗
MMx-Shell 图片资产工作流角色、道具、场景与调度资产分层↗
稿公开 AI 文稿《丧尸清道夫》图片资产分享全文↗
牛梦游牛油果幕后采访80% 剧本分镜，海螺 / 即梦 / FineVoice / Suno 工作流↗
访《刻板印象宇宙》对话三步流程、模型分工与个人创作者建议↗
TTapNow 梦游牛油果作品后续作品与 Recipe 入口↗
抖外星小偷里贝作品页后续作品标注的 TapNow / LibTV 制作链↗
THE ONLY REAL SHORTCUT
连续完成三支短片，胜过收藏三百个提示词。
从 15 秒开始，固定一个主模型。每次只解决一个问题，每周交付一个完整作品，并把成功与失败都变成下一轮可以复用的判断。
现在开始第一周 →