AI 长视 频制作流程: 用 两 分钟 修理铺 故事串起 多个 镜头
用虚构的修理铺故事练习物件状态记录、场景衔接和返工关联,再通过剪辑完成时长精确到两分钟的视频。

AI 长视频制作流程从一次变化开始#
AI 长视频制作流程要让前一镜发生的事,在后一镜留下结果。这里的两分钟,指用较短的素材剪成一段连贯叙事。与按旁白节奏制作的无露脸解说视频不同,这个故事围绕一次物件状态变化展开,后续镜头都必须与之相符。
这次原创虚构练习名为 One More Turn,尚未实测,也没有生成或验证任何片段。临近打烊,修理师 Mara 在柜台上发现一个孩子留下的铁皮鸟,它的翅膀松垂着。她把它修好、试转,再放到橱窗里,让它继续活动,等孩子明天来取。故事的落点是翅膀真的动起来,而不是旁白宣布修好了。
为每个场景明确开始和结束状态#
把下面的场景与镜头交接表当作剪辑时长表。每行包含两个镜头及各自保留的秒数,两个镜头共同完成一项叙事任务。
| 场景与剪辑区间 | 镜头与保留时长 | 必须交接的状态 |
|---|---|---|
| 发现,0–20s | S01 柜台全景 8s;S02 损坏的鸟 12s | 鸟从柜台进入 Mara 的检查过程 |
| 诊断,20–40s | S03 检查 11s;S04 松动铰链特写 9s | 故障清晰可见;翅膀仍连接着,但向下松垂 |
| 决定,40–58s | S05 Mara 停顿 8s;S06 伸手取工具 10s | 她决定留下;右手拿起工具 |
| 修理,58–82s | S07 修铰链 14s;S08 放下工具 10s | 翅膀固定好;工具回到托盘 |
| 测试,82–106s | S09 转动发条钥匙 10s;S10 翅膀运动 14s | 钥匙转动;翅膀活动;Mara 可以松开鸟 |
| 归还,106–120s | S11 放到橱窗 8s;S12 收尾画面 6s | 鸟留在橱窗,翅膀继续活动 |
时长合计:20 + 20 + 18 + 24 + 24 + 14 = 120 秒。这些数字是时间线上的分配,不代表模型支持的单次生成时长。较长的位置可以用补充镜头、其他拍次或有意安排的静帧停留填满,不要把无法使用的动作硬拉长。本练习按直接切换镜头计算;如果使用重叠转场,需要重新计算总时长。
在剪辑旁保留一张连续性状态表#
尝试生成动作之前,先准备确认过的外观参考,并为每份参考标注版本。叙事状态要与外观分开记录:服装始终一样,并不能解释翅膀为什么提前修好了。
| 记录对象 | 固定外观或布局 | 允许发生的状态变化 |
|---|---|---|
| Mara,M01 | 黑色短波波头、深灰围裙、米色衣袖 | S06 右手拿起工具;S08 放下工具 |
| 鸟,B01 | 蓝色铁皮身体、黄铜翅膀、红色发条钥匙 | S01–S06 松垂;S07–S09 固定好;S10–S12 活动 |
| 工作台,L01 | 窗户在画面左侧,托盘在右侧 | 鸟在 S03 前来到工作台;S11 离开 |
| 光线,L01 | 黄昏窗光、暖色台灯 | 始终是同一个傍晚,不突然变回白天 |
每一版片段都记录要求的起始状态、实际结束状态和是否通过。这里的“固定好”表示铰链修复完成,不要求翅膀在上发条之前就活动。检查参考素材是否符合当前镜头的状态,不要把损坏时的鸟的图片直接复用到最后的橱窗镜头。
先测试最关键的一次镜头衔接#
从 S09–S10 开始:观众能否看出上发条导致了翅膀运动?如果修理结果无法表达清楚,再漂亮的开场也失去了意义。在视频工作台生成候选片段,使用所选模型实际提供的输入方式和时长。本流程需要独立的编辑器,不假定工具会自动把脚本组装成视频。
为 S10 准备符合该状态的参考素材,再使用这段原创提示词:
通过标准是:铰链仍连接着、鸟身颜色稳定、与台面接触可信,而且紧接上发条镜头后,翅膀的运动清楚可见。按正常速度观看,并检查切点前后。如果红色钥匙变了,或者修的是另一侧翅膀,就不要采用这一版。
按镜头之间的关联处理返工#
如果 S07 从拧紧铰链变成了更换翅膀,就把 B01 标记为过期。重新检查 S04 的故障特写,重做修理过程的镜头,再按新设计复核 S09–S12。S05 的反应镜头如果没有露出鸟的细节,可能仍然能用。反过来,如果只是缩短 S05 的停顿,就检查节奏和声音同步,不必更换鸟的参考素材。
再次生成之前先记下这些判断。这样才能区分“需要复核”和“必须重新生成”,避免无谓重做已经通过的素材。
把文件和取舍依据一起交付#
候选片段可以命名为 OMT_S10_v03_take02.mp4,旧版本也保留。交付清单应把镜头编号与选用文件、参考版本、提示词、模型和设置、源素材时间码、保留时长及未解决的问题对应起来。媒体、参考素材、清单和外部编辑器的工程文件要一起交付。
在 DaVinci Resolve 等外部编辑器中组接选定的镜头,为对白和传达信息的声音加字幕,再混合发条声、翅膀响动、室内底噪和音乐。检查导出的视频是否恰好为 120 秒,是否留足字幕阅读时间,是否保留了状态表里的每一次变化,以及静音观看时能否看懂修理过程。


