零基础用 AI 做出自己的第一部视频：2026 年完整工作流指南

写在前面

2024 年初，OpenAI 发布 Sora，宣布"文字生成视频"从概念变成了现实。两年后的今天，情况已经彻底不同了。

现在你不需要懂代码，不需要摄影机，不需要演员，甚至不需要一台高端电脑——只需要一个想法，再加上一套工具，你可以独自完成一部几分钟的短片或动画，视觉效果足以媲美数年前需要团队制作的作品。

但工具太多，教程太零散。“先用 A 生成图，再用 B 转视频，然后用 C 配音，最后用 D 剪辑”——每一步都有选择困难症的机会，很多人还没开始就被绕晕了。

这篇文章的目标只有一个：让你看完之后能立即坐下来动手。

文章会按照一部视频从零到成品的完整流程走：故事 → 图像 → 视频 → 配音 → 配乐 → 剪辑，每一步给你可用的具体工具和操作方法，中国大陆用户优先，标注哪些需要科学上网，标注免费额度和收费标准。

读完之后，你应该知道该用什么做、大概怎么做、遇到问题去哪查。

一、先搞清楚：AI 视频的完整工作流是什么

很多人以为"AI 视频"就是输入一句话等 AI 吐出一段视频。这种"一键成片"的工具存在，但出来的东西质量有限，也不是你能真正控制创意的方式。

专业一点的工作流，分七个环节：

[创意 / 剧本] → [角色 & 场景图像] → [视频生成] → [配音] → [配乐] → [剪辑合成] → [导出发布]

每个环节都有专门的 AI 工具负责。这条流水线的好处是每一步都可以反复修改，不满意某个镜头就只重做那一个镜头，不用推倒重来。

常见的两种工作模式：

模式 A：图生视频（推荐新手） 先用文生图工具生成每个镜头的关键帧（静态图），满意后再用视频生成工具让图"动起来"。这样可以精确控制每帧画面的内容，成本也更低——重新生成一张图比重新生成一段视频便宜得多。

模式 B：文生视频 直接用文字描述让 AI 生成视频片段。适合对画面要求不那么精确的场景，比如背景视频、氛围镜头。

实际创作中，这两种模式混合使用。

二、第一步：故事与脚本（AI 帮你想清楚）

很多人卡在这里：有个模糊的想法，但不知道怎么展开成可执行的脚本。

用 AI 写脚本

把你的想法扔给 DeepSeek（免费，国内直接用）、Kimi（月之暗面，免费）或 豆包（字节跳动，免费），用这样的格式提问：

我想做一个 60 秒的短片，主题是「一只城市流浪猫在夜晚的街道上寻找食物」。
请帮我写一个分镜脚本，包含：
- 5-8 个镜头
- 每个镜头的画面描述（主体、场景、摄像机运动）
- 每个镜头的时长
- 是否需要配音/字幕
- 整体情绪走向

你会得到一份结构完整的分镜脚本。这不是最终版，把它当成起点，按自己的想法修改。

分镜脚本的格式

好的分镜脚本每个镜头至少包含四个要素：

这四个要素后面直接用来写 AI 视频的提示词（Prompt），所以越具体越好。

篇幅建议

新手从短做起。60 秒短片大约需要 8-12 个镜头，每个镜头 4-8 秒。先完成一个 60 秒的作品，比规划一个 5 分钟的鸿篇巨制然后烂尾强得多。

三、第二步：角色与场景设计（文生图）

有了分镜，下一步是确定视觉风格：你的视频想呈现什么感觉？写实？动漫？赛博朋克？水彩插画？

工具选择

国内推荐（无需科学上网）：

① 即梦 AI（jimeng.jianying.com） 字节跳动出品，免费用户每天 60-100 积分，够生成约 10 张图。界面简洁，中文提示词效果好，和剪映无缝衔接。适合快速出图验证想法。

② 通义万相（tongyi.aliyun.com/wanxiang） 阿里出品，每天免费 50 张图（灵感值）。在写实风格和中国风格上表现稳定，支持参考图生图。

③ Dreamina（dreamina.capcut.com，即梦国际版） 功能与即梦基本相同，部分地区可直接访问。

④ 触手 AI（6pen.art / tcsai.com） 面向插画师和漫画师，风格多样，支持模型训练，对二次元和插画风格的还原度高。

需要科学上网的进阶工具：

⑤ Midjourney（midjourney.com） 目前商业项目中用得最多的文生图工具，画面质量高，风格控制精准。基础套餐 $10/月（约 73 元），每月可生成约 200 张图。需要 Discord 账号。

⑥ Nano Banana / Gemini Image（gemini.google.com，需科学上网） Google DeepMind 出品的官方图像生成模型，产品名叫 Nano Banana，底层是 Gemini 2.5 Flash Image 和 Gemini 3 Pro Image 系列。角色一致性是它目前全球最强之一：单次可维持最多 5 个角色、14 个物体的跨图一致性，直接在对话框里上传参考图并连续多轮编辑，角色特征不会漂移。

访问方式：在 Gemini 应用内选"创建图像"工具，或通过 Google AI Studio（aistudio.google.com）调用 API。Gemini Pro 订阅（$20/月）内含基础图像生成额度，Gemini Ultra（$249.99/月）额度更高。第三方平台如 Leonardo.ai 也已接入 Nano Banana 模型，部分有免费额度。

⑦ Ideogram / Flux Pro（ideogram.ai） 在文字生成（图中有文字）和精确构图方面表现突出。有免费额度，生成的图片文字可读性强于 Midjourney。

角色一致性：最难但最关键的问题

做 AI 视频最大的挑战不是生成一张好图，而是让同一个角色在 20 个镜头里看起来都是同一个人。

几个实用方法：

方法 1：参考图固定（最推荐） 生成一张你满意的"角色设定图"，之后每次生成时都上传这张图作为参考（图生图模式），并加上参数 --cref [图片URL]（Midjourney）或"参考图"上传功能（即梦/通义万相）。

方法 2：LoRA 训练（进阶） 用 5-10 张角色图训练一个专属的小模型（LoRA），之后生成的图都会保持角色一致。即梦 AI 支持"灵感角色"功能，可以一键基于几张图生成一致的角色。需要额外积分。

方法 3：风格锁定 整部视频用同一套关键词组合，比如固定"吉卜力风格，手绘，暖色调，细线"——风格统一后，即使角色细节略有变化，视觉上仍然连贯。

实操建议

每个主要角色先生成一张"角色卡"（包含正面、侧面、表情特写），放到一个文件夹里。之后每次生成场景图时，用这张角色卡作为参考。主要场景（室内/室外/特定地点）也同样处理，先生成"场景参考图"。

四、第三步：AI 视频生成（核心环节）

国内工具（优先推荐）

可灵 AI（klingai.com）

快手自研，目前国内综合能力最强的视频生成工具，也是全球视频生成领域的一线产品。

主要特点：

• 支持文生视频和图生视频
• 单次生成时长：标准模式 5 秒，专业模式最长 10-15 秒；通过"续写"功能叠加延长，每次续写追加约 4.5 秒，累计可制作长视频
• 支持"动作笔刷"——手动画出画面中物体的运动轨迹
• 支持"首尾帧控制"——上传开始帧和结束帧，AI 生成中间过渡
• 2026 年 1 月推出可灵 3.0，支持多模态一体输入

价格：

• 免费额度：每天少量灵感值（约 3-5 条视频）
• 黄金会员：¥58/月，660 灵感值/月（首月 ¥19）
• 铂金会员：¥234/月，3000 灵感值/月（首月 ¥79）

**适合场景：**写实风格、大幅度运动场景、需要精确控制镜头的叙事视频

即梦 AI（jimeng.jianying.com）

字节跳动 / 剪映团队出品，与剪映剪辑工具深度整合，是抖音内容创作者的首选链路。

主要特点：

• 文生图 + 文生视频 + 图生视频一站式
• “故事模式”：输入梗概自动生成分镜 + 视频（适合快速原型）
• Seedance 2.0（2026 年 2 月）支持图像/视频/音频/文本四模态输入
• 数字人 + 口型驱动：上传人物照片，输入文字自动生成配合口型的讲解视频
• 和剪映自动衔接，生成的素材可直接导入剪辑

价格：

• 免费：每天 60-100 积分
• 基础会员：¥79/月
• 标准会员：¥239/月
• 高级会员：¥649/月

**适合场景：**短视频内容、抖音生态创作者、需要数字人的知识分享视频

海螺 AI（hailuoai.com）

MiniMax 出品，主打"情绪渲染"和人物表情细节。

主要特点：

• 支持文生视频和图生视频（主体参考生成）
• 15 种运镜方式可自由组合（推、拉、摇、移等）
• 在人物微表情、情感渲染上表现最突出
• Hailuo 2.3 在肢体动作和风格化方面有明显提升

价格（2025-2026）：

• 免费：视频最长 6 秒，768p，带水印，每次最多 3 个任务
• 基础会员：¥68/月，1080p
• 标准会员：¥245/月，支持 10 秒视频
• 至臻会员：¥899/月，无限使用

**适合场景：**有人物情感表达的叙事视频、需要精细表情的短片

Vidu（vidu.studio）

生数科技联合清华大学开发。物理模拟能力强，动漫/插画风格表现最佳，性价比高（单秒视频成本约 4 分钱）。适合做动漫或艺术风格视频。

通义万相 Wan（tongyi.aliyun.com/wanxiang/wanxvideo）

阿里出品，已开源（Wan2.1 登顶 VBench 基准榜单）。

特点：

• 文生视频，支持中文提示词
• 开源版可本地部署（最低 6GB 显存）
• 全球视频生成基准测试 VBench 第一
• 有免费在线使用额度

适合：

• 想要免费体验高质量视频的用户
• 有一定技术背景、想本地部署的用户（需要 6GB+ 显存的 NVIDIA 显卡）

国际工具（需要科学上网）

Runway Gen-4（runwayml.com）

好莱坞和专业影视从业者的首选，目前商业项目质量最稳定的视频生成工具。

• 专业控制选项最多（摄像机运动、风格参考、人物一致性）
• 价格：基础套餐 $15/月（约 109 元），专业套餐 $35/月
• 30 秒可生成一段 10 秒高清视频

Pika 2.0（pika.art）

最适合新手上手，界面最友好，生成速度快。有免费额度（每月约 250 积分）。

Sora 2（OpenAI ChatGPT Plus 内置）

擅长长镜头叙事，跨镜头角色一致性强，已集成音频生成。需要 ChatGPT Plus 订阅（$20/月，约 146 元）。

Google Veo 系列（Veo 2 / Veo 3 / Veo 3.1，需科学上网）

Google DeepMind 出品，当前国际市场评测中综合得分最高的视频生成模型之一。

Veo 3（2025 年 5 月发布）最重要的特性：视频与音频同时生成——不只是画面，连人物对话、音效、环境音都能在一次生成中一并产出，目前其他主流工具还不具备这个能力。输出规格：1080p，4-8 秒/次。

Veo 3.1 在此基础上增加了"参考图生视频"（Ingredients to Video），可上传多张参考图，指定角色和场景风格生成连贯镜头。

访问方式：

• 通过 Gemini 应用（app.gemini.google.com）订阅 Google AI Ultra（$249.99/月，约 ¥1800），Ultra 版包含 Veo 3 使用额度
• 通过 Google Flow（flow.google.com，影视创作者专用平台）使用
• API 调用：通过 Vertex AI，标准版约 $0.40/秒视频，Veo 3 Fast 版约 $0.15/秒

价格说明： Veo 3 目前 Pro 订阅（$20/月）每天仅限 3 条视频，Ultra 订阅才有充足额度。对多数个人创作者来说，Veo 3 主要是"拿来生成特定高难度镜头"的补充工具，而不是主力工作流。

怎么选：一张决策表

五、第四步：写好提示词（这是最值得花时间的地方）

同样的工具，提示词写得好坏，出来的视频质量天差地别。

基础公式

[主体描述] + [场景描述] + [运动描述] + [镜头语言] + [光线/氛围] + [风格关键词]

反例（坏）：

一只猫在街上走

正例（好）：

一只瘦削的橘色流浪猫，左耳有缺口，正在雨后湿润的上海弄堂缓慢踱步，镜头从低角度跟随它向前平移，地面积水反射出远处霓虹灯的红绿光，夜晚氛围，电影感，浅景深

镜头语言关键词速查

景别：

• 特写（close-up）— 突出细节和情绪
• 中景（medium shot）— 人物上半身，日常对话场景
• 全景（full shot）— 整个人物，展现肢体语言
• 远景（wide shot）— 交代环境，展示宏大场景
• 航拍视角（aerial shot）— 从上往下，宏观地图感

运镜：

• 镜头缓慢推进（slow push in）— 增加紧张感
• 镜头从左向右平移（pan left to right）
• 镜头跟随主体移动（tracking shot）
• 手持镜头，轻微抖动（handheld, slight shake）— 纪实感
• 环绕主体旋转（orbit around subject）— 360° 展示
• 上升镜头（crane up）— 从特写上升到全景

光线：

• 黄金时刻光线（golden hour）— 夕阳温暖橙光
• 蓝调时刻（blue hour）— 日落后冷蓝光
• 侧光（side lighting）— 戏剧性阴影
• 背光（backlighting）— 剪影效果
• 霓虹灯反射（neon reflections）— 赛博朋克
• 自然漫射光（soft natural light）— 清新、温柔

风格：

• 电影级画质（cinematic）
• 4K，超高清
• 浅景深（shallow depth of field）
• 吉卜力风格（Ghibli style）— 日系动画
• 赛博朋克（cyberpunk aesthetic）
• 水彩画风（watercolor illustration）
• 真实感，超写实（photorealistic，hyperrealistic）

提示词模板示例

场景：夜晚城市独行人物

一个穿着黑色风衣的年轻女性，背对镜头，独自行走在下雨的东京街道，镜头缓慢跟随她向前，路面倒映着五颜六色的霓虹广告牌，雨滴打在雨伞上，前景有少量虚化的人流，夜晚，赛博朋克美学，电影级画质，16:9

场景：自然风景延时

壮观的峡谷日出，橙红色光线从右侧照射进峡谷，镜头缓慢从下往上推移，晨雾在岩石间流动，无人机航拍角度，超写实，4K，《权力的游戏》风格摄影

场景：产品展示

一瓶高端香水放在深蓝色大理石台面上，水滴从瓶身滑落，镜头缓慢从侧面环绕，冷调光线，高光反射，商业广告风格，奢华感，浅景深

几条经验

1. 写中文还是英文？ 国内工具（可灵、即梦、通义万相）中英文都支持，但一些工具对英文提示词的响应更稳定。可以先用中文写清楚，再用 DeepSeek 翻译成英文提示词来比较效果。

2. 镜头运动放在后半段 先写清楚"画面里有什么"，再描述"镜头怎么动"。镜头描述太复杂会干扰 AI 对主体的理解。

3. 控制运动幅度 大幅度运动（奔跑、飞翔、爆炸）在当前 AI 视频生成中容易出现形变。新手阶段优先做低运动幅度的镜头（静坐、站立、缓步走）。

4. 用"首尾帧"控制故事转折 可灵 AI 支持上传开始帧和结束帧，AI 生成中间过渡。这是制作叙事转折镜头最可控的方法。比如：开始帧是阳光明媚的花园，结束帧是暴风雨的残垣断壁——中间的过渡 AI 会自动填充。

六、第五步：配音制作

视频有了，接下来解决声音的问题。配音包括两类：人声（旁白/对白） 和 音效。

人声配音工具

剪映 AI 配音（capcut.cn）

最简单的选择，剪映已经内置了 50+ 种中文音色（电竞解说风、新闻播报、温柔女声、磁性男声等），输入文字即可一键生成语音。还支持"音色克隆"——上传自己 5 分钟录音，克隆出自己的声音。

完全免费，无需另外注册，与剪映的剪辑工作流无缝衔接。新手首选。

Fish Audio（fish.audio）

专业 AI 配音平台，音色数量多，情感细腻，在多语言支持上强过剪映。免费版可生成少量语音，付费版约 $9/月 起。支持声音克隆（上传参考音频即可）。

国内可直接访问，效果比剪映更自然，适合对配音品质有更高要求的项目。

ElevenLabs（elevenlabs.io）

目前全球最好的 AI 配音工具，支持 29 种语言（含中文），情感层次最丰富。免费版每月约 10,000 字符（够 5-10 分钟配音）。需要科学上网。

MiniMax Audio TTS（minimax.io/audio）

海螺 AI 背后公司出品，提供免费的中文文字转语音 API，音质自然，支持情感控制。开发者友好。

配音实操建议

1. 写好文案再配音：把旁白文字写完整，检查节奏（可以大声念一遍，确认没有别扭的句子）
2. 控制语速：AI 配音默认语速偏快，生成后在剪辑软件里手动调整速度
3. 留白：镜头切换、情绪转折处，配音里留 0.5-1 秒的停顿，会让视频呼吸感更好

七、第六步：配乐制作

背景音乐（BGM）和音效是视频情绪的一半。

AI 生成音乐

海绵音乐（字节跳动）

字节跳动出品，完全免费，中文处理最好，直接在网页生成。用法：输入歌曲风格、情绪、时长，点击生成。适合生成无人声的纯背景音乐，也支持生成带歌词的完整歌曲。

Suno（suno.ai / suno.cn 中文站）

全球最流行的 AI 音乐生成工具，免费版每天可生成约 10 首歌（50 积分）。输入风格描述或直接写歌词，几十秒内生成完整歌曲。免费版不支持商用，需要商用请升级付费版（$10/月起）。需要科学上网访问官网，或通过 suno.cn 中文站使用。

天工音乐（AI 天工，昆仑万维）

国内免费平台，支持输入文字生成 BGM，无需科学上网。

谱乐 AI / YourMusic（yourmusic.fun）

同时支持 Suno 和 Udio 两个模型的中文平台，对中文歌词优化较好，适合想用中文歌词制作 BGM 的创作者。

免版权音乐素材（不想生成、直接找现成的）

• 爱给网（aigei.com）：国内最大的免费音效 / 音乐素材库，分类细致，支持按情绪、乐器、BPM 检索，部分素材需注册
• Pixabay Music（pixabay.com/music）：免费，CC0 协议，全商用，直接下载
• Free Music Archive（freemusicarchive.org）：Creative Commons 音乐，按风格分类
• Mixkit（mixkit.co）：免费音效 + 背景音乐，视频用途可直接商用

配乐建议

• BGM 音量通常应比人声低 15-20dB，人声是主角
• 剪辑时让音乐和视频的节奏点对齐（剪映有"踩点"功能，自动标记音乐节拍）
• 不要在一个 60 秒视频里用超过 2 段不同风格的音乐，容易显得凌乱

八、第七步：剪辑与后期

有了所有素材（视频片段 + 配音 + 配乐），最后一步是剪辑合成。

工具选择

剪映（capcut.cn）——强烈推荐新手

国内使用率最高的剪辑工具，有网页版和桌面版，AI 功能深度整合：

• 自动字幕：上传视频，一键生成字幕，支持翻译成 15+ 种语言
• AI 配音：在剪辑里直接生成人声
• 一键踩点：自动把视频切点对齐到音乐节拍
• 转场效果：预置数十种转场，拖拽即用
• 智能裁剪：自动识别画面重心，裁剪成不同比例（9:16/16:9/1:1）

完全免费（部分高级功能需会员，但基础剪辑够用）。

DaVinci Resolve（blackmagicdesign.com）——免费专业级

好莱坞专业调色和剪辑标准软件，个人版永久免费。学习曲线比剪映陡一些，但能做到影视级调色、更复杂的多轨道剪辑。如果你对画面质感有较高要求，值得学。

CapCut（capcut.com）——剪映国际版

功能与剪映几乎相同，面向海外市场，部分 AI 功能与剪映略有差异。

剪辑基本流程

1. 新建项目，设置分辨率（1080p 或 4K）和帧率（24fps 电影感，30fps 通用）
2. 导入所有素材（视频片段 + 配音 + 配乐）
3. 粗剪：把镜头按照分镜顺序排列，先连起来看整体节奏
4. 精剪：调整每个镜头的起止点，让切点自然（有对白时在句子结束后剪，无对白时在动作完成后剪）
5. 加字幕：用自动字幕功能，生成后逐条检查，修正错别字
6. 加转场：短视频中最常用的转场是"淡入淡出"（fade）和"直切"（hard cut），不要滥用花哨转场
7. 调色：可以用剪映的"滤镜"或 DaVinci 的调色轮统一视频的整体色调
8. 混音：调整 BGM、配音、音效三轨音量平衡，最终导出前用耳机检查一遍

九、免费素材资源大全

在 AI 生成的镜头之间，有时候需要补充一些实拍素材、音效、字体。以下是经过验证的免费资源：

视频素材

音效素材

图片素材

字体

十、实战案例：从零到成片，完整走一遍

我们用一个具体项目把上面所有步骤串起来。

项目目标： 制作一个 60 秒的短片，主题是"深夜城市一个独行者的故事"，赛博朋克风格，无对白，有旁白字幕，配 AI 生成的电子 BGM。

Step 1：脚本（20 分钟）

打开 DeepSeek，输入：

我想做一个 60 秒的赛博朋克风格短片，主角是一个深夜在霓虹街道独行的年轻人，没有对白，用旁白字幕代替，情绪走向是：开始孤独，过程是迷失，结尾是某种和解。请给我 8 个分镜，每个描述画面、镜头类型、时长，最后给出整体旁白文案。

得到 8 个分镜描述 + 一段旁白文案。根据自己喜好调整细节。

Step 2：图像生成（30-60 分钟）

打开即梦 AI，把每个分镜的画面描述翻译成提示词，各生成 3-5 张，挑最好的一张。

例如分镜 2 的提示词：

年轻男性背影，穿黑色连帽衫，站在东京风格的夜晚十字路口，等红灯，周围有其他行人的虚化剪影，霓虹广告牌倒映在湿润路面，摄像机低角度从正面拍背影，赛博朋克风格，电影感，浅景深

生成满意后下载（8 张主要镜头关键帧）。

Step 3：视频生成（1-2 小时）

把 8 张关键帧图片上传到可灵 AI（图生视频模式），逐一生成对应镜头。每个镜头的提示词在原有画面描述基础上加入运镜指令：

镜头从低角度缓慢向上升，背景虚化的人群轻微流动，5 秒

等待生成，每条大约 2-5 分钟。对不满意的镜头重新生成（通常需要 2-3 次尝试）。

Step 4：配音（15 分钟）

把旁白文案粘贴到剪映的 AI 配音里，选一个"平静低沉男声"音色，生成语音。

试听后，在剪映里把语速调慢到 0.85x（AI 配音普遍偏快），导出音频文件。

Step 5：配乐（10 分钟）

打开海绵音乐，输入：

赛博朋克，电子音乐，沉浸感，孤独，夜晚城市，无人声，BPM 约 90，时长 70 秒

生成 3 条，选最合适的一条下载。

Step 6：剪辑（45-90 分钟）

打开剪映，新建 1080p/24fps 项目：

1. 导入 8 段视频 + 配音 + BGM
2. 按分镜顺序排列，粗剪
3. 调整每段视频起止点，总时长控制在 58-62 秒
4. 加入旁白字幕（直接拖音频到字幕轨道，使用自动字幕功能）
5. 添加"淡入淡出"转场
6. 加 BGM，音量调到 -18dB，配音调到 -6dB
7. 加一个偏青绿色调的滤镜（强化赛博朋克感）
8. 导出 1080p，H.264 格式

总耗时：约 3-4 小时（熟练后可压缩到 2 小时以内）

十一、常见问题

Q：AI 生成的视频有水印怎么办？ A：大多数工具在免费版会加水印。去水印要么升级付费版，要么用 DaVinci Resolve 的"Magic Mask"功能遮住水印区域（适合水印在角落的情况），或者在剪辑时把视频稍微裁剪掉有水印的边缘。

Q：生成的人物脸部一直在变，怎么保持一致？ A：这是 AI 视频目前最大的技术限制。推荐：① 整部视频主要用背影、侧影、远景（避免脸部特写）；② 用同一张角色卡作为"图生视频"的参考图；③ 在脚本设计阶段就规避大量脸部特写镜头。

Q：生成的视频里人物手脚变形怎么办？ A：当前 AI 视频在手部（尤其是手指）和脚部运动上容易出现形变，是技术通病。解决方式：① 避免手部特写；② 降低运动幅度；③ 通过重新生成多尝试几次选最好的。

Q：视频生成总是生出跟我描述不一样的东西？ A：提示词要更具体，越具体 AI 越能遵从。另外，先生成参考图（文生图），再用图生视频，比纯文生视频更容易控制画面内容。

Q：AI 生成视频可以商用吗？ A：各平台政策不同。可灵 AI 付费用户生成的内容可商用（需遵守平台协议）；免费版通常仅限个人非商业用途。使用前务必读一遍对应平台的"服务条款 / 版权声明"。

十二、进阶方向：接下来可以学什么

当你完成了第一部作品，如果想进一步提升，有几条清晰的路径：

路径 1：精进提示词工程 专门研究镜头语言（景别/运镜/布光），会让你的提示词质量直接跃升一级。推荐阅读：《认识电影》（路易斯贾内梯）或 B 站上的"镜头语言"系列视频。

路径 2：学 ComfyUI（本地部署工作流） ComfyUI 是一个开源的 AI 图像 / 视频生成节点编辑器，可以把文生图、图生视频、音频生成等环节串成自动化流水线，并且完全本地运行（不花 token 钱）。需要一块 8GB+ NVIDIA 显卡。学习资源：RunningHub（runninghub.cn，有中文教程和现成工作流）。

路径 3：学 DaVinci Resolve 调色 大多数 AI 视频在色彩上偏平，学会调色可以大幅提升最终画面质感。DaVinci Resolve 有免费官方教程，1 个月可以掌握基础调色。

路径 4：做系列内容 真正建立创作能力的方式不是做一部精品，而是持续产出。定一个固定主题（比如"每周一个 60 秒赛博朋克短片"），用同一套工具和风格持续做，每次解决一个新问题，3 个月后你的能力和工具熟练度会完全不同。

最后

AI 视频最大的门槛，不是技术，而是开始。

很多人收藏了大量教程，下载了所有工具，设置了完美的文件夹，就是没出过一帧画面。

工具会一直迭代，今天最好的工具明天就可能被新工具取代。但一旦你走完了一遍完整的流程，你会发现：换工具只是换了界面，整条逻辑和工作流还是同一套。

找一个你真的想做的故事，用免费额度，先做完它。

（本文工具信息截至 2026 年 4 月，AI 工具迭代快，具体功能和价格以各平台官网为准）