你是否也曾被一段視頻震撼——明明知道是AI生成的，卻怎么看都像真人？超寫實AI視頻正悄然改變內(nèi)容創(chuàng)作的邊界，甚至讓人驚呼：“手搓電影”的時代已經(jīng)到來。今天，我將以自己創(chuàng)作的《李清照的少女時代》為例，一步步拆解這背后的制作秘密。

“虛擬演員”從頭演到尾

做短視頻，就要用到AI的首尾幀功能。短片或電影都是由一個鏡頭一個鏡頭組成的，而用 AI 生成視頻也要一個鏡頭一個鏡頭地生成。每一段視頻又都是由首尾幀圖片進行組合，首幀圖是鏡頭的開始，尾幀圖是鏡頭的結(jié)束。第一段視頻的尾幀圖，又是下一段視頻的首幀圖，以此類推。當(dāng)把所有小段視頻做好后，連綴起來，就成為一個完整視頻了。

比如《李清照的少女時代》，就是用五張圖四段視頻，制作完成的。

以《如夢令·常記溪亭日暮》這首詞為腳本，展開視頻場景。

這首詞是李清照18歲到達汴京（今開封）不久寫的，是對故鄉(xiāng)往事的回憶。時間向前推，于是把人物身份設(shè)定在一個北宋的16歲少女身上。

根據(jù)詞義，設(shè)定了五張圖，分別是傍晚湖中游，沉醉于景色，該回家了，走錯路了，驚得白鷺飛起來這五個場景。再按圖片首尾相接的方式，完成了視頻創(chuàng)作。

在制作AI短視頻過程中，最難一點就是保持前后人物的一致性。總不能第一段的角色，到了第二段就面目全非了?？梢宰龅絻牲c：一是在每次圖片生成時，就把核心圖（或叫原始圖，下文會有介紹）作為參考圖，這樣就不會出錯；二是在提示詞里，也要明確提及，“嚴格參考提供的參考圖，臉型、五官比例、眉眼結(jié)構(gòu)、鼻子與嘴唇形態(tài)高度一致，不要生成陌生面孔，不要偏離參考圖人物”。如此一來，就能做到一個人物貫穿始終了。

超寫實視頻離不開8個要素

說完了人物的一致性，接下來重點就是如何做到畫面超寫實。如果提示詞不夠?qū)I(yè)，那么再好的AI軟件，生成的也都是大陸貨。所以，提示詞非常重要。

就拿《李清照的少女時代》來說，首先要通過 AI 生圖軟件生成一個視頻的主角人物，即少年李清照?？梢詤⒖細v史背景進行描述，中間不斷修正，最終確定。這就有點像拍電影之前演員的定妝照。

接下來，就要用 AI 寫作工具開始首幀圖的提示詞。先把照片喂給模型，然后要求它按照人物的核心特征、妝發(fā)與表情、服裝與造型、動作與位置、環(huán)境與道具、鏡頭、光影色調(diào)風(fēng)格以及負向控制八個要素，逐一進行描述。這個描述越詳細，越具體，生成出來的圖就會越合理，越逼真。這一步雖然煩瑣，但它是整個視頻的基礎(chǔ)。

核心特征，是指這個角色的國籍、年齡、性別等核心要素。

妝發(fā)與表情，是人物什么樣的發(fā)型，有沒有化妝，膚色如何，有沒有痘痘，毛孔粗細。表情是不是自然，眼睛向哪里看等等。

服裝與造型，是指穿的什么衣服，服裝的材質(zhì)與顏色，整體穿衣風(fēng)格。

動作與位置，是指人物在哪里，在干什么。人物的臉、身體處于參照物的什么位置，比例如何。

環(huán)境與道具，是指人物的背景是什么，觀眾除了主要人物，還能看到誰？背景裝飾是怎樣的。

鏡頭，是遠景還是近景，仰拍還是俯拍，微距還是特寫。

光影及色調(diào)風(fēng)格，是整體風(fēng)格暖色還是冷色，科技感還是動漫感，白天還是夜晚等。

負向控制，是指不希望出現(xiàn)的情況。比如背景里的人物、與劇情年代不符的產(chǎn)品等。

從一張“定妝照”開始

了解了超寫實提示詞，那就可以著手開干了?？墒聦嵣希幢愀嬖V你每個要素是什么作用，但實際操作起來還是有難度。那有沒有簡單辦法，在已有的基礎(chǔ)上進行調(diào)整呢？當(dāng)然有。

前面不是已經(jīng)生成了一張參考圖了嗎？也就是相當(dāng)于演員的定妝照。就可以把它喂給AI，反向讀取它的內(nèi)容，再按八個要素提取提示詞。

比如把該圖片上傳到參考圖位置，寫上如下提示詞：按照人物的核心特征、妝發(fā)與表情、服裝與造型、動作與位置、環(huán)境與道具、鏡頭描述、光影色調(diào)與風(fēng)格 以及負向控制的維度定義，寫出合適的提示詞。

結(jié)果生成如下內(nèi)容：

### 正向提示詞

**核心特征**：一位16歲左右的東亞少女，皮膚細膩帶自然雀斑，臉型柔和，五官舒展有清冷疏離感。

**妝發(fā)與表情**：黑長直發(fā)自然垂落，發(fā)絲略帶濕意的慵懶凌亂感；無妝感素顏，眼神平靜淡漠，嘴唇微抿，表情放空無情緒波動。

**服裝與造型**：身著淺豆綠色宋制漢服，內(nèi)層為棉質(zhì)交領(lǐng)中衣，外層是半透薄紗對襟短衫，下搭同色系漸變褶裙，面料垂墜柔軟，整體風(fēng)格素凈清雅。

**動作與位置**：盤腿穩(wěn)坐于窄木船船頭，雙手自然搭在膝上，身體正對鏡頭，姿態(tài)松弛沉靜。

**環(huán)境與道具**：江南水鄉(xiāng)的荷塘湖面，水面漂浮大片荷葉與零星粉白荷花；遠處湖岸有一座中式四角涼亭，背景是茂密的林木。

**鏡頭描述**：中近景人像，鏡頭平視與人物視線齊平，淺景深突出主體，背景自然虛化。

**光影色調(diào)與風(fēng)格**：黃昏藍調(diào)時刻，低角度暖金色夕陽在水面形成狹長波光，柔和側(cè)逆光勾勒人物發(fā)絲輪廓，整體色調(diào)以清冷的青藍為主，點綴暖橙霞光，呈現(xiàn)電影感紀實風(fēng)格，畫面細膩有顆粒感，氛圍靜謐、惆悵且充滿詩意。

### 負向控制提示詞

避免濃妝、夸張表情、現(xiàn)代服飾；避免背景出現(xiàn)現(xiàn)代建筑、游客、船只等雜物；避免過度磨皮、高飽和色彩、虛假光影；避免畫面模糊、構(gòu)圖傾斜、人物比例失調(diào)。

這個生成提示詞是通用的，再根據(jù)后面每張圖片的表情、動作、背景等進行調(diào)整即可。

從一張定妝照到五張場景圖，從一段提示詞到四段連貫視頻——超寫實AI視頻的制作，既是技術(shù)，也是藝術(shù)。它不僅需要你理解AI的邏輯，更考驗?zāi)銓θ宋?、場景與情感的把握。如果你也想創(chuàng)造屬于自己的“數(shù)字角色”，不妨從一句清晰的提示詞開始。說不定，下一個讓人驚嘆的AI短片就出自你的手。