AI 短视频创作全流程：脚本→分镜→生成→剪辑→发布

一条能跑通的六步流水线

读完这篇，你可以不拍摄、不出镜，用一台电脑做出 30–60 秒的竖屏短视频。整条链路拆成六步：脚本 → 分镜 → 生图 → 图生视频 → 剪辑 → 发布。顺序比工具重要，顺序错了，后面每一步都在返工。

适合知识口播、产品展示、风景氛围类内容；需要真人背书或精确产品细节的题材不合适。

第一步：用大模型写脚本和分镜表

先用大模型（DeepSeek、腾讯元宝、豆包都可以）把三样东西写出来：口播文案、分镜表、每个镜头的画面描述。

分镜表四列就够：镜头号、时长、画面内容、口播或字幕。让模型按「每镜 3–8 秒」来切，30 秒的片子大约 5–8 个镜头。

提示词可以直接抄：把下面这段内容改成 45 秒竖屏短视频脚本，输出分镜表，每镜 3–8 秒，列为：镜头号/时长/画面/口播。画面描述要具体到主体、动作、环境、光线。

第二步：先生图，把人物和场景固定住

这一步最值得做。直接文生视频，人物每换一个镜头就换一张脸；先把关键帧用文生图生成好，再用图生视频让画面动起来，形象就能保持一致。

即梦的绘画功能支持文生图、图生图，还有背景替换和风格保持，适合先出一套调性统一的关键帧。同一个人物固定同一段外貌描述，反复微调。

第三步：图生视频，一个镜头一个镜头地做

把关键帧丢进即梦或可灵，写清楚「镜头怎么动、光怎么变」。默认优先图生视频，只有空镜和氛围镜头才考虑文生视频。

• 运镜写具体：推、拉、摇、移、环绕、跟随，比「电影感」有用得多。
• 光影写变化：黄昏侧逆光、窗边柔光、霓虹反射，模型对光线的响应通常比对脸更稳。
• 一次只改一个变量：画面不对先改描述，动作不对再改动作，别同时动三处。

第四步：在剪映里把碎片接成片子

生成出来的素材是散的，剪映负责把它们变成「一条视频」：拼接、去头尾、配音、字幕、配乐、转场、封面。剪映免费、无水印，手机和电脑双端都能用，9:16 竖屏工程可以直接建，导出 1080P。

配音用「文本朗读」，字幕用智能字幕，两个环节都能大幅压缩后期时间。转场别贪多，硬切加叠化更耐看。

工具怎么选：即梦、可灵、剪映

• 即梦：中文提示词理解好，国风、风景、美食的细节表现强，最高 1080P，单条约 60 秒内，支持首帧+尾帧控制，适合质感优先的片子。
• 可灵：人物动态和表情自然度更好，不容易崩脸，支持动作姿态控制，最长约 3 分钟，适合有人物出镜和动作演示的内容。
• 剪映：不负责生成，负责收口。一键成片、AI 配音、智能字幕、数字人播报都在这里。

推荐组合：即梦出图，可灵做人物镜头，剪映合成。额度与价格随版本调整，具体以官方为准（截至 2026-11）。

版权与音色安全，别在这一步翻车

商用只使用平台提供的正版素材与官方音色。克隆他人声音、搬运未授权音乐、直接切用影视片段，都存在侵权风险。配音优先选工具内置音色，配乐优先选平台曲库，拿不准就换成可商用素材站。

发布与复盘

封面和标题决定点击率，前 3 秒决定完播。同一条片子换封面和开头再发一次，对比数据差异。更多工具可以看 工具库，想按顺序练完整流程，从 教程 开始。