这次项目的目标，是为一个生殖健康与未来家庭规划相关的主题制作一支暑期竖屏短片。
看起来只是一个 75 秒的视频，但真正的难点并不在剪辑，而在于同时解决四个问题：目标人群比较特殊，部分服务内容不适合直白表达，需要用静态图片完成完整叙事，还要保证人物、画面、声音和文案保持统一。
最终，我用 Codex 统筹创作流程，借助 ImageGen 完成分镜图片，再通过 ChatCut 完成配音、音乐、字幕、动效和导出，把 10 张静态分镜制作成了一条可发布的竖屏视频。
先看最终成片
一、先明确视频要解决什么问题
最初的需求比较宽泛：制作一条暑期宣传视频。进一步沟通后，目标逐渐清晰：
- 主要面向正在考虑未来家庭规划的单身人群。
- 文案不能直接出现过于敏感的服务表述。
- 主角设定为男性、IT 行业从业者。
- 画面需要出现杭州城市元素。
- 整体不能像传统医疗广告，要更接近都市生活方式短片。
因此，视频没有直接介绍服务，而是围绕一个更容易被接受的主题展开：
人生可以按照自己的节奏，但关于未来，越早了解，越从容。
这样的表达既能让目标人群产生代入感，也为后面的专业咨询场景留下了空间。
二、用 10 个分镜建立完整叙事
整条视频采用一个男性 IT 从业者的日常作为叙事主线。10 个分镜分别呈现：
- 早晨进入杭州科技园区。
- 在开放式办公室工作。
- 与同事讨论项目。
- 下班后看见杭州城市天际线。
- 夜晚沿江跑步。
- 回家后独自查询资料。
- 与专业顾问沟通。
- 顾问用平板讲解不同路径。
- 在湖边散步，重新思考未来。
- 面向杭州夜景，为未来做出新的规划。
每个分镜承担一个明确的叙事任务，而不是单纯展示“好看的图片”。前半段建立人物身份和生活状态，中段制造对时间与未来的思考，后半段通过专业咨询给出解决方向。这样即使没有真人拍摄，仅凭图片、旁白和音乐，也能形成一条完整的情绪曲线。
三、用 AI 生成统一的分镜图片
分镜确定后，下一步是为每个镜头编写图片提示词。这一阶段主要使用了两个工具：
GPT-Image-2 Style Library：选择视觉风格，优化提示词结构。ImageGen：生成和修改分镜图片。
为了保持人物一致，第一张图片被确定为人物参考：30 岁左右的中国男性，短发，浅蓝色衬衫，职业是 IT 从业者。
后续图片都延续这一人物设定，同时控制杭州科技园区、城市天际线和滨水空间，保持夏季自然光与城市夜景、真实克制的商业摄影风格，以及适合手机端后期制作的 9:16 构图。
最初的图片以组合分镜形式生成，随后再分别整理为 10 张独立竖屏图片，作为视频时间线中的基础素材。
四、在 ChatCut 中把静态图片变成视频
图片完成后，全部导入 ChatCut 建立竖屏工程。基础参数为：
- 分辨率：1080×1920。
- 帧率：30fps。
- 每张分镜时长：7 秒。
- 10 张分镜总时长：70 秒。
- 结尾品牌页：5 秒。
- 最终成片：75 秒。
为了避免图片视频像简单的幻灯片，每个镜头都加入了缓慢推近效果，并在相邻分镜之间设置柔和的交叉叠化转场。这些动效幅度很小，但能让人物和城市画面产生轻微的镜头运动感。
五、旁白、音乐和字幕分别处理
旁白没有一次生成完整长音频，而是按照 10 个分镜分别生成。最终选择的声音是“渊博小叔”，整体特点是成熟、理性、克制，比较适合都市男性的内心独白。
每段旁白在对应分镜开始约 0.5 秒后进入，时长控制在 5 秒左右，为画面前后保留呼吸空间。
背景音乐单独生成，要求为无歌词、轻电子与钢琴结合、有夏夜城市感、不过于煽情。音乐基础音量设置为约 -16dB，并把旁白轨道设为主声音轨。旁白出现时，背景音乐自动降低，使人声更清楚。
字幕使用思源黑体风格，标题采用较粗字重，正文字幕采用 Regular。考虑到云端渲染兼容性，动效标题实际使用了同属中日韩字体体系的 Noto Sans SC。字幕统一放置在手机安全区域内，控制为两行以内，避免遮挡人物面部和重要画面。
六、用动效图形完成片头与结尾
片头加入了一组简洁的动态标题：“杭州·夏日计划”和“不被时间催促，但要了解时间”。标题采用白色文字和浅青绿色强调线，与杭州科技园区和城市夜景的冷色调保持一致。
结尾增加了 5 秒独立品牌页。用户提供的 Logo 原图包含英文名称，由于最终只需要图标，我没有重新设计 Logo，而是在 ChatCut 中对原图进行无损裁切，隐藏英文区域，只显示彩色圆环图标。
图标下方加入两行收束文案，第一行使用白色，第二行使用浅青绿色，并与背景音乐一起缓慢淡出。
七、制作过程中遇到的两个问题
前几个分镜暂时没有旁白
第一次预览时，前 3 个镜头没有立即听到旁白。检查时间线后发现，音频素材和轨道位置都是正确的，问题来自编辑器端素材尚未完全加载。等待音频加载完成后，旁白恢复正常。
这说明在 AI 视频制作中，“工具调用成功”不等于用户端一定已经完成加载。最终交付前，必须在实际编辑器中完整播放一次。
结尾文字看起来没有出现
最初的结尾动画先显示 Logo，文字在一秒多以后才逐步进入。如果只查看结尾开始的瞬间，很容易误以为没有文字。后来把第一行文字调整为约 0.2 秒出现，第二行在约 0.5 秒内出现，并重新抽取关键帧检查。
调整后，结尾信息进入更快，也更符合朋友圈视频的观看习惯。
八、这次流程中最有价值的经验
- 先解决表达策略，再开始生成素材。如果没有提前明确哪些内容可以说、哪些内容不适合直说，后面生成再多图片也无法形成有效传播。
- 图片生成之前必须先锁定人物。人物年龄、发型、服装、职业和城市环境需要在第一张图中确定，后续分镜才能保持基本一致。
- 长旁白应该拆成分镜级音频。独立生成每个镜头的旁白，更容易调整时长，也方便后期替换其中某一句。
- 动效要服务于信息，而不是展示技术。缓慢推镜、叠化转场和文字动画都比较克制，但它们让静态图片拥有了节奏。
- 必须用关键帧和最终成片进行两次验证。时间线结构正确，只能证明素材放置没有问题；关键帧检查才能确认字幕、标题和 Logo 是否真的显示。
九、最终交付结果
本次项目最终完成了 10 张独立竖屏分镜图片、一套可继续修改的 ChatCut 工程、10 段“渊博小叔”旁白、一条轻电子与钢琴结合的原创背景音乐、完整中文字幕、片头与结尾动态视觉，以及一条 75 秒、1080×1920、30fps 的 H.264 竖屏成片。
这次制作让我更清楚地看到，AI 视频创作并不是把一句提示词交给模型，然后等待成片。
真正有效的工作方式，是把策划、分镜、图片、声音、字幕、动效和验证拆成多个可控环节，再让不同工具各自完成最擅长的部分。AI 降低了制作门槛，但最终决定视频质量的，依然是对目标人群的理解、对信息尺度的把握，以及一次又一次真实的预览和修正。
返回记录页