AI生成视频素材

AI 生成视频素材

1. 这个 Skill 解决什么

用文生视频、图生视频、AI 数字人这类工具生成画面，补进真人素材里。

它解决四件事：

• 什么样的镜头适合交给 AI 生成，什么样的绝对不行
• 画面提示词怎么写才出得来东西
• 生成出来的画面怎么混进真人素材而不出戏
• 用了 AI 生成画面，要不要标注、怎么标

它不教剪辑流程（走 video-edit），不管脚本与分镜（走 video-script），不做 AI 剪辑环节的取舍判断（走 ai-clip-workflow）。本 Skill 只管"生成画面"这一件事。

---

2. 触发场景

• 「这段空镜能不能用 AI 生成」
• 「文生视频提示词怎么写」「图生视频怎么做」
• 「没有素材能不能 AI 生成一段」
• 「片头用 AI 做行不行」「转场用 AI 生成行不行」
• 「AI 数字人能不能用」
• 「AI 生成的视频能直接发吗」
• 「这段提示词为什么生成出来的东西不对」

不适用：剪辑流程与导出参数（video-edit）、脚本分镜（video-script）、AI 剪辑环节取舍（ai-clip-workflow）、图片类配图（走图文流程）。

---

3. 开工前必须问清的三件事

---

4. 输出结构：七段，按顺序出

第 1 段：镜头适用性三段判定（最关键的一段）

每个镜头必须先落到三档之一，不许跳过，也不许写"可以试试"。

可用（放心生成）

• 氛围空镜、场景铺垫（城市夜景、桌面一角、窗外天气）
• 抽象示意与概念可视化（数据流、连接、扩散、时间推进）
• 片头片尾、转场、背景板
• 无信息量的 B-roll（手在书页上划过、杯子冒着热气）
• 明显非写实的风格化演绎（插画风、线条动画）

慎用（能用但必须逐帧检查）

• 产品外观——AI 会生成产品上不存在的细节（多一个按键、错一个标志位），等于虚假宣传。用了必须逐帧对比实物。
• 人物动作——手指数目、行走姿态、拿东西的接触点仍是常见失败点。只拍中远景、不拍手部特写。
• 含文字的画面——AI 生成的文字几乎必有错字与乱码。解决方案是不在生成画面里写字，后期单独加字。
• 连续镜头的人物与场景一致性——跨镜头保持同一个人、同一个房间仍是难点，要给出一致性的具体做法（见第 3 段）。

禁用（直接拒绝，不给替代）

• 产品实拍效果、使用前后对比
• 真人证言、用户评价、采访画面
• 数据图表、统计图形
• 新闻现场、事故、灾难、医疗效果
• 票据、证件、聊天记录、界面截图
• 真实人物、名人、他人肖像与声音

禁用的判断标准只有一条：观众会以为这是真的拍到的，而它不是。只要满足这一条，就是禁用。

第 2 段：画面提示词写法

四要素公式

主体 + 动作 + 环境与光 + 镜头 + 风格 + 时长 + 不要出现什么

逐项说明：

• 主体：具体、唯一。写"一位穿灰色卫衣的年轻人"，不写"一个人"。
• 动作：写一个动作，不写状态。写"伸手把杯子推到桌角"，不写"安静地坐着"。
• 环境与光：给光源方向和质感。写"午后侧逆光，桌面有柔和阴影"，比写"温馨的氛围"有用得多。
• 镜头：景别 + 运镜 + 焦距感。这一项对结果的控制力最强，很多人只写画面内容不写镜头，这是生成效果不稳定的主要原因。
• 风格：写实、胶片、插画、低饱和等。要与成片调性一致，不然后期难接。
• 时长：写清楚几秒。
• 不要出现什么：负向描述比堆形容词有效得多。必写的几条：不出现文字、不出现字幕、不出现多余手指、不出现变形的物件。

三条可直接改的模板

模板一（空镜 B-roll）：

【主体】在【环境】中【一个具体动作】，【光源方向与质感】，
【景别 + 运镜 + 焦距感】，【风格】，时长【N】秒，
画面干净，不出现文字，不出现人物正脸，不出现变形物体。

模板二（概念可视化）：

【抽象概念的视觉化描述】，从【起始状态】过渡到【结束状态】，
【镜头运动】，【风格与配色】，时长【N】秒，
不出现文字，不出现真实地标，不出现真实品牌标识。

模板三（图生视频）：

以参考图为基础，画面中【主体】做【一个幅度很小的动作】，
镜头【轻微推近／缓慢横移／保持固定】，
保持参考图的构图、光线与色调不变，其余元素尽量不动，
时长【N】秒，不出现文字。

图生视频的关键一句是"其余元素尽量不动"——图生视频最容易整体漂移，这句话比任何形容词都管用。

第 3 段：一致性控制

生成多个镜头要拼在一起时，一致性是最大的坑。给出四层做法，按可靠性排序：

1. 换思路，不追求一致：用短切镜头，每个镜头 2 到 3 秒就切走。观感上不要求连续，自然就不需要一致。这是最可靠的做法。
2. 统一提示词骨架：所有镜头共用同一段主体描述与环境描述，只改动作和镜头。
3. 用参考图锁定：后续镜头以第一个镜头的输出帧作为参考图。
4. 后期强行统一：统一调色、统一颗粒、统一对比度。这招救不了构图不一致，只能救色调不一致。

明确的实话：跨镜头保持人物与场景完全一致，目前不是能稳定做到的事。所以默认推荐做法 1，不要一上来就指望做法 3。

第 4 段：混入真人素材的四项对齐

AI 生成的画面和真人素材放一起，最常见的感觉是"出戏"。出戏来自四个不对齐：

"不出戏"的三条实用处理：

• 只做快切，不做长镜。生成素材停留越久越容易露馅，2 到 3 秒切走最稳。
• 降饱和加颗粒。真实素材有噪点和色彩偏差，生成素材太干净反而假。
• 加轻微的景深或暗角。把注意力收在画面中心，边缘的不自然就被压住了。

第 5 段：迭代与挑选

一次生成多条是标准做法。挑选标准要写清楚，因为它跟直觉相反：

不要挑"最惊艳"的，要挑"最不出戏"的。

最惊艳的那条往往运动幅度最大、视觉最花哨，混进成片里也最跳。挑的标准是三条：

• 动作幅度最小、最克制
• 色调最接近主线素材
• 边缘和手指这类细节没有明显破绽

迭代时一次只改一处，并且记下改了什么。一次改五处，出好了不知道是哪处起作用，下次还是靠运气。

第 6 段：标注与合规

标注判定：走 ai-clip-workflow 第 4 段的三档规则。本 Skill 补一条：只要生成画面出现在片子里且观众可能误认为是实拍，就必须标注。

版权归属：生成内容的权利归属以所用工具的当期条款为准〔待核〕，不同工具差异很大，不能默认归自己。商用前逐项确认。不代办授权，只提醒核对。

肖像与声音：不生成真实人物、名人、他人肖像与声音。AI 数字人若使用真人形象与声音，须书面授权，无授权拒绝给方案。

敏感题材：新闻现场、事故灾难、医疗效果、政治相关题材，一律不生成。

第 7 段：生成素材登记表

交付时附一张表，逐条登记。这张表的意义在于：出问题时能回溯，标注时不用重看一遍片子。

---

5. 铁律（违反即输出作废）

真伪

1. AI 生成的画面绝不能用于证明任何事实性主张。产品效果、前后对比、真实场景、数据、证言，一律不许用生成画面"补"。缺镜头就列出来补拍。
2. 不生成真实人物、名人、他人肖像，不生成他人声音。数字人使用真人形象与声音须书面授权。
3. 不生成新闻现场、事故、灾难、医疗效果、政治题材。
4. 不生成含可读文字的画面冒充真实界面、截图、招牌、票据。生成画面里要出现文字，一律后期单独加。
5. 提示词里不写真实品牌名、不写他人姓名、不写敏感地标。

不确定性

6. 不推荐具体生成工具、不做工具排名、不报价格与配额。
7. 工具的生成能力、参数范围、授权条款一律标〔待核〕，写明以工具当期条款为准。
8. 不承诺生成结果稳定可复现。明确告知：同一条提示词多次生成结果不同，必须多生成几条挑。
9. 不承诺"跨镜头完全一致"。这条目前做不到，不许暗示可以。
10. 不虚构生成结果。没生成过的画面不许描述成"生成效果很好"。

文件与内容安全

11. 生成素材与工程文件一律输出新文件，不覆盖原始素材（硬红线）。
12. 不提供去除他人水印、搬运他人视频、绕过平台检测的用法。
13. 提示词里不许包含违规、暴力、色情、歧视性内容。

风格

14. 不堆形容词。提示词的力量在镜头、动作、光线、负向描述这四项，不在"超高清、极致、电影感"这类词上。
15. 给出镜头适用性判定时必须落到三档之一，不许含糊其辞。

---

6. 降级规则

降级 A（用户想用 AI 生成"实拍效果"或"前后对比"） 明确拒绝，并给合规替代：要么真实拍摄，要么改文案绕开这个主张。不接受"只是示意一下"这类说服——示意和证据在观众眼里没有区别。

降级 B（只有文案，没有画面想法） 不直接写提示词。先出一份镜头清单（这段文案需要几个画面、每个画面承担什么功能），经确认后再逐条写提示词。

降级 C（工具跑出来不对，用户问为什么） 给变量位清单和逐项改法，要求一次只改一处。常见归因：动作太大（改成单一小动作）、光没写（补光源方向）、镜头没写（补景别与运镜）、负向描述缺失（补不出现文字与不变形）。

降级 D（要 AI 数字人出镜口播） 先问三件事：形象与声音来源是否有授权、平台是否要求标注、这条片子有没有事实性主张。三件都过才给方案；授权缺失直接拒绝。

降级 E（素材缺口很大，想全片用 AI 生成） 提醒一句实话：全片生成的片子，观众一眼能看出来，且信任度低。给两条路——要么缩小 AI 占比，只用它补空镜与转场；要么明确做成风格化演绎（插画风、线条动画），让"非写实"成为风格而不是破绽。

8. 完整输出范例

见 references/worked-example.md——以一条生活收纳视频的三个缺镜头为例：两段完整提示词加一段图生视频提示词（含负向描述）、四轮迭代记录（每轮只改一处）、挑选记录（被挑中的都是最平淡那条），以及镜头 4 因承担容量主张而被拒绝生成、改用重拍。范例中工具、授权、平台规则均标〔待核〕。