物界前沿
《妈，我回来啦》视频教程拆析
先看这类视频和之前的区别（决定怎么做）
古风田园AI视频（上一条） | AI叙事短片（这条） | |
核心 | 单镜头氛围 | 多角色剧情+对白+情感 |
一致性要求 | 一个场景风格统一 | 角色跨镜头必须同一张脸 |
工作流 | 生图→图生视频→拼 | 剧本→定妆照→分镜→逐镜生成→配音→剪辑 |
难度 | ★★ | ★★★★（但流程是固定的） |
核心心法（作者原话）：先完成，再完美；积分有限，优先补掉最影响观看的镜头——不是所有瑕疵都要重做。
全流程总览（6 步）
步骤 | 干什么 | 软件 |
第1步 | 写剧本（故事+对白+分场） | 豆包/DeepSeek |
第2步 | 角色定妆照+场景参考图 | 即梦AI |
第3步 | 分镜图逐镜生成 | 即梦AI |
第4步 | 图生视频（运镜指令） | 可灵AI / 即梦AI |
第5步 | 角色配音 | 剪映文本朗读 |
第6步 | 剪辑合成（对轨+字幕+BGM+音效） | 剪映 |
第 1 步：写剧本（软件：豆包 / DeepSeek · 免费）
这一步做什么
写一个有情感冲突的短故事——作者那条是"重组家庭母女情"：女儿回家喊"妈，我回来啦"，一句台词串起细腻的情感戏。叙事短片不需要宏大剧情，一个场景、一个情绪、一句扣题的台词就够。
输入什么提示词（复制即用）
你是影视编剧。请为一个AI叙事短片写剧本，要求： 【选题】现实主义家庭温情：重组家庭的母女情，女儿多年后回家 【时长】3-5分钟（AI短片黄金时长，作者同款） 【结构】三幕：
【输出格式】
|
限制指令怎么输（喂给AI时的约束）
时长卡死 3-5 分钟：AI 一放开就容易写长，限制"不超过6场"是硬约束
场景数 ≤3 个：AI 短片场景越少越稳，场景一多角色和光线全乱
台词越少越好：每句对白 = 一个要生成的镜头，台词越少，要重做的越少
剧情用"一个细节"推动，不要"事件推进"（AI 做不了复杂事件，但能做好一个眼神）
为什么这么做
作者自述"预算和积分有限"——AI 叙事短片最大的成本是反复生成，剧本写得越收敛，生成次数越少，质量越高。
不这么做会怎样
剧本写 20 场戏、每场 3 句台词 → 要生成 60+ 镜头，积分烧光、人物脸全崩、半年做不完；剧情靠"车祸/打斗/变装"这种复杂事件 → AI 生成必崩，整段作废。
第 2 步：角色定妆照 + 场景参考图（软件：即梦AI · 免费）
这一步做什么
把剧本里的角色和场景"定下来"——生成母亲、女儿的角色定妆照（多角度），以及家里/门口的场景参考图。这是全流程最关键的一步，直接决定角色会不会"换脸"。
输入什么提示词（角色定妆照 · 复制即用）
母亲定妆照：
一位50岁左右的朴素中年女性，短发微卷，眼角有细纹，穿素色棉质家居服，站在暖黄色灯光的老式客厅里，神情温柔中带着一丝期待。现实主义电影质感，自然光，浅景深，正面全身照，人物清晰，背景柔化。 |
女儿定妆照：
一位25岁左右的年轻女性，长发扎低马尾，穿米色风衣背双肩包，站在家门口，神情犹豫带着紧张。现实主义电影质感，自然光，浅景深，正面全身照，人物清晰，背景柔化。 |
限制指令怎么输
固定外貌描述：两段提示词里的"短发微卷/眼角细纹/素色棉质家居服""低马尾/米色风衣/双肩包"就是角色的"身份证"，后面每一个镜头都要带上（复制粘贴，一个字别改）
多角度生成：正面、侧面、特写各生成一张，存成一个"角色参考图包"
风格锁定：所有图都加"现实主义电影质感，自然光，浅景深"——全片风格统一就靠这半句
负面提示词：动漫感，古风，赛博朋克，磨皮过度，欧美面孔，多人同框，文字水印
为什么这么做
AI 视频工具是按"参考图+指令"出片的，定妆照就是演员本尊；作者能做出"重组家庭母女"的细腻感，靠的就是角色从头到尾同一张脸。
不这么做会怎样
不定妆照直接生成 → 第一场母亲是圆脸，第二场变成方脸，第三场变年轻了——观众一眼出戏，全片报废；每场重新描述角色 → 描述一不一致就换脸，AI 短片 90% 的"穿帮"都是这个原因。
第 3 步：分镜图逐镜生成（软件：即梦AI · 免费）
这一步做什么
按剧本的分场表，一个镜头一个镜头地生成静态分镜图。比如"女儿站在门口迟疑"是一个镜头、"母亲开门看到女儿"是一个镜头、"两人对视特写"是一个镜头。
输入什么提示词（分镜图 · 复制即用）
分镜示例 · 母女对视特写：
【母亲】一位50岁左右的朴素中年女性，短发微卷，眼角有细纹，穿素色棉质家居服，站在门口，眼眶泛红，嘴唇微微颤抖。【女儿】一位25岁左右的年轻女性，长发扎低马尾，穿米色风衣背双肩包，站在门外，眼里含泪。两人隔着门槛对视，暖黄色门厅灯光，现实主义电影质感，自然光，浅景深，中景特写，情感张力。 |
限制指令怎么输
每镜一句【画面】描述：人物（必须带第2步的"身份证"外貌）+ 位置 + 动作 + 表情 + 光线
景别写进提示词：远景/中景/特写，AI 认这个
一镜一图：不要试图一张图塞两个镜头
生成后逐镜检查角色脸，脸不对的重新生成（同外貌描述多抽几次，总有一张对的）
为什么这么做
分镜图是"每个镜头的定稿"，先定图再动视频——图对了视频才可能对；图错了直接生成视频，浪费的是最贵的积分。
不这么做会怎样
跳过生图直接文生视频 → 每镜头的构图、光线、人物全随机，拼起来像不同电影；分镜图不检查脸 → 视频生成后才发现脸崩，一张图废掉整段视频。
第 4 步：图生视频（软件：可灵AI / 即梦AI · 免费额度）
这一步做什么
把第 3 步的分镜图上传，输入运镜指令，让画面动起来——推近、人物转头、眼眶泛红。提示词只写"动"的部分，画面长什么样由分镜图决定。
输入什么提示词（运镜指令 · 复制即用）
运镜示例 A · 女儿迟疑进门：
缓慢推进镜头，女儿在门口站定，微微低头，手指攥紧双肩包背带，犹豫两秒后轻轻抬脚跨过门槛。动作自然，情绪克制，镜头平稳。 |
运镜示例 B · 母女对视：
镜头缓慢推近两人面部特写，母亲的嘴唇微微颤抖，眼眶泛红，女儿的眼眶慢慢湿润，两人沉默对视。氛围安静，只有呼吸感，镜头极稳。 |
限制指令怎么输
首帧：上传对应的分镜图（图生视频入口，不是文生视频）
时长：每段 5 秒（叙事短片以"情绪镜头"为单位，5 秒足够表达一个情绪）
运动幅度选最小档：叙事短片要"克制"，幅度一大就变狗血
一次只动一个主体：要么推镜头、要么人物转头，别写"转头+流泪+抬手+镜头转"
负面提示词：人物变形，脸部扭曲，表情夸张，肢体异常，剧烈动作，多出指头，画面闪烁
每段生成 2-3 版挑一版：作者说的"先完成再完美"，别跟一个镜头死磕
为什么这么做
分镜图管"画面"，运镜指令管"情绪怎么动"——两条词分开写是 AI 短片的标准做法；5 秒一镜、运动最小，是"现实主义细腻感"的保证。
不这么做会怎样
运镜指令写"她冲过去抱住母亲痛哭" → AI 生成人物扭曲变形（AI 最怕大动作+强情绪一起上）；一镜 20 秒 → 后半段必崩；追求每镜完美 → 积分烧光、片子永远做不完。
第 5 步：角色配音（软件：剪映 · 免费）
这一步做什么
给角色配对白。剪映文本朗读有多个音色，母女选两个不同的、贴合年龄的音色，分开录。
怎么做（剪映操作）
剪映 →「文本」→「文本朗读」→ 输入台词
母亲选中年女声（低沉温柔），女儿选年轻女声（清亮带哽咽感）
语速调慢一点（叙事短片台词要留气口），情绪重的台词单独生成多试几个音色
限制指令怎么输（给剪映文本朗读）
台词里加标点控制节奏：句号=停顿，"……"=哽咽迟疑，比如"你……你怎么回来了？"
每个角色固定一个音色，全片别换
为什么这么做
配音是叙事短片的灵魂——作者那条"妈，我回来啦"能打动人，一半靠这句台词的语气；音色固定，角色才立得住。
不这么做会怎样
母女共用一个音色 → 分不清谁在说话；机械感重的音色 → 情绪全无，观众出戏；语速太快 → 没有气口，情感戏变新闻播报。
第 6 步：剪辑合成（软件：剪映 · 免费）
这一步做什么
把视频片段+配音拼成完整短片，加字幕、BGM、音效，导出发布。
怎么做（剪映操作顺序）
建工程：导入所有视频片段和配音
对轨：先铺配音轨道，再按配音节奏摆视频片段（配音是骨架，画面跟着配音走）
补镜头：配音长于画面 → 回去补生成 1-2 秒的空镜（手部特写/窗外/静物），这是叙事片常见补法
字幕：自动字幕 → 校正错字 → 选纤细字体+白字黑边（文艺感）
BGM：搜"亲情/温暖/钢琴"，音量压到对话之下（对话时 BGM 自动闪避）
音效：关门声、脚步声、环境底噪（剪映音效库搜"生活"类），这是"电影感"的重要来源
调色：全片统一加一个暖色滤镜（叙事温情片用暖调）
合规：标注"内容由 AI 生成"（平台硬要求，作者也标了）
发布配置
标题：带情绪+剧情（作者格式：《妈，我回来啦》+一句话剧情简介）
话题：#AI短片 #AIGC #AI创作浪潮计划 #重组家庭（蹭比赛/计划话题，作者就蹭了"瓦卡奖""AI创作浪潮"）
合集：建"自制AI短片"合集，系列化更新（作者合集已更新到第4集，这是涨粉关键）
不这么做会怎样
不对轨 → 口型台词对不上，全片穿帮；不配音先剪画面 → 节奏完全失控；不加音效 → 画面干巴巴，没有"电影感"；不标 AI 生成 → 下架风险。
原作者：阿哲AIGCer（抖音号：MS6688_88）
原作品链接：https://www.douyin.com/user/MS4wLjABAAAAX-0WRBSp2H19PaSS5AvwYofX2ukBvuDeSzvKEmRCYow?from_tab_name=main&modal_id=7677978157199601905