我用AI实现电影梦，12分钟的AI微电影全揭秘

我在读大学的时候，写过一个人生梦想清单，其中有一项是创作一首属于自己的歌曲。时间过去10多年，现在，在AI的加持下，这一梦想终于实现。而在我更小的时候，还有一个拍电影的梦，那时候看电影，就在想，什么时候我也要拍一个属于自己的电影。今天，这个电影梦，也实现了。

我的AI微电影《神臂城》今天正式上线，并且获得了不错的播放。

进入B站观看完整影片：https://www.bilibili.com/video/BV1TWMe6PE9e/ 点击文章底部的「阅读原文」链接进入观看。

电影以南宋末年，神臂城抵抗蒙古军南侵的悲壮斗争故事。泸州作为一个有着千年历史的古城，在历史的长河中，有着非常多可歌可泣的故事。这与大家对它的固有印象只有一个“酒城”大相径庭，通过微电影的形式，可以把我们“龙的故乡”“川军故里”“赤水红色故里”“晚熟荔枝果乡”“宋代石刻名城”等等，这些不为人知的名片，通过AI影视作品，传递给大家。

虽然这部影片还是有很多瑕疵，但是在创作过程中，也积累了一些心得，下面就分享给大家，如果有这方面想法也打算自己做AI影片的小伙伴，可以作为借鉴。

1 剧本是拍摄蓝本，而非文学叙事

当我们有了一个想法，打算开始做一个影片的时候，我们首先要把这个故事写下来，让我们的故事形成完整的叙事结构。

但是，写剧本和写小说完全是两回事。写小说是一种叙事结构，注重氛围和通感。而写剧本更像写说明书，它指导具体拍摄执行，把文学表达翻译为镜头语言。

比如，从文学上讲，我们写“一种恐怖的氛围扑面而来，压的人透不过气，似乎要被挤扁”，这样的写作，是从人的感官视角去写的，虽然看上去很有氛围感，但是无法翻译为观众看到的画面。剧本则要把这种氛围感，拆分为不同的镜头艺术表现形式，传达给用户，它包含：画面、镜头运动、音效。画面描述我们可以这样写：“光线突然暗下来，一束光打在（角色1）头顶，（角色1）瞪大眼睛、屏住呼吸，手掐住喉咙，想要挣脱但是无法挣脱，全身僵硬”。

我们用画面感代替氛围感，再配合镜头运动、音效来让这个恐怖的氛围感片段，变得可拍摄。

2 角色、布景、道具资产

一部电影（虽然我们是微电影）中，我们的角色是固定的，在AI创作中，一致性非常重要，资产确保了一致性。

很多小伙伴遇到过同一个角色，在前面和后面不同镜头中不一致的问题，两段视频里面看上去不像了。这是因为角色的一致性没有做好。

我们用视频模型生成视频，核心要义就是“控”。控制角色一致性是其中最重要的一环。

那么到底应该如何保持一致性呢？

没有其他办法，就是要提供角色一致的参考图。什么样的角色参考图更合适呢？经过我长时间的探索，发现最好的角色参考图，就是角色肩部以上的头像特写。这就是最好的参考图。有些小伙伴会说，为什么经常看到网上有各种三视图、多视图加装饰细节图等等。我很负责任的说，这类参考图不仅不能让你生成一致角色的视频，而且可能导致你的视频中，出现多余不想要的内容。

那么，当我们要在视频中，展示角色的侧面、背面、装饰细节时，应该怎么办？其实很简单，就是提供对应视角的参考图，比如侧面图、手部细节图，同时，在提示词中，对图片进行定义，告诉模型“图片1是角色X的手部细节”等类似的提示。

你可以在我们的原始影片中看到，主角曾经换过一套衣服，当然，人物仍然保持着很好的一致性。这里就涉及到道具的管理。当我们要为角色换装时，本质上，就是让我们的虚拟演员，穿上一套准备好的“戏服”。我们把角色、服装的参考图一并提交给视频模型，让它在生成视频时，让角色穿着服装，这样就可以在既保持角色一致的同时，保持道具的一致。

演员+服装道具+场景，再配上一个导演喊“Action！”

这个组合，在AI影片制作中，仍然是通用公式。

3 标准提示词结构

一部影片，不是一个视频就可以直接生成的。我们现阶段，一个视频最长15秒，一部片子10多分钟，那得多少次生成？还要考虑抽卡问题。所以说，想要让整部片子，在同一种环境中，生成出来的所有视频，符合整部片子的调性，还是有难度的。

我总结了标准的提示词结构，通过结构中的部分变动，来确保镜头间的一致性连贯性。

这个标准结构也很简单：

全局设定+角色定义+场景定义+道具定义+强化提示词+镜头列表描述+硬性约束

这样的一个结构既有规律，可批量套用，又有差异，可局部修改。基于这样的标准提示词结构，我做到了前后镜头之间的100%连贯。

4 正确的音效处理方式

现在的视频模型生成时，可以同时生成音效，这已经是现在视频模型的基本标配。但是，有时候这并非一件好事，当生成的视频包含背景音（例如一些用于烘托氛围的配乐时），对我们的剪辑就是一场灾难。这在我完成的影片里面是一个非常突出的问题点。

因为我们一定会在视频后期进行剪辑，这就会导致我们在剪辑的时候，把音效切断，最终的后果就是听起来像突然断掉一样。

我一开始没有处理好这个问题，后来我找到了规律。我们在生成视频时，强制要求模型不生成持续的配乐，而是只允许生成点状的音效。这种操作，对剪辑的友好程度指数级的上升。在完成所有剪辑之后，最后再来进行配乐，这样就能让音乐更加连贯。

当然，要完成一部剧，还有很多细节要掌握，我提到的只是其中很小的一部分。

为了让更多的小伙伴掌握其中的一些技巧，我创办了一个免费的AI漫剧短剧教程网站 learn.kuaimanju.com 这个免费网站提供了普通入门创作者从刚刚接触，到一步一步成为“大师”级AI视频制作专家的完整路径。有兴趣的小伙伴，可以自行免费学习。

最后，回到我们的微电影《神臂城》。

其实，在电影结束，我还写了一首歌，我觉得非常的棒。这首歌是我在听了王菲的《如愿》后来的灵感，也想写一首如此恢宏厚重又娓娓道来的歌，在AI的辅助下，完成的。

今天，我们生活在一个物质富足生活便捷的时代，但是，我们不应该忘记先辈们在那个艰苦卓绝的年代，为我们后代所攒下的家底。我们也要反思自己这一代人，为下一代中国人，留下什么遗产。这就是我创作这首歌的初始想法。

我们谈论AI，谈论高科技，而实际上，就在40年前我们的父辈还在经历着中国最煎熬的黎明前夜。时光总是短暂，时光也总是公平的。每一代人，都有自己的使命。我们的使命，或许，就是在AI时代，用AI谱写属于中国人自己的世界叙事。