不会分镜，也能做AI视频

🎯 一句话总结：先用 Codex 把一个15秒穿搭变装视频拆成制作清单，再确认一张首帧，用低成本测试版检查动作；第一条视频不做复杂分镜，一次只修一个问题。

很多人不是没有想法，而是不知道第一步该做什么。看到别人同时使用参考图、首尾帧、分镜和长提示词，很容易误以为必须先学导演和剪辑。

第一条视频不需要这么复杂。你只需要完成一连串能回答“对或不对”的小决定：题材是否合适、主角是否一致、首帧是否可用、动作在哪一秒出错，以及下一轮只改什么。

这篇用“一个主角在一个场景里完成一次穿搭变装”贯穿全文。目标是先跑通10–15秒的最小闭环，不追求一次生成最终成片。

📌 先划清工具和能力边界

准备四样东西：

1. Codex，或支持图片、视频分析的 ChatGPT；
2. MiniMax H3 或 Seedance 2.5 的可用界面；
3. 一条你想学习的视频，或者一句自己的想法；
4. 一个项目文件夹，用来保存制作清单、参考图、提示词、测试视频和检查记录。

两个视频模型的能力不同：

这些是官方模型能力，不代表你使用的每个网站或客户端都开放全部选项。按钮、额度、时长和收费以当前入口为准。生成会产生费用时，先看预计消耗。

**第一条视频的范围：**一个成年主角、一个室内场景、一个连续动作、10–15秒。

**先别做：**30秒、多人物、复杂对白、多个地点、三段以上镜头、API自动化。

🧭 第一步：先分析，不要直接生图

先把参考视频或一句想法交给 Codex。这一轮只判断方向，不生成图片，也不写最终视频提示词。

我想做一条10–15秒的AI视频。
主例子是：一个主角在一个室内场景中完成一次穿搭变装。

请先不要生成图片，也不要写最终视频提示词。
请只分析：
1. 核心动作是什么；
2. 主角、场景和镜头要保持什么不变；
3. 哪些内容会让第一条视频过于复杂；
4. 如果有参考视频，按时间顺序列出3–5个关键变化；
5. 最后给出一个适合第一次试跑的最小版本。

你应当拿到的不是漂亮文案，而是一句可以检查的方案，例如：

同一个成年人站在固定的室内试衣区，转身一次，服装由日常款变成正式款，最后停在稳定姿态。

这一轮只确认三件事：玩法是不是你想做的，人物和场景是否合适，视频有没有塞太多事情。

如果一句话里出现两个人、两个地点、多个转场和对白，先删减。只有剩下一个主角、一个场景和一个主要变化，才进入下一步。

🖼️ 第二步：做清单，再确认一张首帧

方向通过后，让 Codex 把想法改成普通人能检查的制作清单：

根据刚才确认的最小版本，制作一张AI视频制作清单。
只保留一条10–15秒穿搭变装视频，包含：
- 主角外观与服装；
- 场景、时间和光线；
- 开始状态；
- 唯一主要动作；
- 结束状态；
- 首帧必须出现的内容。

暂时不要写视频提示词。
每一项都用普通人能检查的句子，不要使用“更自然”“更高级”等无法验收的词。

最小制作清单可以写成：

主角：一名成年人，固定发型和脸部特征。
场景：室内试衣区，固定机位和背景。
开始状态：穿日常服装，正面站立。
唯一动作：主角向镜头转身一次，服装完成一次变化。
结束状态：同一主角、同一场景，穿正式服装并停稳。
首帧验收：只有一个完整人物；脸、手、脚没有明显错误；四周留出动作空间。

清单确认后，只生成一张首帧：

根据已确认的制作清单，只生成一张视频首帧。
要求：一个成年主角、一个室内试衣场景、正面站立、日常服装、固定机位。
不要加入第二个人、第二个场景、字幕、复杂道具或动作分镜。
生成后只检查：人物数量、脸部、手脚和构图。

按固定顺序检查：先数人数，再看脸和手脚，最后看构图与光线。不要因为第一眼漂亮就直接生成视频。

如果只有一处错误，就只修这一处：

只修一个问题：人物右手出现多余手指。
保持人物、服装、场景、机位和光线不变，不要修改其他内容。

如果人数、脸和构图同时出错，重新生成通常比连续修补更省时间。只有结尾必须落在一个精确画面时，才考虑添加尾帧；普通连续动作先用一张首帧。

🎬 第三步：写提示词并低成本试跑

首帧通过以后，把它交回 Codex。视频提示词负责描述动作、时间和禁止项，不重新设计人物。

这是已经确认的首帧。请为它写一段10–15秒图生视频提示词。

保持人物身份、脸、服装起始状态、场景、机位和光线不变。
只描述一个连续动作：主角向镜头转身一次，完成一次穿搭变装，最后停在稳定姿态。
不要新增人物、地点、字幕、对白或第二个主要动作。
请说明动作发生的大致时间段，并列出3条禁止项。

检查提示词时，只问三件事：

• 是否只有一个主要动作；
• 是否与制作清单和首帧一致；
• 是否明确禁止新增人物、镜头或场景。

不要在末尾堆“更自然、更稳定、更高质量”。这些词无法告诉模型具体该做什么。

以 H3 为例，按当前界面选择首帧图生视频，只上传确认后的首帧，让画幅跟随图片，选择15秒或相近时长，再粘贴提示词。第一次用较低分辨率或成本较低的规格生成。

换成 Seedance 2.5 时，按钮和参考数量可能不同，但顺序不变：上传已确认素材，检查图片编号，再生成测试版。不要第一次就用30秒、最多参考图和最高质量。

这一步的通过条件不是“画面完美”，而是测试版能够完整播放，并且你能指出问题发生在第几秒。

🔎 第四步：按时间点检查，一次只修一个问题

视频出来后先正常看一遍，只记最让你出戏的问题。不要写“整体不自然”。

请检查这段测试视频，先不要重写提示词。
按时间顺序列出最多3个最影响观感的问题。
每条必须包含：
- 时间点；
- 画面中的具体对象；
- 实际发生了什么；
- 建议优先修哪一个。
不要使用“更自然”“更高级”“更稳定”等笼统描述。

合格反馈应当像这样：

• 00:04：人物开始转身后，身体比例突然放大，背景没有同步变化；
• 00:07：变装已经完成，白色描边仍停留在人物外侧；
• 00:10：画面短暂出现两个完整人物。

选出一个主问题，再发局部修正指令：

只修一个问题：00:04–00:07的穿搭转场过慢。
保持首帧、人物、场景、镜头、时长和其他动作不变。
让服装在该时间段内完成一次连续变化，不新增人物或镜头。

重新生成后，把两个版本并排比较。不要同时更换人物图、动作、镜头、音乐和时长，否则即使变好，也不知道是哪项修改生效。

如果同一错误反复出现，就回到上游检查：

• 多个时段的人脸都漂移：回到人物参考或首帧；
• 全程动作逻辑不清楚：回到制作清单；
• 只有一个时间边界损坏：修改该段动作与结束状态；
• 多个条件互相冲突：删减提示词，不继续追加形容词。

🎞️ 进阶：多人物和多分镜怎么接

第一条单镜头视频跑通后，再处理多人物剧情。复杂视频最难的不是提示词长度，而是切镜后人物、站位和道具能否保持一致。

公开的 cuimao_reverse 项目用一个约15秒的多角色剧情做教育性重建：动物外卖员一起吃饭，熊猫调侃牛，牛从假装没听见变成准备回应。项目里的参考图、分镜和提示词为重新制作，不是原视频工程。

复杂版本先准备七项内容：

1. 故事变化；
2. 主角设定；
3. 配角阵容与站位；
4. 场景空镜；
5. 道具；
6. 四格分镜；
7. 每个镜头的开始状态与结束状态。

把人物设定、配角阵容、站位、场景和道具排成一张参考素材表，再顺序生成四个检查点：群体建立、双人对话、说话者特写、被调侃者反应。Panel 2 继承 Panel 1，Panel 3 继承 Panel 2；不要从文字独立生成四张互不相关的漂亮图。

随后给每个镜头写状态表：

镜头编号：
开始状态：
结束状态：
人物身份：
人物站位与左右关系：
重心与视线：
道具位置：
光线：
结束时残余动作：
下一个镜头如何继承：

上传到 Seedance 前先核对参考编号：人物身份参考与镜头结构参考不能互换。最终提示词先声明每张参考图负责什么，再写时间轴。

如果一个15秒任务无法稳定执行三个镜头，只在有明确结束状态的边界拆段。下一段同时带上上一段成片、最后一帧、人物参考和后续分镜。

核心规则只有一句：前一个镜头的结束状态 = 后一个镜头的开始状态。

✅ 第一条视频做到哪里算完成

第一条视频不需要证明你掌握了所有模型。满足下面这些条件，就算流程跑通：

• 项目被缩小到10–15秒、一个主角、一个场景；
• 已先分析，再制作清单，没有直接跳到生图；
• 已确认一张首帧，并检查人数、脸、手脚和构图；
• 图片、提示词、测试视频和检查记录保存在同一文件夹；
• 已用低成本设置生成一个能完整播放的测试版；
• 观众能看懂视频里发生了什么变化；
• 主角身份没有明显漂移，主要动作有开始和结束；
• 每个问题都能定位到具体时间点；
• 每轮只修一个主要问题；
• 同一错误反复出现时，知道应该返回哪一步。

连续亲手跑通两三条后，再把已经验证的流程整理成自动化脚本或 Skill。不要在第一条视频还没有完成时，就自动化一套未经验证的方法。

核验资料

• MiniMax H3 官方说明
• MiniMax H3 视频生成文档
• Seedance 2.5 官方发布说明
• cuimao_reverse 教育性重建项目
• 参考素材提示词
• 镜头状态图
• Seedance 15秒提示词

模型能力、界面选项和价格可能继续变化，实际使用前以当前官方页面为准。