AI 视频最大的坑，不是不会写 prompt

很多人做 AI 视频，卡在一个很朴素的问题：同一句提示词，今天出来像广告片，明天出来像廉价特效；上一秒人物还像本人，下一秒脸和衣服全换了。于是大家开始疯狂改词、换模型、赌运气。

我的判断是：AI 视频不能只靠“描述”，要先做“控制件”。文字负责说意图，参考图负责锁边界。特别是角色设定板和故事板这两张图，本质上不是素材，而是把随机性关进笼子的生产工具。

先把变量拆开

一条视频通常有三类变量：风格、角色、动作。

风格决定它像什么：真实拍摄、教学短片、动画感、纪录片感、口播感。角色决定谁在画面里：脸、年龄、衣服、气质、身份符号。动作决定怎么演：走进教室、抬手指屏幕、翻资料、镜头推进、转身看向观众。

很多人把这三件事全部塞进一句 prompt，AI 当然容易乱。更稳的做法是：用原图或风格参考锁住画面质感，用角色设定板锁住“这个人是谁”，用故事板锁住“每个镜头发生什么”。

两张图怎么做

第一张是角色设定板。它不用复杂，重点是统一。可以放正面、侧面、半身、全身，再加几个固定信息：发型、服装、颜色、年龄感、表情区间、不能改变的特征。对教育、知识类内容来说，角色不一定是真人，也可以是讲师形象、虚拟助教、案例人物、学员代表。

第二张是故事板。不要一上来就追求电影级分镜，先做 4 到 6 格就够了。每格只写三件事：画面主体、动作、镜头。比如“人物站在白板左侧，右手指向关键词，中景固定镜头”；“桌面出现资料和笔记，手写圈出重点，俯拍”。故事板越具体，AI 越少自由发挥。

这里的关键不是画得好，而是让 AI 明白“哪些地方不能自己编”。

一套可复用流程

可以按这个顺序做：

  1. 先写一句视频目标：给谁看、讲什么、时长大概多久、情绪是轻松还是严肃。
  2. 再定风格参考：找一张最接近你想要质感的图，别混太多风格。
  3. 做角色设定板：统一脸、衣服、身份感和色彩，不要每条视频重新发明角色。
  4. 做故事板：拆成 4 到 6 个镜头，每个镜头只保留一个主要动作。
  5. 再生成视频：每次只测试一个镜头，别一次性生成整条。
  6. 最后复盘：记录哪些描述有效，哪些动作容易崩，下一次直接复用。

这样做的好处是，失败也有地方可改。脸变了，回到角色板；镜头乱了，改故事板；质感跑偏了，换风格参考。你不再是在和 AI 玄学对话，而是在调一个生产流程。

对内容和教育从业者的启发

知识内容最怕“形式很炫，信息不稳”。AI 视频如果每次都重做风格、重做人设、重写镜头，效率不会真的提升，只是把剪辑焦虑换成生成焦虑。

更值得做的是资产化：把常用讲师形象、课程场景、板书动作、案例演示镜头沉淀成一组模板。以后每次做新主题，只替换知识点和镜头顺序，不重建整套视觉系统。

AI 提效的核心，不是找到一句神奇指令，而是把不确定的环节变成可复用的控制件。角色板和故事板的价值就在这里：它们让内容生产从“抽卡”变成“排产”。