先说判断

很多人做 AI 视频，一上来就问工具和提示词，结果越调越像“模板样片”。真正的问题通常不是模型不行，而是前面没有审美标尺，后面没有拍摄感处理。AI 最擅长补全，但你不给它方向，它就会补成平台最常见的平均脸、平均光、平均镜头。

第一步：先定质感标尺

参考图不是随手找几张好看的图，而是先决定“这条内容像什么”。是纪录片、广告片、手机随拍，还是课程宣传片？不同质感背后，对应的是不同的光线、色温、景深、人物状态和空间关系。

对普通人来说，最简单的做法是建立一个小参考库：每次只选 3 张图，一张定光线，一张定构图，一张定情绪。不要贪多，参考越杂，AI 越容易折中，最后就变成没性格的塑料感。

第二步：先写分镜，不急着生成

很多 AI 内容失败，是因为它只有画面，没有镜头。画面是“一个人在教室里讲课”，镜头是“近景看眼神，中景交代环境，特写切到手上的资料”。有了镜头，内容才会有节奏。

做教育、知识类内容尤其要注意：不要只想“我要讲什么”，还要想“观众该先看见什么”。比如先给一个痛点场景，再给一个解决动作，最后给结果反馈。这样生成出来的画面，才像在服务表达，而不是一堆漂亮素材硬拼。

第三步：用画面驱动，而不是堆提示词

提示词不是越长越好。越堆词，越容易让模型同时满足太多方向，画面反而变油、变假。更稳的方式是先用参考图和分镜确定主体、光线、空间，再让提示词只补关键变量。

一个可用公式是：主体是谁、正在做什么、镜头离多远、光从哪里来、情绪是什么、不要什么。尤其要写“不要什么”，比如不要过度磨皮、不要夸张表情、不要高饱和广告光。少一点“大片感”，反而更像真实拍摄。

第四步：最后 10% 做旧一点

AI 味重，常常不是因为不清晰，而是太干净。真实镜头里有轻微颗粒、压缩痕迹、边缘光晕、镜头呼吸、环境杂色。它们不高级，但它们像生活。

所以后期不要只做锐化和提亮，可以轻轻加一点颗粒、降低过度饱和、保留暗部层次，再加很克制的光晕。原则是“看不出处理，但感觉更像拍的”。这一步别下重手，过了就会从 AI 感变成滤镜感。

一张可执行清单

生成前先问 4 个问题：这条内容像哪类真实影像？观众第一眼看哪里？每个镜头承担什么信息？最后要保留哪些不完美？

AI 工作流的重点，不是把机器调到最强，而是把人的判断放在前面。先定审美，再定镜头，再生成画面，最后补一点真实世界的粗糙感。这样做出来的内容，才不会像“AI 炫技”，而更像一条真的为观众拍出来的作品。