如何制作 AI 视频：分步指南

做 AI 视频的方法是：用一两句话描述你想要的镜头（或者上传一张图片），选好模型和时长，生成视频，再不断修改到满意为止。大多数 AI 视频生成器都是这个流程，区别在于它们替你承担了多少写提示词和调参数的工作。

本文以 EveryGen AI 为例讲完整流程，其中的提示词公式和技巧适用于任何生成器。

你需要准备什么

• 一个镜头的想法。 AI 视频模型生成的是短片段，所以要按镜头来想，而不是一整部片子。
• 一张图片（可选）。 照片、商品图或手绘都可以作为视频的第一帧。
• 一个有积分的账号。 在 EveryGen AI 中，一条 5 秒视频根据模型和分辨率需要 80 到 400 积分，价格页列出了所有费率。

第 1 步：选择文字生成还是图片生成

有两种起步方式，适合不同的任务。

• 文字生成视频：完全根据你的文字生成。适合有想法但没有图片，或者希望模型自己设计画面的时候。
• 图片生成视频：从你上传的图片开始。适合主体必须和现实中的某样东西一致的情况：你的商品、你的角色、你的照片。还可以再加一张图作为尾帧，控制动作在哪里结束。

你也可以上传参考图片、视频片段或音频，用来引导风格、动作或节奏，而不作为画面帧。

第 2 步：写提示词

好的视频提示词像导演一样描述一个镜头。按这个顺序写效果很好：

1. 主体：镜头里是谁或什么。"A red fox cub"
2. 动作：发生的一件明确的事。"sniffs a glowing mushroom and jumps back"
3. 场景：在哪里、什么时候。"in a misty forest at night"
4. 镜头：怎么拍。"low angle, slow push-in"
5. 光线和风格：画面质感。"soft moonlight, 3D animated film style"
6. 声音：如果模型能生成音频，写上听到什么。"crickets and a soft magical chime"

合在一起："A red fox cub sniffs a glowing mushroom and jumps back, in a misty forest at night, low angle, slow push-in, soft moonlight, 3D animated film style, crickets and a soft magical chime."

在 EveryGen AI 里你不必自己写完整的提示词。输入简短版本，比如「小狐狸发现一颗发光的蘑菇，皮克斯风格」，视频 Agent 会先把它扩写成完整的镜头描述再生成。提示词库里有更多示例和对应生成的视频。

第 3 步：选择模型和参数

模型决定了视频能多长、多清晰、多贵。EveryGen AI 提供两个模型：

简单来说：要 2K 清晰画面、成本更低选 MiniMax H3，要长镜头选 Seedance 2.5。然后按观看平台设置画面比例：YouTube 和网站用 16:9，TikTok、Reels 和 Shorts 用 9:16，信息流用 1:1。

第 4 步：生成并检查

发送提示词，等待渲染。在 EveryGen AI 里关掉页面渲染也会继续，生成好的视频会出现在对话和作品库里。

看结果时检查三件事：

• 主要动作发生了吗？ 如果没有，多半是提示词要求太多。
• 主体形状稳定吗？ 人脸、手和 Logo 最容易出问题。
• 镜头按你说的动了吗？ 「static」「slow pan」「handheld」这类镜头词通常是最容易调整的地方。

第 5 步：用大白话修改

不用重写整段提示词，直接说要改什么：「镜头慢一点」「同样的镜头换成日落」「改成 10 秒」。Agent 会保留镜头的其他部分，生成新版本并放在上一版旁边，方便你对比。

第 6 步：下载和剪辑

每条视频都能下载为带声音的 MP4。比单条更长的内容，比如广告、小故事或音乐视频，要在同一个对话里逐个镜头生成，再用剪辑软件拼起来。标题、Logo 和画面文字也在剪辑软件里加：视频里生成的文字经常拼错。

常见错误

• 一个镜头塞太多动作。 「她走进来、坐下、拆开信、哭了」是四个镜头，应该分开生成。
• 没写镜头运动。 不写的话模型会自己决定，可能不适合剪辑。
• 镜头之间描述不一致。 每条提示词都复制同样的角色和风格描述，系列内容才能保持一致。
• 指望生成清晰的文字。 文字请在后期添加。

常见问题

做一个 AI 视频需要多久？ 写提示词只要一分钟。渲染时间取决于模型、时长和服务商的繁忙程度；渲染时你可以离开页面。

AI 能做长视频吗？ 一次生成做不到。每条视频几秒到 30 秒，长视频要逐个镜头生成再剪辑到一起。

AI 视频有声音吗？ 在 EveryGen AI 里有：两个模型都会和画面一起生成环境音、音效或音乐。

提示词必须用英文写吗？ 对大多数模型来说英文提示词最稳定。在 EveryGen AI 里你可以用中文描述镜头，Agent 会替你写好模型提示词。

想试试？在 EveryGen AI 开始做视频，描述你的第一个镜头。