
一句话描述生成不好,通常是句子太长。把长需求拆成「一个动作一句、一句对应一段 10 秒」,每段单独生成再组合,画面清楚,返工也少。拆句比反复改提示词更有效。
内容描述框接受的是一段画面说明,不是一个项目的需求文档。一句话里塞进人物、场景、动作、情绪、镜头、文字六件事,模型只能挑一部分实现,剩下的被忽略,看起来就像「没按我说的做」。
另一个问题是时间。10 秒或 15 秒只够完成一个完整动作,句子里的第二个动作要么被压扁,要么在结尾突然跳变。与其抱怨模型,不如把句子拆到和时长匹配。
判断标准很简单:一句话读下来,你能说出「第几秒发生什么」,这句话就拆到位了。
还有一类长句是「氛围型」,比如「做一个高级、温暖、有生活感的品牌视频」。这类句子没有可执行的动作,拆到最后仍然落不了地,正确做法是先补一个具体场景和人物动作。长句还有一个问题:修饰词太多,模型会把「温暖」「高级」当成画面风格反复调整,最后主体反而被弱化。先删修饰词,再拆动作,通常一遍就能改顺。
拆完还要统一三件事:比例、时长和画面风格。同一批素材全部用 16:9 或全部用 9:16,不要中途换,否则拼接时会出现黑边或裁切。风格词也要每句重复写,比如「暖色室内光」每句都保留,否则四段素材像来自四个不同的店。拆的时候先写动作,再补环境,最后统一加比例和风格词,顺序别反。
举个完整的例子。原始需求是「做一个咖啡店宣传视频,女生进门、点单、坐下喝咖啡,最后镜头拉远看整个店」。拆成四句:女生推门进店,中景;站在吧台点单,半身;坐窗边举杯,特写;全景缓慢后拉。四段各生成一次,每段只承担一个信息。
生成时按顺序命名文件,01 到 04 一目了然。全部点「下载视频」保存后,到外部软件按编号排列,剪掉每段开头结尾多余的部分,加字幕和配乐,导出成片。
想省时间,可以把同一句描述点「复用参数」后只改动作词,保持光线和景别不变,四段素材的色调会更统一。如果某一段反复生成都不满意,先回到那一句,把它再拆细一点,而不是在参数上来回试。
拆句的终点不是四段,而是「每段都能独立看懂」。单独看第三段也知道在讲什么,拼起来就顺,这样的拆法才算成功。排序时把信息量最大的那段放第一,观众愿意留下来才看得到后面。每段之间不必刻意留黑场,直接硬切反而更紧凑;四段拼起来超过 40 秒,就考虑删掉一段,时长不是越长越好。
把你现在那条「怎么都生成不好」的描述贴到备忘录里,按一个动作一句拆成三到四行,每行控制在一句话之内。再打开 极客空间站 AI 视频页面 的「视频生成」逐段生成。拆句这一步做对,后面的拼接反而最简单。
大连极客十一维科技有限公司