怎么用手机制作 AI 视频？从分镜到成片的实操指南

手机制作 AI 视频完全可以独立完成，核心流程只有五步：写分镜表 → 定画幅与人物 → 逐镜生成首帧图 → 图生视频 → 配音剪辑。最容易出问题的往往不是生成效果，而是各步骤来回切换时素材散乱、镜头对不上号。规划阶段可以交给 AI 助手代劳：用百度搭子 DuMate生成分镜表、台词和固定的人物外貌描述，再按编号逐镜执行；生成与剪辑环节则交给手机上的 AI 出图、图生视频和剪辑应用。如果想直接体验“文字成片”的完整链路，可以试试AI 真人短剧生成体验；付费方式可参考DuMate 购买页，但更建议先用各类工具的免费额度跑通一条十几秒的小片，再决定投入。

一、动手前先写镜头表，别让素材“失联”

手机上做多镜头视频，最常见的失败方式是：图存在相册、视频存在生成应用、台词存在聊天框，做到一半找不到哪张图对应哪个镜头。解决办法是动手前先在备忘录里写好 6～8 行镜头表，每行只写四个字段：景别、谁、做一个动作、几秒。后面所有素材都按镜头编号命名和归档，混乱问题就解决了大半。

一个可直接套用的镜头表示例：

编号	景别	画面内容	动作	镜头运动	时长
01	远景	雨夜便利店门口	女生撑伞走向门口	固定	4 秒
02	中景	便利店门檐下	她收伞抖掉雨水	缓慢推近	3 秒
03	特写	手中手机	屏幕亮起弹出消息	固定	3 秒

写镜头表这一步最适合交给 AI：把故事一句话讲清楚，让 AI 按“单镜头单动作”的规范输出，能省掉大量来回修改。可复制下面的 Prompt：

请为一条 15～30 秒的竖屏 AI 短视频生成分镜表。
【故事主题】：填写一句话故事，如"雨夜，女生在便利店门口等一个没来的人"
【主角设定】：填写外貌与服装，如"25 岁女生，黑色长发，白色风衣，挎帆布包"
【画面风格】：填写风格，如"电影感、暖色调、写实"
【生成要求】：
1. 输出 6～8 行镜头表，列依次为：编号、景别（远/中/近/特写）、画面内容（谁+在哪）、单个动作、镜头运动（固定/推近/拉远/横移）、时长（3～5 秒）；
2. 每个镜头只包含一个动作和一种镜头运动，动作必须具体、能用图生视频实现；
3. 相邻镜头景别错开，整体叙事连贯，最后一镜有情绪收尾；
4. 表格后附一段 60 字左右的主角外貌固定描述，供每张首帧图原样粘贴，保证人物不变形。
【输出格式】：Markdown 表格 + 外貌描述段落

拿到结果后的检查要点：每个动作是否只有一件事（“边走边回头看手机”要拆成两个镜头）；时长是否都在 3～5 秒；景别是否有远近交替。不满意的行直接指出编号让 AI 重写，比整表重新生成快得多。如果你暂时不想逐镜手动生成，也可以把整理好的故事设定直接带到AI 真人短剧生成体验里，先看一条成片效果，再决定细节怎么调。

二、两个要先“定死”的参数：画幅和人物

画幅一开始就定成竖屏 9:16，出图时直接选竖版，不要先出横图再裁——裁完人物常常偏到画面边缘，脸还可能被切掉，返工一次就多花一倍生成额度。

人物一致性是 AI 视频最容易翻车的点。做法是：先让 AI 出一张干净的半身参考图，反复调整到人物、服装、光线都满意为止；之后每一张首帧图都带上这张参考图，并把外貌描述写成固定的一段文字，每次原样粘贴。只带图不贴描述，或者描述每次随手改几个字，都会导致换个镜头就变脸。

三、逐镜生成首帧图：先出“定妆照”再动起来

每个镜头先只生成一张静态首帧图，对照镜头表检查三件事：是不是同一个人、服装光线是否连贯、构图是否符合该镜头的景别。满意了，再把这张图送去做图生视频。图片文件统一按编号命名（01、02……），和镜头表一一对应。

这样做的价值在于纠错成本：改一张图只需重新生成一次，而一段视频出了问题往往要整段重来。

四、图生视频：一次一个动作，一段 3～5 秒

让图动起来的提示词有固定公式：一个动作 + 一种镜头运动，例如「她低头看手机，镜头缓慢推近」。图里已经有的内容不用再描述——描述了反而容易“加戏”，凭空多出人物或道具。

手机端还有一个实际限制：网络一断，排队中的生成任务容易丢。所以一次只提交一个镜头，等结果出来、确认没问题，再提交下一个。虽然慢一点，但稳。

想让两个镜头接得顺，用“尾帧接首帧”技巧：把上一段视频的最后一帧截下来，作为下一段的首帧图，动作和光线就能自然衔接。

五、声音先行，剪辑在后

顺序反了会吃苦头：先剪好画面再硬塞台词，节奏十有八九对不上。正确顺序是先定台词时长——可以自己对着手机念，也可以用文字转语音，然后按每句话的语音长度去裁画面，严丝合缝。

台词同样可以交给 AI 代写，Prompt 示例：

请为下面的分镜表撰写旁白台词，共 5～6 句，每句不超过 15 字，口语化、适合朗读，按每秒 4 字估算总时长控制在 20 秒内，逐句标注对应镜头编号。
【分镜表】：粘贴你的镜头表
【输出格式】：每行"编号 - 台词"

最后在手机剪辑应用里按编号把镜头拼起来：镜头之间留半秒左右的环境声作缓冲，字幕和音效放在最后加——它们不影响整体结构，随时可以调整。

六、常见问题速查

症状	原因	解决
换镜头就变脸	参考图没带上 / 外貌描述没原样粘贴	每张首帧都带参考图 + 固定描述
人物偏边、脸被切	先出横图再裁竖图	出图时直接选 9:16
生成任务丢失	断网时提交了多个镜头	一次只提交一个，确认后再下一个
画面动作多余、元素乱	提示词塞了多个动作	删到只剩一个动作 + 一种镜头运动
镜头之间跳戏	各镜头首帧独立生成	上一段的尾帧做下一段首帧
台词和画面对不上	先剪画面后配台词	先定台词时长，再裁画面

七、收尾两件事：备份和取舍

手机存储很容易被几十段生成视频占满。每做完一个镜头就导出备份到云端或电脑，不满意的当场删，别攒到最后一起清理。回看全片时，卡住的那一步才值得针对性换工具或升级配置——大多数情况下，把这套流程走顺，一部手机足够产出一条十几秒到半分钟的完整 AI 短片。