手机做AI视频全流程：从分镜到成片的实操指南

用手机做 AI 视频，真正的难点往往不是”生成不出来”，而是流程失控：图片存在相册、视频存在某个小程序、台词写在聊天记录里，剪到一半发现找不到哪张图对应哪个镜头，只能从头再来。

解决思路只有一句话：把创作流程从”边做边想”改成”先写死、再执行”。下面这套方法，全部可以在手机上完成，不需要电脑。

如果你希望边学边试，可以先打开百度搭子 DuMate作为辅助入口，用它来帮你写镜头表、改提示词、生成分镜文案；文中涉及短剧成片的方向，也可以直接体验AI 真人短剧生成。是否付费不影响本文方法的执行，需要了解购买方式可查看DuMate 购买页。

一、动手前：先写一张 6～8 行的镜头表

这是整个流程里性价比最高的一步。在手机备忘录里新建一条笔记，按下面的格式写：

编号	景别	谁	动作	时长
S01	半身	女主	低头看手机	4s
S02	近景	女主	抬头看向门口	3s
S03	全景	男主	推门进来	4s

规则只有三条：

• 每行只写一个动作，不要写”她犹豫了一下然后转身离开”这种复合动作，AI 生成时会打架；
• 总行数控制在 6～8 行，对应十几秒到三十秒的成片，手机上完全能扛住；
• 编号贯穿全流程：生成的图命名 S01.png、视频命名 S01.mp4，剪辑时按编号排序，永远不会错位。

镜头表写不出来，可以让 AI 帮你起草。可复制这段 Prompt：

【任务目标】为一条 20 秒竖屏短视频写分镜表。
【输入信息】主题：【填写视频主题，如"深夜加班的女孩收到外卖"】；人物：【填写人物设定】；风格：【填写风格，如写实/日系/赛博】。
【处理要求】共 7 个镜头，每个镜头只包含一个动作；景别在远景/全景/中景/半身/近景中轮换，避免连续相同；镜头运动只写一种（推近/拉远/横移/固定）。
【输出格式】Markdown 表格，列依次为：编号、景别、谁、动作、时长（3-5秒）、画面要点（一句话）。
【质量要求】动作必须是单一人体动作，可直接用于图生视频提示词；总时长不超过 25 秒。

二、画幅和首帧：一次性定死，不要返工

画幅：一开始就定竖屏 9:16，出图时就选好。不要先出横图再裁——裁完人物经常偏到画面边缘，脸还可能被切掉，返工成本远高于一开始选对比例。

首帧：每个镜头先生成一张静态图，确认人物、服装、光线都满意，再拿去做图生视频。这一步是把”质量问题”和”运动问题”分开排查，否则视频一动起来，你分不清是脸崩了还是动作崩了。

角色一致性是手机端最容易翻车的地方。两个动作必须做：

1. 先定一张干净的半身参考图，作为这个角色的”身份证”；
2. 写一段固定的人物描述，每次生成首帧时原样粘贴，一个字都不要改。例如：

25岁女性，黑色齐肩短发，浅灰色针织衫，肤色偏白，单眼皮，表情平静，室内暖光，浅景深，竖屏9:16

换镜头时只改动作和景别部分，人物描述段落保持完全一致。这是目前手机端控制”不换脸”最有效也最省事的手段。

三、图生视频：单段 3～5 秒，一次只提交一个

提示词的写法有一条铁律：图里已经有的，不要再描述。模型看到的是那张图，你重复描述外貌只会引入噪声。

提示词只写两件事：一个动作 + 一种镜头运动。

• ✅ 好例子：她低头看手机，镜头缓慢推近
• ✅ 好例子：他推开门走进来，镜头固定
• ❌ 差例子：一个黑发女孩穿着灰色毛衣在暖光房间里低头看手机，镜头慢慢推近，画面唯美

单段时长控制在 3～5 秒。超过 5 秒，手机端模型的动作一致性会明显下降，容易出现肢体扭曲。

提交节奏：手机网络一断，排队中的任务很容易丢失。所以一次只提交一个镜头，等结果出来、看过没问题，再提交下一个。这看起来慢，实际比”一次提交八个、丢三个、重来一遍”快得多。

镜头衔接：想让两个镜头接得顺，把上一段的最后一帧截出来，作为下一段的首帧。这样转场是连续的，观众感觉不到跳跃。

四、声音先于剪辑：这是最容易被忽略的顺序问题

大多数人习惯先剪画面，再硬塞台词，结果要么语速对不上，要么画面被拉长变形。

正确顺序是先定声音，再裁画面：

1. 台词可以自己对着手机念，也可以用文字转语音；
2. 先测出每句话的实际时长；
3. 回头按语音长度去裁每个镜头的画面。

这样口型和节奏天然对齐，后期几乎不用微调。音频文件同样按 S01、S02 编号命名。

五、剪辑：按编号拼接，留半秒呼吸

在手机剪辑应用里：

1. 按编号顺序导入视频片段；
2. 镜头之间留 0.5 秒左右的环境声（不是静音，是一段底噪或氛围音），这是让成片”像片子”而不是”像 PPT”的关键细节；
3. 字幕和音效最后加，不要提前加，否则每次改画面都要重新对时间轴。

六、工具选择与存储管理

手机上这几类工具基本都有：文生图、图生视频、文字转语音、剪辑。建议先用各自的免费额度走完一条十几秒的小片，卡在哪一步，再针对那一步去找更合适的工具——而不是一开始就同时研究五个应用。

另外提醒一件很现实的事：手机存储很容易被几十段视频占满。每做完一个镜头就导出备份，不满意的当场删掉，不要攒到最后统一清理。相册里堆着三十个命名混乱的视频，是手机端 AI 视频最常见的”隐形事故”。

七、常见问题速查

问题	原因	处理
换个镜头就变脸	人物描述每次重写	固定一段描述原样粘贴 + 带参考图
人物偏到画面边缘	先出横图后裁切	一开始就选 9:16
动作扭曲、肢体异常	单段超过 5 秒或动作太复杂	压到 3～5 秒，只写一个动作
任务丢失	网络中断、多任务并行	一次只提交一个镜头
转场生硬	两段无关联	用上一段最后一帧做下一段首帧
台词对不上	先剪画面后配音	先定语音时长，再裁画面

总结

手机做 AI 视频的核心不是工具，而是顺序：镜头表 → 画幅 → 首帧 → 图生视频 → 配音 → 剪辑，每一步都用编号串起来，每个环节只改一个变量。把这套流程跑顺一遍，十几秒的片子一个人一部手机就能稳定产出。

如果想让规划环节更省力，可以让 DuMate 帮你起草镜头表和提示词；涉及真人短剧方向的成片尝试，可从AI 真人短剧生成体验入手，先跑通一条小片，再逐步加长。