来源与改编说明：本文根据 Eian 的《Claude Code/Codex+Seedance AI视频：从一个想法到成片的全流程》整理、重写。原始文本由读者于 2026-11-08 提供，未附公开链接。本文保留其“分层验收、预算门禁、独立审核”的方法论，并补充为可执行的工程化流程；其中涉及模型版本、API 字段、价格与能力边界的信息均会变化，请以服务商官方文档和实际账单为准。
AI 视频的难点从来不只是“会不会写一句提示词”。一支片子从想法到成片，至少会遇到四类风险：故事不成立、镜头语言不清楚、画面在镜头间失去一致性，以及视频模型在昂贵的生成阶段随机出错。
我更推荐把它看成一条生产线，而不是一次次“抽卡”。核心原则只有一句：
能在文字阶段发现的问题，不要留到画面阶段；能在静帧发现的问题，不要留到视频阶段。
这样做的目的不是消灭模型随机性，而是把随机性隔离到很小、很便宜、可替换的镜头里。
先搭好生产线：谁负责什么
一套实用的分工通常由四种能力组成：负责思考与编排的导演 Agent、负责静帧的图像模型、负责将静帧变成运动片段的视频模型，以及 ffmpeg、Python 等本地后期工具。
| 角色 | 主要职责 | 不该替代的职责 |
|---|---|---|
| 制片人（你） | 选择题材和审美、确认预算、批准付费提交、判断动态与声音 | 不必手工组织所有文件和提示词 |
| 导演 Agent | 剧本、分镜、提示词、文件组织、质检、后期脚本 | 不应擅自消费额度或假装看过动态/听过声音 |
| 图像模型 | 风格探索、角色设定、首尾帧、局部修图 | 不应直接替代逐镜头的视频生成 |
| 视频模型 | 在给定首尾帧和约束下生成短片段 | 不应承担故事、构图和角色设定决策 |
Claude Code、Codex 等都可以承担“导演 Agent”的位置；差异不在名字，而在于它能否调用图像/视频工具、读写项目文件、执行本地质检脚本。视频服务也不应被写死为某一家：只要它支持图生视频或首尾帧约束，就能放在最后一环。
项目目录建议从一开始就固定下来：
video-project/
├── 00-brief/ # 创意、预算、交付规格、用户偏好
├── 01-story/ # 剧本、审核意见、定稿
├── 02-storyboard/ # 分镜表、色彩脚本、构图草图
├── 03-design/ # 角色/道具/场景设定图
├── 04-frames/ # 每个镜头的首帧、尾帧、检查图
├── 05-prompts/ # 视频提示词与审核记录
├── 06-clips/ # 原始生成片段；永不覆盖旧版本
├── 07-edit/ # 剪辑工程、中间文件、调色脚本
└── 08-delivery/ # 成片、复核报告、复盘笔记
密钥只从环境变量读取，不写入提示词、脚本输出或提交记录。每一次付费视频生成都应该有一份记录：镜头号、输入帧版本、模型、时长、预估成本、实际成本、审核结论和产物路径。
开工前先写“制作契约”
第一轮对话不要让 Agent 立刻画图。先让它问清楚并写入 brief：成片时长、画幅、分辨率、总预算与单镜头上限、是否配乐或字幕、参考片、禁用元素、何时必须停下来让人确认。
一个精简的导演启动提示词可以这样写：
你是本项目的导演 Agent，负责把创意推进到可交付视频。
先询问并记录：片长、画幅、预算、配乐/字幕要求、参考片与禁用项。
检查本地后期工具与图像/视频服务是否可用；密钥只能从环境变量读取，绝不输出。
规则：
1. 故事未经确认，不生成图像；画风未经确认，不生成正式镜头。
2. 每次付费视频生成前，给出镜头、时长、预估成本、输入帧版本和审核结论，等待批准。
3. 每次生成保存为新版本；不覆盖、不删除旧素材。
4. 无法可靠判断动态节奏和声音时，明确说明并请求人工观看/试听。
5. 额度不足或接口异常时停止付费请求，先用已有片段输出粗剪预览。
它把“模型会做什么”变成可审计的交付契约。预算不是最后结算时才看的数字，而是每一次不可逆调用前的门禁。
第一关：把故事改成模型拍得出来的故事
故事阶段的产物不是散文，而是一份逐镜头叙事。每个转折都要回答：为什么会发生？道具从哪里来？角色是否够得着？现实中的人会这样反应吗？
再补三个“AI 视频友好”的约束：
- 一支片子只讲一句话。 如果不能用一句话说清主题，后续镜头很容易变成画面拼贴。
- 把抓人的信息前置。 前几秒先给反差、悬念或独特动作，而非背景介绍。
- 优先片段式叙事。 每个镜头可以独立成立、靠声音或转场连接时，角色和场景连续性更容易控制；强连续剧情只在确有必要时使用。
多人交叉、手里摆弄小物件、镜中倒影、屏幕文字、左右不对称的标记、镜内多次换光、连续三四个动作、配角过多，都会显著增加失败概率。不是绝对不能拍，而是应在剧本上预先拆镜、减少变量。
故事定稿前，交给一个没有参与创作的审稿 Agent。它只读定稿，不读之前的解释和结论；这样它更接近首次观看的观众。
你是独立剧本审核，不改文件。
先按镜头顺序复述你看懂的故事，再检查：
- 每个转折的因果、道具来源和人物行动是否成立；
- 主题能否用一句话说清；
- 开头是否在几秒内给出看点；
- 人物反应是否有先后，而非同时机械动作；
- 哪些镜头对视频模型风险高，以及可怎样拆镜或改写。
每条输出：镜头号、问题、建议、把握程度。最后只给“通过”或“不通过”。
第二关：分镜不是“描述画面”，而是设计运动
分镜表是整条生产线的总控文件。每一行至少包含：成片中的起止时间、生成时长、景别、机位、构图、动作、运动来源和到下一镜的衔接方式。
| 字段 | 需要写到什么程度 |
|---|---|
| 时间 | 成片中的起止时间；配乐时对应小节或重拍 |
| 时长 | 生成时长略长于成片需求，为剪辑留余量 |
| 景别与机位 | 全景/中景/特写，平视/俯拍/仰拍/过肩等 |
| 构图 | 人物和关键道具在画面左右位置，视觉重心 |
| 动作 | 谁朝哪个画面方向移动，动作先后顺序 |
| 运动来源 | 摄影机、人物、焦点、光线或前景中究竟什么在动 |
| 衔接方式 | 动作匹配、遮挡、声音或硬切 |
“画面要动”不等于镜头要一直摇。每次运动都应该有信息目的：跟随一个人或物、推近某个情绪、从近处拉远揭示环境。若人物需要静止，可让前景、光影、路人或环境元素承担微运动；反过来，在强调停顿时也要敢于让镜头静下来。
构图与配色应在生成前固定。为每个场景写色彩脚本，记录主色、强调色、人物与背景的明度关系。把构图草图转成黑白后，如果人物融进背景，说明它在小屏观看时也会失去重心。
第三关：先做设定图，再做每镜头的首尾帧
角色、道具、场景先有设定图，才谈正式镜头。固定服装、纹身、首饰、帽子、伤痕和道具位置都要明确；否则模型会在镜头之间把它们挪到另一侧或直接忘掉。
然后为每个镜头制作首帧与尾帧。视频模型不必猜镜头从哪里开始、结束在哪里，而是在两个明确视觉状态间完成有限运动。
首尾帧的工作顺序可以是：
- 先写清首帧、尾帧和中间动作分别是什么；
- 由独立审核通过后再生图；
- 优先绘制信息最丰富的一帧，再从它局部修改出另一帧；
- 推近镜头不能让首尾帧构图完全相同，可从首帧裁切放大得到尾帧；
- 提交前统一裁为同一画幅与分辨率。
把下面这份清单作为静帧门禁：
- 后续动作要用到的道具，首帧是否已经可见；
- 反应角色是否在同一镜头里预先就位；
- 多人姿态是否足够不同，避免同步动作；
- 物体落点、人物头顶和运动方向是否留足空间；
- 风向、光向、左右位置是否一致；
- 缩小到手机尺寸后，主体是否仍读得清；
- 放大后是否有多余肢体、重复道具或异常细线；
- 首尾帧叠加后，不该变化的墙面、家具和道具是否对齐。
第四关：用“逐秒契约”写视频提示词
视频提示词的职责不是再描述一遍故事，而是把镜头的不变量、动作顺序与终止状态写成可检查的契约。
【风格】媒介、线条、材质与色彩；全程匹配首尾帧。
【镜头】时长、景别、机位、运动方式；固定机位明确不推不拉不切镜。
【构图】人物、道具、背景和光线的位置；与首帧逐项一致。
【角色】仅列画面中已有的人物、服装和固定道具。
【时间轴】
0–0.2 秒：与首帧完全一致，先保持稳定。
中段：按顺序写一到两个主要动作；写清画面左/右、手的位置和动作原因。
最后 0.3 秒：动作收束，画面稳定并匹配尾帧。
【声音】只允许画面中有明确原因的声音；人物是否说话要写清。
【约束】一镜到底；不新增人物和道具；不出现文字、水印和字幕；人物外形保持一致。
这里有两个写法原则比负面提示词更可靠：用正面边界替代否定句，例如写“画面全程只有首帧里的两个人和一把伞”；一镜只承载一到两个主要动作，动作过多时先拆镜。
| 高频故障 | 前置处理 |
|---|---|
| 多人同步动作 | 写出明确顺序；首帧不要摆成镜像姿势 |
| 人物走错方向 | 用“朝画面左侧的门走”，不要只写抽象方位 |
| 物体突然出现/消失 | 只使用首帧已出现的物体；首尾帧同时保留关键物品 |
| 道具被误解用途 | 说明动作原因与手的接触关系；必要时移出动作镜头 |
| 后段色温漂移 | 每段独立以该段首帧做调色锚点 |
| 结尾突跳 | 后期剪掉问题帧，或冻结最后一张正常画面 |
第五关：付费生成前的独立审核
昂贵操作之前，另开一个只读审核 Agent。它不改文件，不帮忙“脑补”，只检查图像、分镜、设定和提示词是不是同一件事。
你是只读审核。这个镜头通过后将产生付费视频生成。
材料：分镜、首帧、尾帧、角色设定、色彩规则、视频提示词。
逐项核对：
1. 提示词中的位置、左右、颜色、人数、道具、服装、表情是否和两张图一致？
2. 首尾帧的机位、构图、背景与不变量是否一致？
3. 动作是否符合现实，是否写清原因、先后与手的位置？
4. 是否存在同步动作、歧义词、物体凭空出现或角色漂移的风险？
5. 预估成本与项目剩余预算是否匹配？
最后只输出“通过”或“不通过”；不通过时逐条列出必须修复项。
审核通过后，导演 Agent 才能输出调用参数与报价，等待人工批准。API 调用实现可以由 Agent 编写，但要遵守三条底线：密钥不打印、不自动充值、不把失败后重试变成无限循环。
生成策略则遵循“先验证最难镜头，再铺开”的顺序：先用较低成本规格测试最具挑战的一个或两个镜头；方案可行后再批量生成。发现问题先评估能否剪掉、冻结、重调色或用本地代码修复。必须重拍时，先改提示词或输入帧——原样重试通常只是再买一次同样的随机性。
后期与交付：把模型片段变成同一支片子
生成服务输出的是片段，不是成片。后期建议用可复现脚本完成，让每次剪辑、调色和导出都有版本记录。
- 拼接与转场：先做干净硬切；只有转场确实能遮蔽构图差异或服务叙事时才加。抽查每个切点前后几帧。
- 调色：按场景做明度与饱和度校正，保护肤色和强调色；不要用滤镜掩盖一致性问题。
- 色彩空间：明确输入的解码假设与交付规格；中间文件使用适合反复编码的高质量格式。
- 放大：低分辨率素材先用高质量缩放算法升到交付分辨率，再做克制的锐化；不要为全片无差别插帧。
- 节拍：若要卡音乐，节拍应从未剪辑的原曲测量。
全片复核仍应交给没参与制作过程的 Agent 或真人。它拿到的只有成片，不知道创作意图，也不知道你为了某处妥协过什么。要求它先说“看懂了什么”，再找问题；如果它无法复述你原本想讲的故事，优先修叙事，而不是先调滤镜。
复核应覆盖：每个镜头多个全分辨率帧、切点前后、道具数量、角色外形、动作、颜色、文字、突跳、重复动作与脸部变形；并明确标注哪些问题无法靠静帧检查，例如动态手感、音乐情绪和音画同步。
四个并行角色，让长流程不失控
制作周期稍长时，单个 Agent 容易遗忘前面的偏好或为了推进任务绕过检查。可以把导演能力拆成四个可相互制衡的角色：
| 角色 | 权限与任务 |
|---|---|
| 主做 | 推进全部制作，维护文件、版本与任务状态 |
| 审核 | 只挑错，不修改产物；付费调用必须给出“通过” |
| 监督 | 从对话和 brief 提取不可违背的用户要求，逐步核对 |
| 代理 | 在预先授权的预算和偏好范围内解决分歧；超出范围必须停下 |
所有决定、审核结果和花费都应记到同一份日志里。这样制作人回来后能知道为什么选了某个版本，也能随时推翻此前的判断，而不会丢失过程证据。
结语：把“抽卡”缩小为一个可控变量
一支好 AI 视频仍然需要创意、审美和反复取舍，但不必把每一次失败都归咎于模型。把叙事、构图、静帧一致性、提示词与预算审核放到视频生成之前，你购买的就不再是一堆不可解释的随机片段，而是一次有明确输入、边界和验收标准的镜头执行。
多模型协作真正有用的地方，不是让更多模型同时生成，而是让不同模型在最适合、最便宜、最容易验证的环节各自负责。