普通人，也能做出好莱坞级别的大片吗？
如果我告诉你，低成本、不用进剧组，一个人在家，就能做出《魔戒》风格的玄幻大片——你信吗？
这篇文章，我会把这套完整的工具流一步步拆开给你看。
学完它，你不只是看个热闹，而是真正掌握方法，做出属于你自己的高级视效大片。
从一个想法到一条完整的片子，中间要经过哪些步骤？
正好最近，我在做一部类似《魔戒》风格的 AI短片。
今天就拿这个案例，把从 0 到 1 的制作流程拆开讲清楚。
从剧本怎么写、人物怎么定、场景怎么做，到分镜怎么拆、视频怎么生成，
最后怎么剪成一条完整的片子，我会结合实际制作过程，一步步展开。
文章里也会放出我实际使用的提示词、人物三视图模板，以及视频生成时的思路和处理细节。
希望你看完后，既能看懂整套流程，也能动手开始做自己的第一条 AI 短片。
一、工作流总览
很多新手第一次做 AI视频，最容易犯的错误，就是还没想清楚要拍什么，就急着打开工具生成视频。
今天刷到一个新模型，赶紧试试；
明天看到一个新平台，又换过去试试。
最后，工具试了一圈，积分花了不少，手里攒了一堆零散的镜头，却始终拼不出一条完整的片子。
问题往往就出在这里：每个工具都试了，却没有把制作流程串起来。
其实，AI 视频的制作逻辑并不复杂。
先把步骤理清楚，知道每一步要解决什么问题，后面就会顺畅很多。
你可以先记住下面这条流程：
想法 → 剧本 → 风格测试 → 人物 / 场景 / 道具资产 → 视频生成 → 剪辑成片
后面不管你做的是古装、玄幻、都市、广告还是文旅片，底层思路其实都差不多。
题材会变，模型会变，但这套流程基本不会变。
二、市面上AI软件这么多，我该怎么选？
先说结论。
如果你只是想完整做出第一条 AI 视频，其实不需要一口气学十几个软件。
这篇里主要会用到三个：
•DeepSeek/ChatGPT：负责剧本、剧情拆解和提示词优化。
•LibTV：负责人物、场景、分镜和视频生成。
•剪映：负责最后的剪辑、字幕和音乐。
基本就够了。
聚合平台：LibTV
我自己主要用 LibTV 来跑整套生成流程。
它比较方便的一点是，人物、场景、图片和视频都可以放在同一个画布里处理，不需要在不同网站之间来回切。
双击画布，就可以创建图片或视频节点。模型选择栏里，也可以直接切换不同的图片、视频模型。
对新手来说，这种节点式画布有一个好处：
你可以非常直观地看到，一条视频到底是怎么一步一步做出来的。
素材如果在其他平台做的，直接上传到 LibTV 就行。
三、剧本：先把这一集发生的事讲清楚
剧本没想清楚，后面的人物、场景、分镜，都可能跟着返工。
但在 AI 时代，你不需要一上来就写出一个完整的故事。
哪怕只有一个模糊的想法，也可以先丢给AI，让它帮你搭出剧本骨架，再一步步把故事打磨清楚。
这次，我分别用 DeepSeek V4 Pro 和 GPT-6 Astra 的高模式测试了剧本创作。
就这次实测而言，我更偏向 GPT-6 Astra。
它在剧情逻辑、世界观搭建，以及人物的欲望和动机上，处理得更到位，写出来的故事走向也更接近我的预期。
当然，DeepSeek V4 Pro 的表现也很能打。
以我的使用感受来看，它的剧本能力和 GPT-5.6 的中模式基本打平，用来梳理想法、搭建故事框架，完全够用。
大家可以根据自己的需求选择模型。
关键是借助 AI，把“我大概想讲什么”，逐步推敲成“这个故事到底该怎么讲”。
不过，AI 秒出剧本，不代表这个剧本能直接拍。
有了初稿，还要继续删改。
拿到第一版以后，我会自己再过一遍，核心只看三点：剧情逻辑顺不顺、画面能不能生成、台词像不像人话。
比如这次，故事设定在中古欧洲风格的奇幻世界，桥上出现车辆就显得有些违和。
所以，我删掉了车辆，把伤兵撤退改成由卫兵搀扶着离开。
原本从车底滚出来的爆炸铁球，也相应改成由独眼恶魔投出，让动作衔接更顺，也更符合世界观。
有什么问题和需要调整的，只需要用大白话和AI沟通就好。
在我看来，AI时代，学会发现问题和向AI抛出问题是很重要的能力。
四、风格测试：先把片子的美术调子定下来
剧本定稿之后，先别急着去定人物、做场景。我习惯先做一轮「风格测试」——找对标、找参考图，把整部片子的美术方向先试出来。
风格不是凭空想出来的。我会先去找对标——电影、剧集、摄影里喜欢的画面，都是现成的参考。把参考图丢给 AI，让它反推成提示词，方向就慢慢清晰了。
这次前期做了不少参考图反推，方向逐渐集中到了暗黑史诗奇幻、哥特宗教美学和写实 CG 质感、神圣核。
我的做法是，先把剧本放进 ChatGPT，让它根据剧情生成一批概念图。
这一步先把世界的大致样子找出来：云海上的王城是什么气势，天使与恶魔交战的东桥是什么结构，圣殿内部又是什么氛围。
概念图出来以后，再从里面挑选构图、空间和氛围比较合适的画面，继续细化成正式的场景图。
不过，我在实际使用中发现，ChatGPT 生成的图有时候涂抹感比较强。
远看氛围不错，仔细看，建筑结构、石材纹理和装饰细节还不够清楚。
这时候，我会把选中的概念图再交给 AI，
让它反推提示词，把画面的构图、光线、色调、材质和建筑特征描述出来，
再放进 MidJourney 生成一轮场景图和空镜图。
我一开始的场景就是这样做的。先用 ChatGPT 找到想要的感觉，再用 MidJourney 继续细化。
从这次的出图效果来看，涂抹感减轻了不少，原本想要的画面氛围也保留得比较好。
我就是用这样的方法生成了这次视频的场景资产。
●●●
暗黑史诗奇幻场景，被远古森林吞没的哥特式大教堂内部，超宽横屏，电影级写实游戏cg环境概念图。 低机位广角，从破败中殿望向远处圣坛，纵深强烈，视觉消失点位于画面偏右。左侧前景是一尊巨大的风化石雕天使，低头垂首，羽翼残损，长袍褶皱精细，表面爬满苔藓与藤蔓。右侧前景横卧断裂的石柱，碎石、蕨类和少量白色野花散落其间。中央湿润的石板路与层层残破台阶通向远处高耸的石制祭坛。 数棵巨大而扭曲的古树从教堂内部生长，粗壮黑色树干沿两侧盘绕，根系撕裂地面、缠住石柱，巨大的枝干横跨上方，形成天然拱框。高耸的哥特尖拱、细长立柱、残缺墙体与树木融为一体。屋顶大面积坍塌，顶部垂落藤蔓与枯枝。远处高墙保留一扇巨大的圆形玫瑰花窗，精密放射状石质窗棂，下方排列狭长尖拱窗，冷白天光穿过窗洞与破损穹顶。 前景深暗，远景明亮，柔和体积光穿过薄雾，空气透视分明，阴影保留丰富细节。整体以炭黑、冷灰、灰绿色、暗橄榄绿为主，低饱和，克制的银白色高光。潮湿石板和浅水呈现微弱反射，真实的粗糙树皮、侵蚀石材、苔藓绒感、泥土与落叶，材质细节丰富，光照自然。 庄严、寂静、荒凉、神秘，文明消逝后被自然重新占据的失落圣殿，宏大尺度，环境叙事，电影级构图，物理真实渲染，细腻全局光照，厚重空间感，画面清晰但不过度锐化。
风格测试跑下来，如果哪张概念图里的角色形象特别对味。
可以直接把它转成人物三视图，省得后面从零开始定人物。
这样美术调子和角色形象就连起来了。
五、资产设计：整个流程最花时间的一步
剧本和风格都定下来以后，下一步不是生视频，而是先做资产。
所谓资产，就是片子里反复出现的东西。主要有三类——人物、场景、道具。
因为 AI 记不住上一镜：角色穿什么，房间什么样，桌子在哪边。前面不固定，后面每一镜都可能重新随机生成。所以连续剧情想稳，就必须把反复出现的资产固定下来。
人物资产
风格定下来以后，下一步就是固定人物三视图。
因为人物最容易出的问题就是变脸——不同批次生成的视频，人物样子变了，怎么办？、
不管拍什么类型的短片，生成之前，先给主要角色建一张标准参考图。
这里有四个要点。
要点 1：尽量不要背景。
错误示范
正确示范
第一次做人物设定，背景越简单越好：纯色背景、主体完整、光线干净。背景越复杂，模型要处理的干扰信息就越多。
要点 2：人物比例要好看。
尤其是现偶、古装、武侠这类真人题材，我会明确要求：
头小身长、接近二八比例、完整全身。不然很容易头大、腿短，像游戏 Q 版角色。
错误示范
正确示范
要点 3：人物尽量不要拿道具。
图片的权重大于文字的权重。
定妆照里让角色手里拿着道具，哪怕生成视频时你在文字里写”不要拿任何东西”，画面里还是大概率攥着道具。
所以先把”人”定下来，再单独做道具。
错误示范
正确示范
要点 4：人物图一定要改成三视图。
这是整个流程里最容易忽略的，但我现在一定会做的一步。
很多人生成一张好看的角色半身照，就直接拿去做视频了。
问题是：一张正面照，AI 根本不知道这个人背后长什么样。
你让他转身，衣服结构就变了；让他侧脸，发型也换了。
采用三视图这个结构，
我用下来非常方便：左边负责锁脸，右边锁身体、服装和背面结构。
后面无论做近景、侧面还是背影，都可以直接拿这一张当参考。
提示词总结：
这套角色提示词我磨了一周，实测效果如下。
创作总结不易，跪求观众老爷们一键三连支持一下~
人物提示词（9：16）
●●●
高级感，氛围感，朦胧感清晰流畅细腻自然，oc渲染，cg渲染，真人质感 3D偏真人画风， 真人三庭五眼比例 人物渲染，神似bjd，肌理感，毛孔细腻 皮肤质感纹理 写实逼真，发丝精细且根根分明，细节五官细节发丝，发丝发光面部发光，虚拟引擎背景渲染轮廓光，暖色硬光/冷色硬光（选一个） 勾勒轮廓。面部柔光 均匀打亮。黑柔镜头 纯黑色背景 棚拍定妆照，正面镜头，半身照 。＋你的提示词（只需要简单的描述就好 例如 身份＋风格/性格）
三视图（16：9/21：9）
●●●
生成全身三视图以及一张面部特写。(最左边占满 1/3 的位置是超大的面部特写，右边 2/3 放正视图、侧视图、后视图，二八身材比例)，纯色背景
道具资产：把会参与动作的道具单独做出来
人物确定以后，还有一批东西需要单独准备。
这次就有圣剑、剑鞘和传音石的资产制作。
传音石看起来只是一个小配饰，但开场林晚要按住它汇报巡逻，陆恩的求救也通过它传来。
镜头会专门拍到，它就需要一个明确的样子。
已有设定采用银色哥特镶座和冰蓝发光晶石，并配了近景与不同角度。
提示词可以这样写。
●●●
奇幻短片道具设定图，一枚可佩戴在领口的传音石，银色哥特镶座包裹冰蓝色发光晶石，金属边缘有细微磨损。纯色背景，左侧展示清晰特写，右侧排列正面、侧面与背面，保持同一形状、材质和镶嵌结构，背面展示佩戴连接部位。无人物、无手部、无文字、无水印。
做分镜之前，把这些道具从剧本里找出来，标清第一次出现的位置。
后面的动作就有东西可以承接。
六、视频生成
人物、场景、道具都齐了，终于可以开始生成视频。
把资产上传到LibTV ：
链接对应资产，选择sd2.5模型，全能参考，选择对应比例和秒数。
提示词的一个简单模板
例如：
●●●
CG电影质感 3D渲染 史诗奇幻电影质感，横屏16:9。
开场人物A站在画面左侧，身体朝右，人物B站在画面右侧，面向人物A，两人中间隔着木桌。
镜头1：2s 中景固定机位，人物A抬头看向人物B，说：“你终于来了。”
镜头2：4s 切人物B近景，人物B没有回答，只缓慢握紧右手。
镜头3：3s 人物A表情逐渐严肃，镜头缓慢向前推进。只生成对白、衣料摩擦声和室内环境音，不生成背景音乐。
禁止字幕、文字、水印、音乐
但在实际生成视频的时候，几乎所有人一定会遇到一个麻烦——不同批次的视频，人物站位很容易发生变化。
上一条里还是男主站左边、女主站右边，到了下一条，AI 可能直接把两人的位置对调。
不同批次之间，AI 不会自动记住你上一条视频里的空间关系。
所以我现在每开启一个新的视频批次，都会重新把这两件事描述一遍：
人物和人物的位置关系，以及人物和场景的位置关系。
所以每开启一个新的视频批次，都要重新把两件事描述一遍：人物和人物的位置关系，以及人物和场景的位置关系。
这一步看似麻烦，但对剧情的连贯性非常重要。
对于人物位置关系比较复杂的情节，可以从上一批生成的视频中截取一张静帧。
上传到这一批次的视频的全能参考中，并明确告诉它：“人物站位和位置关系参考这张图。”
这样，AI 就有了直观的画面参照，更容易延续上一段视频中的人物站位，让前后镜头衔接得更自然。
遇到穿帮镜头，也可以截取静帧，修正画面后单独重新生成这一段视频，再替换回原片中。
不用重新整段的抽卡，节省积分。
七、剪辑微调：声音是决定你视频成败的关键
所有镜头生成好以后，就进入最后的剪辑和后期阶段。
把素材统一放进剪映，按照剧情顺序拼起来，再根据节奏调整镜头长短，补上字幕、音乐、环境音和必要的转场。
这里有一个小建议：生成视频的时候，尽量不要让 AI 自动加背景音乐。
因为不同镜头生成出来的 BGM 很容易各不相同，拼在一起会很跳。
留到剪辑阶段统一配乐，听感会更连贯，情绪也更好控制。
音效也需要在后期补充。
AI 直接生成的声音有时候会比较单薄，撑不起画面的冲击力。
所以这次我在后期重新做了配音，也重新铺了一遍音效，把动作、环境和人物的声音层次补起来。
画面上，我还对部分镜头做了局部调色，并适当加了一点辉光，让高光处透出柔和的光晕，进一步突出天使与圣殿那种神圣的质感。
写在最后：先跑通，再谈完美
到这里，一条 AI 视频从 0 到 1 的完整流程已经很清楚了：
一个想法 → AI 写剧本 → 风格测试 → 人物三视图 → 场景 / 道具资产 → 视频生成 → 剪辑成片
接下来最该做的，是真正动手跑一遍。
提示词永远收藏不完，但第一条视频得靠你自己做出来。
第一条不必追求完美，把流程完整跑通，比什么都重要。
很多问题，只有做到那一步才知道卡在哪；很多技巧，也是在一次次调整里慢慢摸出来的。
先把第一条做出来，再做第二条、第三条。每做完一条，回头复盘——哪步顺、哪步卡、下次怎么更快。
做得多了，属于你自己的方法论自然就沉淀出来了。