未来 3 年,会做 AI 视频的人和会当导演的人,差在哪

你以为做好 AI 视频靠提示词。多背几个镜头术语,多抄几套万能模板,片子自然越做越好。

我的看法正好相反。拉开差距的,是你写给 Claude 的那份导演简报,和你心里那条这条不行的线。

下面这些,是不是像你:

• 单条拿出来都挺好看,放进时间线,人物换了张脸,光线从黄昏跳到正午。

• 一个镜头抽了十几次,额度见底,最后用的还是第三次那条。

• 做完一条,下次又从零开始。提示词散在聊天记录里,找不回来,也说不清上次为什么成了。

你可能有过这种时刻。

夜深了,同一个镜头,你已经点到第十几次生成。每一条都差一点:这条脸对了,手不对;那条动作对了,光又不对。你盯着剩余额度,心里想的是"再来一次,这次应该行"。

那一刻你没在做导演。你在拉老虎机。

照这样再做一年,你会有一个装满"好看片段"的文件夹,和一条都拿不出手的完整作品。钱花掉了,手艺没留下。

这篇想带你搭一个导演的四阶段循环:简报、分镜、生成、审片与剪辑。读完,用一个周末,做出你的第一条完整 AI 短片。建议边读边开一个空文档,第 IV 章的清单可以直接抄。

1. 问题:为什么你的 AI 视频总是一条一条的?

先说一件很多人不愿承认的事。

你不缺生成能力。现在的模型,随便一句话都能给你一段像样的画面。你缺的,是"这段画面要放在哪"。

单条好看和整片成立,是两回事。

单条只需要对得起自己:构图好,光好看,动作顺。整片要对得起前后。上一个镜头她穿红外套,这个镜头就不能变成灰的;上一场是夜里,这一场不能突然天亮,除非你就想让它天亮。

大多数人的流程是这样的:想到一个画面,写提示词,生成,不满意,改几个词,再生成。每一轮只问一个问题:"这条好不好看?"

问题本身就选错了。

你在用挑壁纸的标准,挑电影的镜头。

于是出现那个很熟悉的场面:一晚上收获二十条"还不错",剪的时候发现没有两条能接上。角色长相在漂,色调在漂,镜头运动的方向也在漂。你只好再去抽,想抽出一条刚好能接上的。

额度烧得快,根子在这里。每一次重抽,都在为前面没定下来的事买单。

不信可以现在打开你的素材文件夹,数一数:"好看但没用上"的有几条,真正进了成片的有几条。

这个比例,就是你的抽卡税。

为什么别人好像一夜之间就能做出完整的片子?

最近 X 上有两个很火的例子。一个是 @anabology 让 Claude 跑了 18 个小时做出来的短片,下一章细讲。另一个是 @pleometric 的类似项目:让 Claude 刷 TikTok,给了 200 美元,9 小时后交出一支 MV。(这条来自 X 的新闻摘要,细节未经逐一核实,只当同类案例提一句。)

看上去像是 AI 自己把片子做完了。

可你把它们和自己那一文件夹碎片放在一起比,差别不在模型。他们用的模型,你多半也用得上。差别在于他们的片子从一开始就有一个整体:一个题目,一种风格,一个长度。每一次生成,都是往这个整体里填空。

你的每一次生成,更像许愿。

2. 根因:人的工作到底是什么?

这一章只讲一个故事。

2026 年 10 月 3 日早上 8 点 01 分 (东京时间),@anabology 发了一条帖子:

"I gave Claude another 18 hours.. and I think this one is the best one yet — Macrohard: Windows XP"

写这篇时抓取的快照数据大约是:16,734 个赞,191.6 万次浏览,11,109 个书签,759 条回复。(来源:https://x.com/anabology/status/2106157622986748377 ,数字会继续变化)

第二天,有人在评论区问花了多少。他回复说,总共大约 190 美元的视频模型额度,外加一份 200 美元 Claude Code 订阅的一半。(来源:https://x.com/anabology/status/2106532829329052026 ,作者自述,无法独立核实)

很多人读到这里,记住的是"Claude 18 小时"和"不到 300 美元"。

更值得记住的,是两个词。

another。

又一次。说明这不是第一条。之前已经有过几条,他心里有一个排名。

best one yet。

目前最好的一条。这句话是谁说的?是他本人,不是 Claude。

这个题目最初是谁想的,中间他拒掉了多少镜头、改了几版方向,帖子里都没写,这里也不替他编。可单凭这一句话,人的位置已经标出来了:好坏是人判的,发不发出来也是人定的。

Claude 干了 18 个小时的活。人做了几个决定。

然后是评论区。

有人说这就是 AI slop,AI 糊出来的垃圾。也有人说被打动了。同一条片子,同样的模型,得到两种完全相反的反应。

这场争议,比片子本身更值得看。

它说明生成这一步已经不稀缺了。稀缺的是判断。

骂它 slop 的人,其实在质疑判断:"你凭什么觉得这条值得给我看?"被打动的人,是认了这个判断。两边吵的都不是模型。

所以人的工作主要剩下三件:定方向,验收,拒绝。

定方向,是在生成之前回答"这是一部什么片子"。验收,是拿一把具体的尺子去量每一条产出。拒绝,是你说"不"的次数,和每一次的理由。

拒绝最难。

每一条被拒的片段都花了钱,都有几分好看。你得舍得。

这几件事,你都可以请 Claude 帮忙:让它起草简报,让它先过一遍片子。但最后那句"行"或者"不行",必须是你说的。

3. 框架:导演四阶段循环

这是全文最重要的一章。先看图,再看每一步。

画在本子上,就是一个圈,外加往回走的箭头。往回走的箭头最重要,后面会讲为什么。

① 简报:为什么要先写一份给 Claude 看的文件?

人做什么:写清楚这部片子是什么。题目、长度、情绪、观众看完该有什么感觉、视觉参考、绝对不要什么,还有拒收标准。

Claude 做什么:把简报追问一遍,找出没说清的地方,然后整理成一份后面每一步都会回头读的文档。

举个假设的例子。你在简报里写"结尾要温暖"。Claude 可能会追问:是画面色调变暖,还是人物关系和解?主角在结尾笑不笑?这些问题你不回答,模型就会替你随便选。

花多少钱:基本不额外花钱,用你已有的 Claude 订阅。真正的成本是时间。

② 分镜:为什么不能跳过直接生成?

人做什么:看 Claude 拆出来的镜头表,删镜头、并镜头、定每个镜头的作用。一条 45 秒的片子,用不着 30 个镜头。

Claude 做什么:按简报拆成镜头列表,每个镜头写清景别、动作、时长、对应哪张参考图,再给每个镜头写好提示词。

花多少钱:纯文字分镜几乎为零。如果想先出几张静帧定角色和色调,会花少量图像额度 (估计,取决于你用的平台)。

③ 生成:为什么要先出低清?

人做什么:几乎不动手。只管两件事:守住预算,决定哪些镜头值得升到高清。

Claude 做什么:按分镜逐条调用模型,记下每条用的提示词、参数和花费。

花多少钱:全片的大头在这里。作为参照,@anabology 那条片子作者自述约 190 美元模型额度。你的第一条周末短片应该短得多,预算也该压得更低。不同模型和平台价格差得很远,这里给不出可靠的区间,只能写"估计,按你所用平台的定价算"。开工前把总预算写进简报,比任何区间都管用。

两条工具信息,都带着前提:

• 据报道,字节的 Seedance 2.5 支持最长 30 秒、带同步音频的生成,还能传入多张参考图、视频、音频来保持角色一致。(来自 X 上的帖子和摘要,未经实测。) 角色一致,正好对着"一条一条凑不成片"那个痛处。

• Dreamina 上的 Seedance 2.5 有 preview 模式:先用 480p 低成本试,选中了再原生出 1080p。(这条来自带 #DreaminaPartner 标签的帖子,属于赞助内容,请自己判断。)

我明确反对一上来就生成高清。

高清贵,而且会骗人。画面一清楚,你就容易被质感打动,忘了问这条在片子里干什么用。低清逼着你只看构图、动作和衔接,而这些恰好是剪辑时最要紧的。

④ 审片与剪辑:最后谁说了算?

人做什么:逐条看,按拒收标准判"过"或"不过",每条写一句为什么。然后剪。

Claude 做什么:可以先做初筛,标出明显穿帮、角色走样、时长不对的;可以帮你把拒收原因归类,写回简报和分镜。

花多少钱:剪辑软件你多半已经有了。返工的钱,算进第 ③ 步。

我也明确反对把 AI 的自评当验收。

让 Claude 给片子打分,它多半会给你一个漂亮的分数,外加一段客气的评语。它能帮你找穿帮,找不出"这条没意思"。这一步交出去,前面三步就白做了。

往回走的箭头,到底有什么用?

每一次拒收,原因都要写回上游。

简报没说清,就改简报。分镜不合理,就改分镜。只有确认是这一条运气不好,才回到生成重抽。

这样一圈走下来,下一条片子是站在上一条的拒收记录上做的。没有这几根箭头,四个阶段只是四个步骤;有了它们,才转得起来。

4. 方法:每一步能直接抄的清单

这一章不讲道理,只给清单。

简报该写哪几项?

复制,填空:

写完丢给 Claude,第一句话这样说:"先别生成。把这份简报里含糊的地方全部问我一遍。"

分镜交给模型前,自己先过哪几条?

• 每个镜头只做一件事。

• 每个镜头写清景别、主体、动作、时长、对应参考图。

• 相邻镜头标出"必须一致"的东西:服装、天气、时间、人物朝向。

• 删掉所有"只是好看"的镜头。

• 总时长加起来,对得上简报。

生成阶段怎么管钱?

• 总预算写在简报顶部,Claude 每次调用前都要看到。

• 每个镜头先出低清。

• 每个镜头低清最多试 N 次,超过就回去改分镜,别接着抽。

• 只有过了低清审片的镜头,才升高清。

• 每一条都记下提示词、参数、花费。

N 定多少,你自己说了算。举个假设的例子:定成 3。第 3 次还不过,说明问题多半出在分镜或参考图,接着抽只是在交学费。

拒收标准怎么定?

这是整篇里最值得抄的部分。

拒收标准要在生成之前写好,写成能用"是 / 否"回答的句子。举个假设的例子:一条 45 秒的短片,讲一个人在雨夜等末班车。拒收标准可以这样写:

• 主角的脸和参考图对不上,拒。

• 雨停了,拒。

• 车站灯牌的颜色和上一个镜头不同,拒。

• 手脚有明显扭曲,拒。

• 镜头好看,但删掉它故事照样成立,拒。

• 情绪对,但时长超出分镜一倍以上,先试着剪,剪不下来再拒。

看倒数第二条。它最狠,也最有用。

审片时每条记什么?

一行就够:

镜头编号 | 过 / 拒 | 一句原因 | 改哪里 (简报 / 分镜 / 重抽)

这一行,就是第 VI 章那个资料库的原材料。

5. 陷阱:哪几个坑最容易踩?

简报写成了提示词,还算简报吗?

很多人的"简报"长这样:cinematic, 4k, moody lighting, a girl in the rain。

这是提示词,写给模型的。简报写给 Claude,它要知道的是片子为什么存在、观众该感觉到什么、哪些东西不能变。少了这些,Claude 只能把你的形容词翻译成更多的形容词。

改法很简单:简报里一个画质词都别写。画质是生成阶段的事。

为了省时间,跳过审片直接剪,行不行?

这个坑很隐蔽。你会觉得"反正剪的时候也在看",于是边剪边挑。

结果你挑出来的,是"手边这些里面最好的",离"达到标准的"差了一截。标准悄悄往下掉,你自己都察觉不到。

可以回头翻一条你发过的片子,问自己:里面有没有哪个镜头,是因为"没得换了"才留下的?

有的话,你就踩过这个坑。

改法:审片和剪辑分开做,哪怕只隔半小时。先用拒收标准过一遍,剩下的才进时间线。

拒收了却不写原因,会怎样?

这个最常见。

拒一条,删掉,重抽。再拒一条,删掉,重抽。一晚上过去,你记得自己拒了很多,却说不出它们有什么共同点。

下一条片子,同样的错再来一遍。

改法只有一句:

没写原因的拒收,等于没拒。

6. 长期:审片记录攒多了,能变成什么?

做完第一条片子,你手里会有两样东西:一条片子,一张审片表。

大多数人只留前者。我建议你更看重后者。

风格资料库长什么样?

一个文件夹,或者一份文档,分几块:

• 通过的镜头。每条附上提示词、参数、参考图。这是你验证过的配方。

• 拒收原因汇总。把审片表里的原因归归类。做过几条之后,你多半会发现自己总在同几类问题上栽跟头。

• 拒收标准 v2、v3。每做完一条,改一版。

• 你自己的简报模板。哪一项你总写不清,就在模板里加一句提醒。

举个假设的例子,拒收原因汇总里的一条可以长这样:

类别:角色一致性 现象:侧脸镜头里主角发型变了 出现次数:记下真实次数 改法:简报里加"发型必须与参考图 2 一致",分镜里侧脸镜头都附参考图 2

然后把整个资料库交给 Claude,作为下一条片子的开场材料:"这是我过去的标准和踩过的坑,写分镜之前先读一遍。"

从这一步开始,你和 Claude 就不用每次从零起步了。你的审美,第一次成了能复用的东西。

拒收记录,会慢慢长成你的风格。

回到标题。未来 3 年,会做 AI 视频的人只会越来越多,门槛只会越来越低。会当导演的人,差别就在这个资料库里:你说过多少次"不",每一次为什么。这些别人抄不走,模型换代也带不走。

一条跑通之后,下一步往哪走?

两个方向。

一个是加长。从 45 秒到 3 分钟,镜头一多,一致性的压力会大很多,你的简报和拒收标准会被真正考一次。

另一个是加量。同一份简报模板、同一个资料库,一周出好几条。到这一步,资料库就是你的生产线。

哪个方向都行,顺序不变:先简报,再分镜,低清生成,审片拒收,原因回写。

写在最后

AI 视频拉开差距的地方,已经从"谁能生成"挪到了"谁能定方向、敢拒绝"。

简报、分镜、生成、审片与剪辑,是一个圈,往回走的箭头最值钱。

每一次拒收都写下原因,攒起来,就是你的风格资料库。

今天就能做的练习:

1. 打开一个空文档,照第 IV 章的模板,写一份 30 秒短片的简报,不超过一页。

2. 在简报底部写至少 5 条拒收标准,每条都能用"是 / 否"回答。

3. 把简报丢给 Claude,只说一句:"先别生成,把含糊的地方都问我。"

4. 答完它的问题,让它出一份文字分镜。今天到这里就停,一分钱额度都不用花。

明天生成,后天审片和剪辑。一个周末,刚好够。