KeyFrame內部研究專用

99% of people are doing it wrong! The real challenge in AI video isn't just generating footage: A...

小V說·5月30日週六·6 min中文

三句話摘要

用 AI 故事板拆分法突破 15 秒限制,製作完整 60 秒 AI 短劇的完整流程。 AI 視頻製作的未來,比的不再是工具用得有多溜,而是誰更會講故事——故事板就是把故事視覺化、結構化的那把鑰匙。 先拆後做的核心邏輯:長故事不是一次生成,而是先把大故事分解成可精確控制的小故事板,這樣既能維持人物、場景、情緒的連貫性,也大幅降低單段生成失敗的風險。

重點整理

重點
  • 1

    先拆後做的核心邏輯:長故事不是一次生成,而是先把大故事分解成可精確控制的小故事板,這樣既能維持人物、場景、情緒的連貫性,也大幅降低單段生成失敗的風險。

  • 2

    ChatGPT 分鏡腳本的角色:通過向 GPT 提供題材、人物設定、情緒風格、鏡頭氛圍等核心信息,讓它按 Storyboard 形式自動拆分鏡頭,為後續視覺化提供結構化輸入。

  • 3

    NOVI AI 的兩階段生成策略:先用文字轉圖片生成完整 60 秒故事板,再用圖片轉圖片模式逐一拆分出 4 張獨立故事板,這樣既能保證整體敘事連貫,又能針對不同段落細化調整。

  • 4

    故事板遠超排鏡的價值:故事板不僅幫助排列鏡頭,更能快速整理關鍵信息、啟發創意構思、將抽象文字轉為直觀畫面,讓創作者提前感受影片氛圍並延展分鏡設計。

實用技巧與重點

乾貨
  • AI 視頻生成限制:15 秒 / 次(所有工具)
  • 工具與平台:ChatGPT、NOVI AI、Seedance 2.0、HappyHorse
  • 故事板拆分方式:1 張大故事板 → 4 張小故事板(各 15 秒)→ 12 個鏡頭細分
  • 圖片比例:16:9
  • 提示詞結構:需拆成 4 部分,每部分 15 秒,包含角色、場景、光影、聲音、主題
  • 生成流程
  • 文字轉圖片(生成大故事板)
  • 圖片轉圖片(逐次拆分小故事板)
  • Seedance 全能參考模式(生成 15 秒視頻)
  • 視頻品質設置為最高,時長 15 秒
  • 官方活動:NOVI AI 故事影級挑戰賽,總奬金 USD 1,000(個人最高 USD 500)
  • 優惠碼:VNA20(享八折優惠)
  • 工具優勢:降低抽卡概率、減少信息冗餘、降低內容錯誤率

結論

結論

AI 視頻製作的未來,比的不再是工具用得有多溜,而是誰更會講故事——故事板就是把故事視覺化、結構化的那把鑰匙。

完整解析

詳細

現有 AI 視頻生成工具普遍限制單次 15 秒,這導致製作長篇幅內容時人物形象、聲音、場景甚至角色位置關係容易瞬間變樣。講者通過實測流程,找到了突破這一瓶頸的系統化解決方案。

核心思路是「先拆後做」——不試圖一次生成完整 60 秒,而是提前規劃整體結構。首先在 ChatGPT 中輸入題材、人物設定、情緒風格、鏡頭氛圍等核心信息,讓它按 Storyboard 形式自動生成分鏡腳本。這一步為後續的視覺化奠定堅實的敘事基礎。

接著進入 NOVI AI 平台的 GPT Image2 模組。講者先採用「文字轉圖片」模式,輸入超長且結構化的提示詞(需細分 4 個部分、12 個鏡頭,並說明角色、場景、光影、聲音、主題),一次生成完整的 60 秒導演級大故事板。隨後切換到「圖片轉圖片」模式,以大故事板為參考圖,逐次告訴 AI 拆分出第一、二、三、四章節的獨立故事板。這樣每張小故事板都對應 15 秒內容,視覺風格保持高度一致。

最後,將 4 張小故事板分別交給 Seedance 2.0 生成視頻。在 NOVI AI 的 Seedance 頁面,選擇「全能參考」模式,上傳故事板,提示詞只需簡單說明「根據圖片生成 15 秒視頻並保留人物對白」,將品質拉到最高並設置時長為 15 秒即可。完成 4 段視頻後,拼接成完整 60 秒成片。

這套流程的優勢明顯:一是穩定性高,降低了「抽卡」(生成失敗)的概率,單段不滿意只需重做該段而非整條視頻;二是信息冗餘減少,因為事前已通過故事板同步了視覺設定,減少了不同段落間的邏輯衝突。此外,故事板本身的價值遠超排鏡——它幫助快速整理關鍵信息、啟發創意構思、把抽象文字轉為直觀畫面,讓創作者提前感受影片氛圍並基於畫面延展分鏡語言。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。