KeyFrame內部研究專用

零成本做AI短剧!ChatGPT + Google Flow + 剪映實測

七七行銷筆記12 min中文
觀看原始影片

三句話摘要

用三個免費AI工具從零開始製作高流量AI短劇的完整工作流。 AI短劇製作的核心競爭力已從「工具掌握」轉向「指令設計能力」與「迭代調整的耐心」。 爆款AI短劇遵循統一套路,常見主題包括亿万富豪、穿越復仇、狼人、命定伴侶等,核心敍事是「主角隱藏真實身份→前期被瞧不起→最後逆襲反轉」,這類故事最容易獲取流量。

重點整理

  1. 爆款AI短劇遵循統一套路,常見主題包括亿万富豪、穿越復仇、狼人、命定伴侶等,核心敍事是「主角隱藏真實身份→前期被瞧不起→最後逆襲反轉」,這類故事最容易獲取流量。

  2. 劇情設計遵循「開頭5秒給理由→明確核心衝突→反轉改變局面→懸念結尾」模板,每集只做一個清晰衝突,每次反轉都要升級難度,讓觀眾產生「必須看下一集」的動機。

  3. 製作流程強調「邊做邊調整」,先手動設計故事框架再交給AI擴展,在Google Flow中逐步驗證角色、場景、分鏡的一致性,最後在剪映組合成片。

  4. AI工具的價值在於「如何指揮」而非「用多少工具」,關鍵是通過細緻的提示詞和反覆迭代達到預期效果,而非期望一鍵生成完整作品。

實用技巧與重點

  • 工具與額度
  • 三個工具:ChatGPT、Google Flow、剪映
  • Flow免費額度:每天40-50張免費生圖,模型選Nano Banana 2 Lite(不耗積分)
  • 素材限制:一次最多引入3個素材
  • 爆款題材
  • 亿万富豪、穿越復仇、狼人、命定伴侶、奇幻愛情
  • 劇情模板要素
  • 開頭:5秒內給觀眾必看理由
  • 衝突:清晰的「主角想要什麼vs誰在阻止」
  • 反轉:改變局面而非僅爆秘密(從背叛→身世秘密→生命危險漸進升級)
  • 結尾:停在關鍵後果即將揭曉的瞬間
  • 分鏡清單包含
  • 鏡頭編號、時間長度、人物、場景、動作、景別、運鏡、台詞、情緒
  • 時長控制
  • 8秒內控制3-4個分鏡
  • 每個分鏡只做一個明確動作
  • 角色生成格式
  • 角色連續性圖片:人物特寫+正面/側面/背面三視圖
  • ChatGPT生成順序
  • 主要人物角色設定與連續性圖像提示詞
  • 場景提示詞
  • 分鏡清單(鏡頭編號、時間、人物、場景、動作、景別、運鏡、台詞、情緒)
  • 需要生成圖像的關鍵分鏡
  • 影片生成提示詞
  • 推廣活動
  • 時間:11月8-13日(6天)
  • 內容:AI自媒體變現行動營
  • 名額:200個免費位置
  • 贈品:64頁「AI時代超級個體」電子書

結論

AI短劇製作的核心競爭力已從「工具掌握」轉向「指令設計能力」與「迭代調整的耐心」。

完整解析

這支影片的核心是揭示AI短劇製作工作流中,如何通過系統化流程將創意轉化為完整作品。講者首先分析了各大短影音平台上的爆款AI短劇,發現它們儘管劇情不同,卻共享一套有效的敍事套路:通常涉及身份隱瞞、前期貶低、後期逆襲的反轉結構,這類故事最容易激發觀眾的持續觀看欲望。

接著講者展示如何利用ChatGPT這個工具進行系統分析。透過上傳多條爆款短劇給AI,讓它提煉出關鍵特徵:開頭5秒必須給觀眾一個「必看下去」的理由(例如孕婦在森林被追殺),劇情需要有清晰的核心衝突讓觀眾快速理解主角的處境與威脅,每次故事反轉都應改變局面而非僅爆出秘密(從戀人背叛升級到孩子身世秘密再升級到生命危險),結尾則停在關鍵後果即將揭曉的懸念時刻。講者強調這些特徵構成了可重複使用的劇情模板,能指導後續的創作。

製作環節上,講者建議先手動設計故事的開場、衝突、反轉與結尾,再將這些架構提供給ChatGPT擴展成具體劇本,這樣既能保留創意的可控性又能利用AI的效率。劇本定稿後,再請ChatGPT生成五類關鍵輸出物:角色設定、場景提示詞、分鏡清單、關鍵分鏡圖提示詞與影片生成提示詞。在Google Flow中建立可重複調用的角色(包含連續性圖片以確保視覺一致性)與場景(使用免費的Nano Banana 2 Lite模型),並預先生成分鏡圖驗證構圖、表情、鏡頭感是否正確,這一步能大幅減少後續影片生成的失敗次數。

最後在Google Flow中逐個生成影片片段。講者強調這不是一次成功的過程,若效果不佳應求助ChatGPT分析問題根源,例如通過明確標注男女聲線、嚴格限制每個時間段的發言人來修正提示詞,然後重新生成。待所有片段都滿意後,將其導入剪映進行簡單的時間線排列,加入背景音樂、音效與字幕,一部完整的AI短劇就完成了。

講者最後強調,AI工具雖然大幅降低了短劇製作的技術門檻,但無法實現真正的一鍵生成。成功的關鍵不在掌握多少工具,而在於能否有策略地指揮AI、耐心地進行反覆迭代,這才是決定內容品質與流量的決定因素。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。