How To Create Cinematic AI Ads - Full AI Video Course
三句話摘要
使用AI工具從零開始製作100%生成的品牌廣告短片的完整工作流程。 AI視頻製作的成功秘訣不在工具本身，而在於前期故事設定、角色開發、視覺參考的系統化準備——好的提示詞和充足的參考素材能讓AI生成符合預期的高質感影像。 故事與角色是核心基礎——每部影片都需要清晰的敘事主軸和主角設定。講者將個人童年夢想轉化為故事線（兒時球迷→進球隊→成為Nike運動員），並為故事中的每個角色創建詳細檔案（包括4個年齡版本的自己、教練、助教），確保AI生成時的一致性。
重點整理
重點- 1
故事與角色是核心基礎——每部影片都需要清晰的敘事主軸和主角設定。講者將個人童年夢想轉化為故事線（兒時球迷→進球隊→成為Nike運動員），並為故事中的每個角色創建詳細檔案（包括4個年齡版本的自己、教練、助教），確保AI生成時的一致性。
- 2
場景設計決定視覺質感——透過「世界建設」明確故事發生地點和視覺風格，用Higgsfield的Cinematic Locations工具生成多個場景選項，再用Multi-shots功能產生9個不同角度，以此建立統一的視覺語言庫。
- 3
提示詞精度直接影響輸出品質——詳細描述攝影風格、情感基調、角色互動，例如「祕密拍攝的紀錄風格」、「有顆粒感」、「輕微對焦搜尋」等細節，AI才能產生符合預期的結果。
- 4
多種視頻生成技術應用於不同場景——首幀參考適合簡單固定鏡頭、角色參考保證一致性、故事板方法提供最高控制力，根據場景複雜度與成本選擇合適技術。
實用技巧與重點
乾貨- 核心工具清單：
- Higgsfield（主平台，含Cinema Studio 3.5、Supercomputer、Sole Cast、Cinematic Locations）
- 圖像生成：Nana Nana Pro（便宜方案）、GPT Image 2（最佳品質）
- 視頻生成：Seed Dance 2 / Seed Dance 2 Fast、Kling
- AI助手：Claude（提示詞優化、故事板生成）
- 編輯軟體：Premiere、DaVinci Resolve（支援Higgsfield插件）
- 協作工具：Figma（配Higgsfield插件用於資產管理）
- 角色開發實例：
- 4個年齡版本的自己：6歲、15歲、18歲、成年
- 教練、助教角色也需要單獨的角色卡
- 角色卡包含：服裝設計、表情、細節（如球衣號碼修改）
- 場景生成流程：
- Cinematic Locations生成10個選項（便宜快速）
- 選定後用Multi-shots產生9個不同角度
- 保留4-5個最滿意的角度用於後續參考
- 提示詞示例結構：
- 「製作電影級手持紀錄風格鏡頭，[具體場景]，[角色互動]，[視覺細節如顆粒感]，[情感基調如自然、頑皮]」
- 視頻生成技術選擇：
- 首幀參考方式：上傳首幀作「Start Frame」（非參考）→提示詞→選Kling（便宜）或Seed Dance
- 角色參考方式：上傳角色、背景參考圖→需確保為「references」而非「start/end frame」
- 故事板方式：繪製多幀故事板→提示「轉成廣告」→Seed Dance自動生成完整場景
- 資產管理方法：
- 方法1：Higgsfield資料夾系統
- 方法2：Figma + Higgsfield插件（視覺化）
- 方法3：Supercomputer（整合生成到組織全流程）
- 編輯工作流：
- 安裝Higgsfield Premiere或DaVinci Resolve插件
- 簡單堆疊視頻段落＋必要剪輯
- 支援直接在編輯軟體中重新生成特定場景
結論
結論“AI視頻製作的成功秘訣不在工具本身，而在於前期故事設定、角色開發、視覺參考的系統化準備——好的提示詞和充足的參考素材能讓AI生成符合預期的高質感影像。”
完整解析
詳細這支影片呈現的是一個完整的AI視頻製作案例研究。講者以自己製作一部虛擬足球廣告為例，展示從構思到成片的全流程。他的故事線很簡潔——將童年無法成為職業球員的遺憾轉化為一個激勵性敘事：透過AI，他虛擬地成為了荷蘭國家隊的球員，並與C羅互動、獲贈Nike球鞋。這個故事框架清晰有力，成為所有後續創意決策的錨點。
前期策劃階段是最關鍵的投資。講者沒有直接跳進視頻生成，而是先建立完整的視覺資產庫。他使用Higgsfield的Sole Cast工具創建4個年齡版本的自己的角色卡，確保AI在生成時能夠保持人物的一致性。同時也為教練、助教等配角建立角色檔案。這個做法的邏輯是：詳細的角色設定會直接轉化為提示詞中的參考信息，使AI的輸出品質大幅提升。接著，他用Claude協助生成多組故事板，這些草圖不是為了完美，而是為了鎖定故事的視覺方向和情感基調。然後透過Cinematic Locations功能生成10個場景選項，再用Multi-shots為最滿意的場景產生9個不同攝影角度，形成一個完整的「視覺參考庫」。這個庫會在後面的製作階段被一次次地引用。
製作階段展示了三種實用的視頻生成技術。最簡單的是「首幀參考法」：他準備好一張首幀圖片（自己與C羅對話的靜止畫面），上傳為「Start Frame」（關鍵是要標記為Start Frame而非普通參考），然後用精確的提示詞指導風格——例如「祕密拍攝的紀錄風格，球場走廊，有顆粒感，輕微對焦搜尋」——最後選擇Kling或Seed Dance生成。這個方法適合需要特定開場的簡單鏡頭。第二種是「角色參考法」：上傳多個角色卡、背景圖作為參考（注意區分reference與start/end frame的區別），AI會在保持一致性的前提下生成互動場景。第三種是「故事板法」：直接畫出多格故事板（甚至只是粗略草圖），提示詞簡單如「把這個變成廣告」，Seed Dance就能自動展開成完整的視頻場景序列。講者甚至在這個基礎上延伸到完整的品牌活動——包括後期花絮、採訪片段等。
後期編輯的部分不複雜，但Higgsfield插件是關鍵。講者在Premiere或DaVinci Resolve中堆疊視頻片段、進行必要的剪輯切割，同時利用插件可以直接在編輯軟體內重新生成某個不滿意的場景，避免了頻繁切換應用的麻煩。這個工作流的完整性來自於前期的紮實準備——資產清晰、故事鎖定、參考完整，後期編輯才能快速推進。
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。
