KeyFrame內部研究專用

How AI Filmmaking Pros ACTUALLY Make AI Videos

Skai Generated7 min英文
觀看原始影片

三句話摘要

如何使用 OpenArt Director 在單一平台完整製作 AI 短片,透過「氛圍導演」工作流避免分片生成造成的畫面不一致。 在單一平台內保持整體創意流,透過迭代式對話而非重複重建來逐步完善每個細節,是製作具有真正電影質感的 AI 短片的關鍵,而非看起來生硬的生成內容拼接。 一致性源於整體工作流而非分片生成。傳統方式逐片製作導致人物面孔、光線、色調、氛圍產生偏離;在單一平台內維持整個專案的創意連貫性,才能讓影片保持統一的電影感而非拼接感。

重點整理

  1. 一致性源於整體工作流而非分片生成。傳統方式逐片製作導致人物面孔、光線、色調、氛圍產生偏離;在單一平台內維持整個專案的創意連貫性,才能讓影片保持統一的電影感而非拼接感。

  2. 故事最佳化是創意基礎。講者先用 Claude 將粗糙創意轉化為結構完整的故事簡案(包含工作標題、語調、故事架構),再由 OpenArt Director 進一步精化為飽滿的黑色電影敘事,為後續所有角色與視覺決策奠定堅實基礎。

  3. 角色一致性通過初期鎖定實現。生成角色卡(三視角:正面、側面、四分之三)並上傳至 Director 作為參考,而非在各場景中重新生成,確保整部影片人物的面部特徵、裝扮、表情風格完全一致。

  4. 微調而非重建是高效工作法。講者不刪除重新生成,而是給單個場景寫簡短修改指令(「讓小巷更暗」「車停警察身後移除雨」「保持警察面向一致」),Director 理解上下文並精確修改,這就是「氛圍導演」的體現——對話式引導而非逐條提示。

實用技巧與重點

  • 工具與模型:
  • OpenArt Director(主平台)
  • Claude(故事與角色卡生成)
  • Nano Banana 2(影像模型)
  • 技術規格:
  • 角色卡:三視角(正面、側面、四分之三角度)
  • 解析度:2K
  • 寬高比:16:9
  • 完整工作流步驟:
  • Claude 故事簡案生成
  • OpenArt Director 故事強化
  • Claude 角色卡提示詞生成
  • OpenArt 生成角色三視圖
  • 上傳角色卡到 Director
  • Director 自動生成配角(3個)與環境
  • 整體短片生成
  • 分場景微調指令示例:「讓小巷更暗」、「車應停警察身後且無雨」、「警察全程面向一致無切鏡」
  • 時間線編輯(節奏、字幕、過渡)
  • 多語言配音測試(英文改日文保持唇形同步)
  • 成果特性:
  • 人物面部特徵全程一致
  • 唇形同步對話
  • 統一的黑色電影視覺美學
  • 多語言配音可保持真實感
  • 商業資訊:
  • 月度計畫折扣碼:15% 優惠
  • 年度計畫最具成本效益

結論

在單一平台內保持整體創意流,透過迭代式對話而非重複重建來逐步完善每個細節,是製作具有真正電影質感的 AI 短片的關鍵,而非看起來生硬的生成內容拼接。

完整解析

講者開篇指出當前 AI 影片的通病:大多數作品看起來不真實,根本原因是創作者採用分片工作流——先製作一鏡頭,再做另一鏡頭,每段片段都會與前一段產生偏離。人物面孔改變、光線波動、整體氛圍轉變,最終成品看起來像是生硬拼接的分散輸出,完全喪失了電影的連貫性和沉浸感。為此,講者探索了 OpenArt Director 平台,其核心優勢在於能讓整個專案保持在單一的創意流中,從故事構想到最終成片都在同一個環境內完成。

工作流從故事開始。講者在 Claude 中使用故事簡案生成工具,輸入粗糙的創意設定:一位偵探返回故鄉追查失蹤案件,風格為黑色電影。Claude 返回的結果遠超預期——明確的工作標題《Lena Voss, Four Days》、清晰的語調定位、結構化的故事框架。講者隨後將成果粘貼到 OpenArt Director,平台進一步將其精化為關於 Ray Mercer 返回故鄉調查 Lena Voss 失蹤案的飽滿敘事,充斥著沉默、負罪感和道德壓力。這個轉折點標誌著從機械式「逐條提示」轉向創意式「氛圍導演」。

角色鎖定是確保視覺一致性的關鍵一環。講者用 Claude 生成了逼真黑色電影偵探的角色卡提示詞,指定三視角輸出(正面、側面、四分之三),然後在 OpenArt 中使用 Nano Banana 2 模型以 2K 分辨率、16:9 寬高比生成。結果呈現出 Ray Mercer 的完整視覺形象——帶疤的臉孔、禮帽、風衣、疲惫深邃的眼神——完全符合故事調性。講者將這份角色卡上傳至 Director,平台隨後建議微調使其更符合影片風格,講者接納了建議,角色變得更加黑暗沉鬱。當主角視覺形象鎖定後,Director 自動為故事創建了另外三個配角和環境設置,經過數次迭代,整個影片的視覺世界逐漸成形。

真正的區別體現在整體影片生成階段。講者在 Director 內一次性完整生成了整部短片,而非採用分片工作流。結果令人印象深刻——主角的面孔和形象保持完全一致,小鎮風貌統一,黑色電影的視覺美學始終貫穿全片,整體呈現出真實電影的質感而非百段拼接片段。隨後的微調工作展現了「氛圍導演」的精髓。講者不是刪除重來,而是給出簡短精準的場景修改指令:第一場景「讓小巷更暗」,第四場景「車應停在警察身後並移除雨景」,第二場景「警察全程保持同一面向方向且無切鏡」。Director 能夠理解這些指令的上下文含義,進行精確調整而不影響其他場景。

最後階段涉及時間線編輯,用來精準控制節奏、調整場景轉場、添加字幕,確保最終視頻的律動感恰當且專業。講者還測試了多語言功能——將第四場景的警察對白從英文改為日文。結果令人印象深刻:唇形同步完美保持、聲音仍符合角色個性、整個場景依然可信真實。這驗證了平台對多語言配音的支持力度,也展示了「氛圍導演」式工作流如何能夠在修改細節時保持整體真實感。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。