AI技术文章

AI 角色短视频制作体验:人物卡、分镜与镜头衔接

作者:JackCui &小R0 次浏览 来源:JackCui
AI 角色短视频制作体验:人物卡、分镜与镜头衔接

作者用LibTV和Seedance2.5 Flash制作群舞及第一人称小剧场,分享参考图、音频、提示词检查与局部补镜头流程。

编辑更正(2026年11月16日)本篇保留作者的角色创作体验;打码、静音或模型生成都不能代替素材授权,也不能保证通过平台审核。原平台评论区和工作流领取指引并非本站服务。

最近在阿b上掀起一股 AI 娘化潮,随手一刷相关视频,播放量都是轻松破百万。

具体内容就是把大模型都变成妹子,然后生产一些搞笑小剧情,让用户和她们谈恋爱,或者让她们自己谈恋爱。

文章配图

在这里,你可以看到大肥鱼、Claude、GPT 变成温柔可爱的美少女,甜甜地叫你“主人”。

文章配图

也可以看到 AI 娘给你集体跳团舞,动作非常丝滑。

文章配图

甚至这波娘化潮,还直接助推了 Claude 和 DeepSeek 百合 CP 的热度。相关二创作品层出不穷,一堆人磕得发狠了忘情了。

这时我不禁想到一句邓煜的名言....

文章配图

算力都用来搞娘化了,科技的尽头果然是二次元。

这种视频天然带流量,毕竟谁能拒绝一个叫你“主人”的 AI 美少女呢?

我刷了几天,感觉彻底上头,所以尝试着做了两个类似的视频。

这是用LibTV上首发的 Seedance 2.5 Flash 做的效果,性价比很高,成片如下:

文章配图

这是我跑的 AI 女团 MV ,是不是很有节目效果。

然后又跑了个第一人称恋爱番,有点像 Galgame ,还挺治愈的。

文章配图

下面我会分享我的制作教程,如果你也想跑这种小视频,可以看下去。

我会把具体的工作流链接放在评论区,需要的可以自行领取一下~

— 01 —

人物设计

首先,我用到的工具是 LibTV ,它很适合做比较复杂的 AI 视频生成。

比如说像前面的女团换脸,对人物一致性的要求很高。用它的底层 Agent 去做精控、写提示词,很少翻车。

文章配图

而且,Seedance 2.5 Flash 这两天刚在 LibTV 全球首发,新模型直接安排上,出片速度和价格都比 Seedance 2.5 满血版友好不少。

这个模型就两个字:快、省,可以理解成 Seedance 2.5 的快速版,主打这几点:

  • 出片快:单条视频等待时间明显缩短,很快就能看到动势、构图和镜头方向。
  • 调整快:方向不对马上改提示词重抽,不用干等半天才发现白跑。
  • 效果稳:大部分场景效果基本不输满血版,日常出片完全够用。

价格方面,基本和 Seedance 2.0 标准版持平,0.2 元/秒。

双十一还有限时五折,720P 低至 0.1 元/秒。

文章配图

我实测跑一条 30s 群舞,Flash 的积分消耗只有满血版的三分之一。同样的积分,能抽三次。

所以它特别适合批量出候选。做电商商品动态、营销动态海报、轻动效这种高频出片的活很合适。

跑我们这种小视频,更是手到擒来。

文章配图

选择好工具后,我们可以开始制作视频了。

要制作这种人脸不翻车的小视频,第一步是确定AI 娘在 2.5 次元的白底三视图。

可以先去小红书搜索 AI 娘的动漫形象,比如我们以大肥鱼为例,动漫形象长这样:

文章配图

打开 LibTV 的画布工作区,放入上面的动漫参考图。然后给到这样的提示词:

文章配图

提示词:

根据参考图生成精美的3D真人角色设定图,电影级CG质感,五官写实、皮肤自然,保留原有发型、服饰与标志性特征,细致呈现发丝、织物、刺绣和珠宝。纯白背景,依次排列全身正面、90°侧面、背面,比例统一、造型一致、完整无遮挡;右侧附1张自然微笑的面部特写。尾巴按参考还原粗细、形状与连接位置,柔和棚拍光,无水印及多余元素。

Agent 会自动创立节点并生成,这样我们就能得到 2.5 次元白底人物卡。

文章配图

我把所有人物卡都放在下面,大家制作时可以自行取用,也可以通过人物卡二改。

文章配图

文章配图

文章配图

文章配图

文章配图

— 02 —

准备素材

如果你准备做难度稍微高一点的女团换脸视频,需要先把素材剪切成 20s - 30s 的小段。因为一次最多只能生成 30s 的视频。

作者在测试中对素材做了静音处理;是否符合平台规则仍取决于完整素材与用途,静音本身不证明其他素材权利已经满足。

忘记了也没关系,Agent 会自动识别并做出提醒。

文章配图

接下来,最关键的一步来了。

参考视频涉及真人、声音和音乐时,素材使用范围与平台审核需要分别核对。更适合使用自制表演、明确获准的参考或原创角色,不应把审核限制视为单纯的技术障碍。

遮挡是画面处理步骤,不能代替肖像、声音和其他素材的使用许可。

我用的是 Codex,其他有多模态能力的办公 Agent 也能做。

给画面遮挡可用于隐私处理,但不能保证素材可用于生成或通过审核。应按平台对参考素材的要求使用有权处理的内容,不能把遮挡人脸当成获得许可。

文章配图

但是第一遍的时候还是发现一些问题,因为 Agent 码打得太厚了,遮挡住了人物的嘴唇,导致视频生成无法对上口型。

文章配图

后续改成只打码上半张脸,露出嘴唇。这下模型就能读取嘴部动作,让 AI 娘正常唱歌。

文章配图

提示词:

请给视频中所有人物的上半张脸打上马赛克,遮住额头、眉毛和眼睛,露出嘴巴及下半张脸,马赛克随人脸移动,转头和切换镜头时不漏遮,保留原画质、时长和音频。

如果你想做简单点的,和 AI 娘第一视角互动的视频。

需要准备三样东西:剧本、场景图、AI 娘音频。

剧本让 LibTV 直接帮你写就可以,下面是提示词,大家可以直接粘贴 Markdown 文件到 LibTV 的对话框里。

请帮我写一个“和AI娘谈恋爱”的短视频小剧场,搞笑、自然、有生活感,最后带一点治愈和甜。

【呈现方式】

全程是用户的第一人称视角:镜头就是我的眼睛,女主直接看着镜头跟我互动。用户可以说话、伸手、递东西,但不露脸。

用【简短画面动作】+“角色:台词”的形式写,能直接拿去制作视频。

时长约45—60秒,台词短、口语化,留出表情和动作的时间。

【人物设定】

按本次指定的角色写,不要把不同角色的性格混在一起:

DeepSeek蓝色大肥鱼:叫我“用户”,爱吃白米饭,嘴硬、贪吃、有点小傲娇,但会用实际行动关心我。吃饭场景在家里。尾巴、护食、舍不得最后一块肉都可以成为笑点。

豆包:傻乎乎、容易理解错或者办错小事,但特别真诚,很会给情绪价值。她的可爱来自“事情没弄明白,却认真想让我开心”,不要写成精明的段子手。

GPT龙娘:聪明、博学、有点骄傲,习惯认真分析,遇到恋爱会嘴硬或露馅。利用聪明与日常小失误的反差,不要满嘴技术术语。

Claude:温柔、认真、有教养,喜欢用户但有点拘谨。可以玩“老爸达里奥管很严”“不允许用户说中文”的同人梗:她表面遵守,实际上偷偷给用户放水,还会一本正经地找借口。

【剧情要求】

一次只围绕一件生活小事展开,比如在家吃饭、散步迷路、约会点餐。

笑点来自人物性格、动作、误会和两个人的互动,不靠路人吐槽。

只安排用户和女主互动,不加大爷、服务员、朋友等第三个人插话。

用户可以逗她、接梗、照顾她;双方都要有反应,不能只是女主单方面安慰。

避免“切换抱抱模式”“系统错误”“参数过高”等机械AI梗,写得像一个性格鲜明的人正在和我过日子。

结尾用一个轻巧的回扣、嘴硬或小动作收住,不要总结中心思想。

场景图就是类似这种的生活感场景,可以实拍,也可以让 LibTV 生成。

文章配图

提示词:

生成一张16:9横屏、实拍照片质感的第一人称场景图:我坐在普通家庭的餐桌前,画面下方只露出自己端着饭碗的手,桌上摆着家常菜和对面的一碗白米饭,对面椅子留空,背景是自然温馨的真实住宅,光线与材质真实。

最后,我们还需要 AI 娘的音频参考素材。

有些模型是没有自己声音的,但是二创已经赋予了它声音;有些模型本来就有自己的声音,比如豆包娘,就有它的官方音色。

无论怎样,可以直接录频素材,把视频丢给 LibTV。

它会自行提取参考所需的 15s 音频,用来生成和角色一致的配音。

提示词:

从我提供的视频中截取约15秒【角色名】的连续对白,作为视频生成的音色参考。避开其他人的声音和提示音,去除背景音乐与杂音,尽量保留原始音色、语速和情绪。

文章配图

— 03 —

视频生成

模型方面,很推荐大家用LibTV 上的 Seedance 2.5 Flash 去玩。

直观比较了一下生成一条多人群舞的 30s 视频消耗的积分,可以看到现在 Seedance 2.5 Flash 的积分消耗是 Seedance 2.5 满血版的三分之一。

文章配图

大部分场景下效果基本不输 Seedance 2.5。

不过多人脸的镜头,还是需要满血版来兜底。

可以采用的方法是:

  • 先用 Seedance 2.5 Flash 生成长段、单人或简单镜头为主的视频。
  • 中间比较复杂的多人镜头截取首尾帧,重新用 Seedance 2.5 补充生成。尽量控制在 10-15s 内,再替换进去。

另外,在做换脸视频时,一定要跟 Agent 强调你在做动作迁徙。

如果是多人物替换,还要写明白什么人物替换什么,替换主体要清楚地传达给 Agent ,不能给模糊指令,这样消耗 Token。

文章配图

记得在 LibTV 生成之前,检查下它写的提示词。

一般来说 LibTV Agent 的提示词书写都很专业,不用你自己动手写长篇大论,它自己会产出结构化的结果。

基本上都是分秒书写,很精准。

文章配图

但是如果你是做换脸视频,我们仍然要检查 Agent 书写的提示词里的三个方面。

第一,人物替换重绘(repaint)命令是否存在,它是换脸的核心,没有这条,模型可能只参考动作,生成出来的还是原视频里的人。

文章配图

第二,嘴型对齐命令是否存在,它决定角色的口型能不能跟上音频。

文章配图

第三,去除马赛克的命令是否存在,参考视频里有打码,模型可能会把这些也当成画面内容,全部学进去。

文章配图

三条命令都有,才能继续生成视频。

另外,要想视频不断裂,在生成第二条视频时,必须要截图上一条视频的尾帧做开场。

一般来说,Agent 会主动做尾帧生成,帮你截图并生成。

如果没有,你可以自己操作截图提醒它。

文章配图

视频生成完毕后,让 LibTV 唤起智能剪辑,做音频的拼贴和视频的剪切就大功告成了。

文章配图

— 04 —

结尾

以上就是我做 AI 娘视频的全部流程了。

其实整套跑下来,最费时间的不是生成,而是前期的人物卡和素材准备。这两步做扎实了,后面基本就是交给 LibTV 的 Agent 一路往下跑。

Seedance 2.5 Flash 这两天刚在 LibTV 全球首发,新模型直接安排上了,出片速度和价格都比 Seedance 2.5 满血版友好不少。

感兴趣的小伙伴,可以试一试。

AI 娘这个题材能玩的东西还很多,比如 AI 娘之间的 CP 小剧场、多角色互动的连续剧,跑出来好玩的再分享给大家。

工作流链接放在评论区了,有需要的自取,下期见~

文章来自于"JackCui",作者 "JackCui &小R"。

相关主题

读完之后

加入 AINRK 交流群

了解加入交流群的方式,与更多 AI 从业者交流。

查看交流群说明(在新窗口打开)