AI 视频：是什么，怎么做出来
动手试试：写下 一名快递员在跨年夜把信送错了房间，然后留下来一起倒数，选最短长度来做，看看它产生的角色与分镜，再用免费的 5 秒预览看一个真正的镜头。
AI 视频是怎么做出来的
- 文本形式的创意。 一句话、一份剧本，或一部小说。照片或片段也能当作起点。
- 文本变成镜头。 文本会被拆成场景，每个场景再拆成镜头，标明取景方式、画面中有谁、发生什么事，以及持续多久。
- 每个镜头生成为一段片段。 视频模型负责画出会动的画面；设置得好的话，也会同时生成说台词的声音。
- 把片段接起来。 配乐放在人声之下，字幕则可以叠在画面上。
- 修正不理想的部分。 生成不对的镜头可以单独修改并重新生成。
第 2 步和第 5 步是人最花时间的地方，在 SceneMixer 里它们都是文本：你读分镜、改文本，这些都是免费的。第 3 步才是花钱的部分，因为每次尝试都是一次独立的模型调用。项目里有什么。
为什么片段很短，长视频怎么组成
视频模型能把几秒内的动作维持得很好，但片段一长就会失去稳定。所以一段 60 秒的视频，是四段 15 秒的片段，或两段 30 秒的片段拼接而成。在 段长模式 设置中，SceneMixer 提供标准 15 秒或长镜头 30 秒；两者每秒单价相同，而 30 秒片段只能由支持它的模型生成。片段越多、越短，出错时你就能控制得越细；片段越长，就能在一次生成中保留一段连续的动作。15 秒或 30 秒片段。
一集是由多个片段拼接而成，一部剧集则由多集组成：短剧本可以做出几集，长剧本则能做出很多集。制作多集剧集 · 长视频 AI 生成器。
最难的部分：保持一致
每个片段都是分开画的，放着不管的话，脸会漂移、外套颜色会变、房间格局也会自己重排。解法不是写更好的提示词，而是一套共用的参考设置。在 SceneMixer 中，剧本只需解析一次，转成角色、道具清单与场景设定，你确认之后，每一集的每个镜头都从这同一组设置生成。系统还会替每个场景自动创建 AI 3D 模型，让人物坐在原本的位置，剪辑也才说得通。为什么整部剧集能保持一致。
并非完美。如果镜头之间脸部改变，或角色左右站位对调，可以参考这份检查清单：脸部改变 · 左右对调。
AI 视频擅长什么，还做不到什么
| 擅长的 | 目前做不到的 |
|---|---|
| 造价极高的世界：宫殿、太空船机库、雨夜的街道 | 清晰可读的文本。价格、日期和招牌都画不稳，所以应放在结尾卡片上，或由台词说出来 |
| 同一份剧本可做出动画、卡通、黏土定格和电影感等风格 | 维持超过单一片段长度的连续长镜头（最长 30 秒） |
| 同一场景换成另一种语言，并以该语言说出台词 | 保留真实人物的长相：真人面孔照片和知名角色会被拒绝 |
| 用一到四张照片制作广告 | 即时完成：生成需要几分钟，因为模型本身就需要几分钟 |
权利与标识
免费 SceneMixer 账号制作的视频，右下角会带有一个小型 AI 标识；关闭它是会员权益，而分享的链接一律会带着标识。移除标识并不代表你不必遵守发布平台的规则：抖音、快手、视频号、B站等平台都有各自的 AI 内容标识规定。AI 视频需要标识吗？ · 。
三种开始方式
| 你有的是 | 你会得到 | 入口 |
|---|---|---|
| 剧本、小说或一句话的创意 | 一部角色一致、有台词对白的短剧 | 上传剧本 |
| 商品或地点的一到四张照片 | 15、30 或 60 秒的广告 | 用一张照片做广告 |
| 你自己拍的片段 | 换上新角色与新造型的重拍版本 | AI 视频重拍 |
在 SceneMixer 从头到尾完成
- 剧本： 把你自己的剧本贴到 上传剧本，或在 AI 创作 中写下上面的概要，让它起草各集。
- 第 1 步： 类型选 短剧；场景风格 霓虹夜城、都市奢华；服装风格 商务休闲、街头潮流；视觉风格 高清实拍、柔光实拍；目标地区；对白语言；9:16 竖屏。然后解析剧本。
- 第 2 步： 两位主角各一个标记与一种声音；楼梯间和阳台作为场景；信件作为道具。每个账号的前 15 张设定图免费。
- 分镜： 先生成第 1 集（你的第一部短剧免费），在渲染任何内容之前先读一遍。每个片段只放一个地点。
- 视频： 用默认档位渲染，每秒 8 积分；修正单个镜头而不是整集，然后把整集合成并发布。
| 名词 | 在 SceneMixer 项目中的意思 |
|---|---|
| 项目 | 设置、角色阵容和分集清单。以下所有内容都继承自项目 |
| 角色阵容 | 角色、场景与道具，各自有描述与图片 |
| 集 | 故事中有编号的一部分，拥有自己的分镜 |
| 片段 | 一次生成：约 15 或 30 秒的完成视频，附上产生它的镜头文本 |
| 生成版本 | 每次生成一个片段，结果都会保留下来；其中一个是目前使用的版本，切换版本不用钱 |
| 档位 | 你生成时使用的模型与画质；每秒价格取决于此 |
| 合成 | 把每个片段目前使用的版本合成成一个整集文件 |
常见问题
什么是 AI 视频？
画面，以及通常还有声音与音乐，都由模型根据文本、图片或两者生成，而不是实际拍摄出来的视频。SceneMixer 做的就是这种视频。
AI 视频是怎么做出来的？
文本会被拆成分镜，每个分镜由视频模型生成为一段短片，再把这些短片加上音乐，有时还加上字幕，拼接成一支视频。SceneMixer 也是照这个流程做的。
为什么 AI 视频的片段这么短？
模型能把几秒内的动作维持得很好，但片段一拉长，前后一致性就会流失。较长的视频是由好几段片段接起来的。SceneMixer 也是把片段接成整集。
AI 视频怎么让同一个角色保持一致？
做法是让每个分镜都参照同一组固定的参考素材。SceneMixer 会一次把剧本读成角色、场景和道具，之后每个分镜都用这一组。
AI 视频可以有人声和音乐吗？
可以。SceneMixer 的对白会以 15 种语言之一在视频中说出，每个角色一个声音，并会替每一集配乐。
做一支 AI 视频要多久？
写稿和检查各需几分钟；SceneMixer 的每个生成的片段也要好几分钟，因为模型本身就需要好几分钟。
一支 AI 视频要花多少钱？
SceneMixer 的默认档位下，视频每秒 8 积分，合成每秒 1 积分，所以一集 60 秒的视频在重做前大约要 540 积分。
我必须标识 AI 视频吗？
你发布的平台有各自的标识功能，应该善用。SceneMixer 的免费账号默认会加上一个小小的 AI 角标，关掉它则是会员的权益。
更新于 2026 年 11 月 3 日