先交代一下背景。我在做AI视频这条路上最崩溃的不是不会用工具而是跟着教程走完发现每一步都只讲了半截提示词教了生成工具不给力工具教了配音又不会等你全都会了发布出去又没人看。后来我把整套流程自己捋了一遍从拆爆款、写脚本、生成画面、配音配乐到剪辑发布全部串成一条能跑的流水线起名叫“扁豆”。豆子便宜、好活、不需要多复杂的环境就能发芽这状态特别像咱们普通人做AI视频门槛不高但得有人把流程给说全。这篇文章就是把我这套“扁豆”全流程创作课的完整思路写出来。适合谁看想用AI做短视频但一直停在“知道工具、不知道怎么出货”阶段的人或者已经能生成素材但始终做不出能发布的成片的人。我会把整个流程拆成六块告诉你每个环节要解决什么问题用什么免费或低门槛的工具以及我踩过的坑和现在还在用的参数。看完之后你至少能照着跑通一条完整的AI视频。1. AI视频全流程到底是什么先把地图摊开1.1 一句话概括不是只“生成视频”是把一条视频从0做到能发布很多人对“AI视频”的理解停留在“输入一句话AI吐出一段画面”。这个理解没错但不是全貌。你去看那些播放量高的AI视频账号真正拉开差距的地方往往不是AI生成能力而是前面有没有想清楚发什么、脚本节奏对不对以及后面有没有把配音、字幕、音乐、封面处理好。AI只是这整条流水线里的一环。所以我在设计“扁豆”这套流程时第一件事就是把“做一条能发布的视频”拆成完整的链路。大概是这样选题定位明确给谁看、解决什么问题、用什么形式表达。爆款拆解从同类账号里找已经跑通的内容结构提炼可复用的模板。脚本与提示词把选题变成口播文案或画面描述再把关键描述转成AI能理解的提示词。画面生成用文生视频、图生视频或数字人工具产出和文案匹配的视觉素材。配音与音乐生成自然的语音旁白配上合适且版权安全的BGM。剪辑与发布把素材按脚本顺序拼起来加字幕、调节奏、导出发布。这六步缺哪一环都不行。你只学生成可能会做出一堆精美但没人看的片段你只学剪辑手里又没素材你只看爆款拆解不会落成自己的脚本照样发不出东西。把地图先摊开你就明白该往哪个环节使劲了。1.2 “扁豆”流程的6个环节具体都在解决什么问题我习惯把整条流程做成一张表每个环节有明确的输入和输出这样在实操中就不会迷路。环节要解决的核心问题主要产出物选题定位做什么内容才有人看1个选题方向、目标平台爆款拆解别人为什么能跑出流量1份结构拆解、可复用的节奏模板脚本与提示词如何让AI按你的意图产出1份口播文案、N条生成提示词画面生成如何获得版权安全且有质量的素材若干条5秒左右的视频片段配音与音乐如何让成片“听得舒服”旁白音频、背景音乐、音效文件剪辑与发布如何把素材变成正式作品1条可发布的成片及封面标题每一次做视频我不会凭空开干而是先花15分钟把表格填个大概。比如这条视频是给谁看的、目标平台是竖屏还是横屏、文案大概多长、需要几个画面片段、用什么风格。表格填完后面每一步都像在执行清单不会漏。1.3 为什么敢说“0门槛”每个环节都有免费替代方案经常有人问我这套流程是不是要买很多付费工具我可以说不用。我做“扁豆”这套课的核心理念是先用免费方案把流程跑通等你确定哪个环节是瓶颈再考虑花钱提效。免费能做的事情其实非常多。画面生成可以用免费在线工具也可以用自己的电脑跑开源模型配音可以用在线TTS的免费额度剪辑直接用剪映就行它的自动字幕和AI配音已经够用爆款拆解也有免费的一键解析工具可以抓取公开链接里的文案和结构用来学习参考。说白了0门槛不是一句口号而是每个环节我都试过用免费方式跑通真的不需要一开始就掏钱。当然免费方案也有痛点排队、次数限制、时间限制。这个我后面会专门聊“无限制”这件事先记住一个结论工具限制不是问题流程不顺才是问题。2. 第一步先学爆款一键提取链接里的文案与结构2.1 “一键提取”到底是什么原理怎么用才不踩坑现在市面上有不少工具支持“一键提取小红书、抖音、视频号链接里的文案和资源”这个功能被说得很玄其实就是通过公开分享链接去解析出页面上能看到的文字信息正文文案、话题标签、发布时间、BGM信息有的还能把视频里的字幕和语音转成文字。相当于帮你把一条公开视频“拆开”方便你做学习记录而不是让你去搬运别人的成片。我自己的用法是把它当“拆解工具”不是“素材库”。重点是看三样东西文案结构前3句话怎么抛钩子中间怎么铺垫最后怎么引导互动。画面节奏视频大概多长多少秒切一个镜头有没有字幕提示重点。评论区反馈用户是在问“怎么做的”还是“在哪买”这会直接影响你后续选题方向。要特别提醒一句链接解析出来的文案、素材、音乐原则上仍然属于原作者的创作成果。你可以借鉴它的结构和节奏但不能整篇照搬文案更不能下载视频素材直接二次发布。把工具用在“学方法”上路会越走越宽用在“抄袭”上号早晚出问题。2.2 实操把一条爆款拆成可以“抄作业”的结构模板我第一次用这套方法拆的是三条同领域的爆款视频步骤很简单你可以直接照着操作。第一步去找同类型账号里数据好的视频注意不要只看点赞还要看看评论区和转发量综合判断这条视频是不是真的让用户有反应。第二步复制视频链接粘贴到解析工具里拿到完整文案和标签。这一步重点不是存下来而是把文案粘贴进文档后手动标出段落开头、中间、结尾各从哪里到哪里。第三步把“开头钩子”单独摘出来看。比如一条讲AI动物视频的教程开头很可能是“你敢信这条视频完全是用AI做出来的”这种钩子是在制造反差有的则是“今天教你用三步生成一条会动的宠物视频”这种钩子是在明确承诺。你可以记录三种不同类型的开头留作自己的素材库。第四步看中段的结构密度。一条60秒的视频通常会有3到4个信息点每个信息点对应一个画面变化或字幕强调。把每个信息点写成一行的关键词你会看到一个清晰的“脚本骨架”。第五步把拆完的骨架保存到一个表格里标注平台、领域、标题、开头钩子、信息点、结尾引导、BGM风格。下次你做选题时直接从这个表格里挑一个骨架来填充自己的内容效率会高很多。我记得有一次拆了一条口播类视频发现它的成功在于“前10秒连续抛出3个反常识的问题”而我之前做的视频是“先自我介绍再讲干货”难怪没人看完。从那以后我在写脚本时会把“用户凭什么在前3秒留下来”当成第一优先级这个习惯就是从拆解里学来的。2.3 拆完链接之后怎么判断这条视频值不值得学不是所有爆款都值得模仿。有些视频本身就是靠已有粉丝量推上去的选题和结构并不出色有些是运气型偶然流量复现概率很低。我判断一条内容值不值得拆通常会看三个维度。可复制性这条内容的画面是不是AI能稳定生成的节奏是不是普通人能模仿的如果全程需要实拍、真人出镜、特定场地那对纯AI视频创作者参考价值就小。可持续性它是能只火一次还是能衍生出一整个系列比如“让人物老照片动起来”就比“某个热点事件播报”更适合做系列化。触发点用户为什么点赞是觉得惊奇、觉得有用还是觉得感动触发点越清晰拆解出的模板越好用。我会给每一条拆解的爆款打个“可学指数”低于6分的基本不看。这样建起来的选题库不是流水账而是真正能被你自己内容复用的弹药库。3. 脚本和提示词0门槛但最值钱的地方3.1 从“一句废话”到“AI能直接画出画面”生成视频时最怕的不是AI笨而是你把一句模糊的话丢给它然后期待它自己理解你要什么。比如你输入“一只猫在跑步”AI可能给你生成一只糊成一团的猫也可能生成一只写实的、在森林里跑的猫。画面风格完全随机因为你没告诉它镜头在哪、光线什么样、环境是什么。我后来总结出一个很朴素的道理提示词的本质是“用文字给画面导演分工”。你写得越具体AI就越能还原你脑子里的画面。举个例子把“一只猫在跑步”改成“一只橘猫在黄昏的城市街道上奔跑镜头从侧面跟随浅景深背景是模糊的居民楼和路灯暖黄色光线电影感高细节Instagram风格竖屏9:16。”同样是一句话生成视频后者出来的素材显然更容易被剪进成片里因为从主体、动作、环境、镜头、光线到画幅全部被锁死了。这不是玄学而是提示词工程的基本功。3.2 提示词万能公式以及我最常用的参数模板很多教程喜欢把提示词讲得很复杂一会儿又是负面词一会儿又是权重符号。但作为0门槛入门我建议先掌握一个万能公式提示词 主体 环境 动作 镜头 光线 风格 画质/画幅主体画面核心是什么尽量写具体。是“橘猫”就别只写“动物”是“穿红色连衣裙的女孩”就别只写“人”。环境主体所在的空间。街道、森林、房间、海边、太空写清楚。动作主体在做什么是奔跑、回头、微笑、飞起来还是静止。动作描述能直接决定AI生成的动态幅度。镜头固定机位、跟随镜头、缓慢推进、特写、全景。镜头信息对生成视频尤其重要因为AI视频是有时间维度的。光线自然光、暖黄昏、霓虹灯、逆光、柔和影棚光。光线是画面质感的隐形推手。风格写实、卡通、三维渲染、水墨、赛博朋克、皮克斯风格等。画质和画幅高细节、8K、4K、电影感、竖屏9:16、横屏16:9。我在实操时一般会先写主体和环境把最容易翻车的部分定下来然后再加风格和画幅。因为很多在线工具对超长提示词支持并不好核心词被淹没反而会生成得乱七八糟。3.3 我自己的免费提示词灵感库直接抄就行做账号最忌讳每次从零开始想提示词。我建了一个表格按题材分类存了几十组常用提示词模板每次做再根据具体选题微调。这里先放几个最常用的全部配了翻译写法方便你在不同工具里切换。题材提示词参考中文英文参考适合部分工具动物一只白色狐狸在雪地里回头镜头缓慢推进冷色调自然光写实风格毛发细节清晰竖屏9:16A white fox looks back in the snowy field, slow push-in, cold tone, natural light, realistic style, detailed fur, vertical 9:16风景悬崖边的云海日出镜头从近处岩石推向远方太阳暖金色光线电影感广角镜头4KSunrise over cloud sea at the cliff, camera moves from rocks to the distant sun, warm golden light, cinematic, wide lens, 4K人物一个穿雨衣的人走在夜晚霓虹街道雨滴慢动作反射灯光赛博朋克风格浅景深A person in a raincoat walks on a neon street at night, rain in slow motion, reflective lights, cyberpunk style, shallow depth of field产品一瓶香水放在大理石台面上背景是柔和渐变光镜头环绕微距特写高级感静物Perfume bottle on marble table, soft gradient light, orbit shot, macro close-up, premium look, still life科技一台机械手臂在实验室里组装修理机器人蓝色冷光科幻风格动态镜头高细节A robotic arm repairs a robot in a lab, blue cool light, sci-fi style, dynamic shot, high detail这些提示词不是万能钥匙但作为起点足够。你慢慢会发现同一条提示词在不同工具里出来的画面风格差异很大这时不要急着换工具先试着替换其中“风格”部分的词比如从写实变成3D渲染变化就很明显。4. 画面生成免费与开源工具怎么选、怎么调4.1 先选工具类型再选具体工具顺序别搞反很多新人把时间浪费在“今天试用这个工具、明天测试那个工具”上其实工具之间没有绝对的好坏只有适不适合你当前的设备、成本和目标。我一般把AI视频生成工具分成三类每一类的用法完全不同。工具类型适合谁优点最大限制在线免费生成新手、没有好显卡的人打开就能用经常有免费额度排队时间长、次数和时长受限本地开源部署有独立显卡、愿意折腾的人没有单次时长和次数限制隐私好需要配置环境和显卡门槛较高API接口调用批量生产、想要自动化的进阶玩家能够按量付费可接入自己的脚本需要写代码或使用第三方平台封装我的建议是第一次做先在线免费生成工具用那我前文提到的提示词模板跑出几条片段感受一下“一句话到一段视频”的完整过程。等你确定自己真的需要高频产出再去考虑本地部署或者API方案。千万不要一上来就买高价服务或攒显卡。真实的需求永远是先被流程试出来的而不是被工具包装出来的。4.2 实操参数我现在默认这么设置工具看多了你会发现里面乱七八糟的参数其实就几个核心值比较重要。我个人的默认参数是这么设置的你拿去可以直接用分辨率/画幅如果是发抖音、小红书、视频号直接选竖屏9:16如果是B站横屏内容选16:9。宁可一开始就选对画幅也别指望剪辑时再裁因为AI生成的内容一旦裁切主体很容易被切出画面。片段时长我习惯生成5秒左右的短片段。一方面免费工具通常限制生成时长另一方面短视频剪辑本身就是素材间的拼接5秒刚好适合一个镜头。别一上来就生成20秒长视频因为AI在长片段里保持主体一致性的难度会明显上升。运动幅度我会把运动幅度控制在中等或者“柔和”。幅度太大会导致主体变形平时看很多AI视频里的手部扭曲很多就是运动幅度设太高导致的。幅度太小又像一张静态图。试几次就能找到自己的手感。生成步数与风格强度步数越高细节越丰富但时间越慢我用在线工具时不会刻意追求最高通常选择中等偏上就够用。风格强度则需要评估想忠实还原原图就调低想AI重绘感觉更强就调高。还有一个特别重要的点是负面词。很多在线工具支持填写负面词例如“模糊、变形、多余手指、水印、文字”。如果你用的工具支持建议直接填上这些。如果不支持那就让提示词里别出现“watermark/text/logo”这些词能减少AI自己往画面里塞奇怪文字的概率。4.3 关于“无限制AI视频”的实话“无限制AI视频”“免费无限生成”这类说法在网上特别火但实际经历过的人都明白真正能做到“无限制”的基本是三种情况。第一种是本地部署开源模型。只要你电脑的显卡足够好跑一次是运行自己的算力自然没有次数和时长限制。这是最接近“无限制”的方案但需要你自己下载模型、安装依赖对电脑有要求对小白也有门槛。第二种是组合多个在线工具。很多免费工具都提供每日额度你把这个工具的额度用完换另一个工具继续。本质上是用“多备几个碗”来绕开“一顿饭只能吃一碗”的限制但每换一个工具画风都会有差异需要你在提示词里做适配。第三种是API付费额度。很多公司提供按次或按量付费的API只要你充钱就没有次数墙和时长墙。但说实话这对普通个人创作者来说成本偏高更适合做矩阵号或批量素材库的进阶玩家。所以当你看到“无限制”三个字先冷静一下问一句它是靠你电脑的算力还是靠你多花时间排队还是靠你花钱买额度没有白嫖的无限制只有流程优化后的“够用”。我在“扁豆”流程里的做法是关键镜头用质量更高的免费额度生成普通素材用开源批量跑最后剪辑时只挑能用的片段进成片这样既不会卡在工具上也不会浪费算力。5. 配音、音乐、剪辑让生成素材变成“能发的成片”5.1 免费配音和BGM怎么选才不会让成片显得廉价画面生成完之后下一步就是声音。声音做得好能瞬间拉高一条AI视频的观感声音做得差再炫的画面也会被一秒打回“劣质搬运号”。配音方面现在在线TTS工具的自然度已经很高可以免费生成多种音色。我选音色时有个小技巧不是选“最好听的”而是选“最符合内容场景的”。科技资讯类我会用清晰的中性音色情感故事类会用更柔和的女声搞笑混剪类则用更轻快的年轻男声。另外不要忽视语速和停顿语速通常设在“比日常说话稍快一档”因为短视频用户耐心有限每讲完一个关键信息语音最好有0.3到0.5秒的停顿给观众留出理解时间。BGM的选择则要特别注意版权问题。很多免费可商用的音乐库都能找到合适的背景音乐建议你养成一个习惯新建一个剪辑项目时先把BGM拖进去再看画面。因为音乐是情绪的底层你先听出情绪再决定画面镜头怎么切换比最后随便配一首歌要协调得多。有一个细节是我踩过坑的部分平台对BGM版权要求很严格哪怕你用的是平台自带曲库发布之后也可能因为版权原因被限制或静音。解决办法是尽量选择平台明确标注“可商用”的音乐自己上传的素材也要保留好来源记录。别为了一时省事给账号留下隐患。5.2 用剪辑软件把碎片变成作品这几个AI功能是真的省事现在主流剪辑软件都内置了AI功能对AI视频创作者来说帮助很大。我在“扁豆”流程里经常用的是这几个功能不复杂但解决的是实打实的痛点。自动识别字幕生成完整语音后剪辑软件能自动把字幕生成出来。你要做的不是自己打字而是快速检查错别字和断句位置。字幕风格尽量统一画面文字不要超过三行不然就成了“字幕视频”。AI配音/音色克隆有些工具支持先用你录的几秒钟声音做音色克隆然后由AI念文案。适合想做个人IP但没时间反复录音的人。不过要注意开通这类功能之前先看看平台对声音使用权的说明别在不知情的情况下授权给奇怪用途。智能抠像和智能裁剪AI生成的视频背景往往比较乱智能抠像可以把主体抠出来重新合成到干净背景里。智能裁剪则适合快速生成不同平台格式的版本省去手动调整布局。卡点剪辑把音乐剪辑和画面切换自动对齐。尤其是做“画面音乐转场”的短平快内容时这个功能能直接决定节奏感。我会在剪辑时把“每一步需要观众看到什么”写在剪辑软件的便签或标题上按脚本顺序把生成好的片段拖到时间线先粗剪出主干再根据音乐节奏微调每个镜头在哪个鼓点切换。整个过程听起来很杂但熟练之后一条60秒的成片30分钟内就能完成。5.3 导出设置别乱选按发布平台来定最后一步是导出。我见过不少人生成得很辛苦结果导出时分辨率选错白白浪费前面的工作。给一个我常用的参考设置抖音、小红书、视频号竖屏1080x192030帧码率选高一点但不要超过8Mbps。文件太大会影响上传和后台转码速度。微博、B站、横屏教程横屏1920x108030帧或60帧都行内容以口播为主时30帧足够以快速运动或特效为主时可以选60帧。字幕大小导出前检查手机全屏看是否清晰。不要太小也不要大到遮住画面主体。导出之前我建议再整体看一遍没有声音的静音版本只盯着画面看确认每一个镜头都有存在的意义。如果某个镜头在静音模式下让人困惑那观众带声音看更不会注意到这种镜头就换掉。6. 常见问题与避坑实录6.1 我的电脑能跑得动吗这是被问得最多的问题。我的判断标准很简单如果你只想用在线工具生成片段电脑只要能流畅打开浏览器就够用手机甚至都能完成大半流程。真正对电脑有要求的是本地部署开源模型一般建议使用NVIDIA显卡、显存至少8GB起步还要装Python等环境适合愿意折腾的人。如果只是做口播类、图文成片类视频电脑配置要求非常低。我认识一些人费了很大劲搞定了本地部署结果显卡发热、排队调度、环境依赖一堆事最后产出效率还不如在线工具高。所以别把“本地部署”当成“更高级”的标志工具只是手段成片才是目的。6.2 会不会被平台限流怎么保证原创性平台对纯搬运内容的打击越来越严格但对“AI辅助创作”的审核更多落在内容有没有价值、有没有违规而不是“用了AI就会限流”。我自己做了很长时间感受是AI工具降低了画面生产的门槛但没有任何工具能替你想清楚选题和文案。平台算法喜欢的不是“AI不用人管”而是“内容能留住用户”这两个之间有本质区别。为了保证原创性我的做法是每一条视频都保留完整的创作记录选题表、脚本草稿、提示词、生成的素材文件、剪辑工程文件。这不仅是为了将来有人质疑你有据可查也是为了你自己复盘时知道哪一步做得好、哪一步可以改进。发布时我不会刻意隐瞒使用了AI工具有时反而会在评论区大方回答“用的是AI辅助生成画面”因为在现在这个阶段观众对AI内容的态度已经从陌生变成了好奇。6.3 网上说“UFC好多比赛视频都是AI做出来的”到底怎么回事这个话题我经常在评论区看到有点哭笑不得。首先要说清楚真实的UFC比赛本身不可能是AI生成的AI再强也不能凭空生成一场真实发生的格斗比赛的实况画面。网上那些说法大多是指一些资讯类或剪辑类账号用AI生成了与比赛相关的动画、解说、数据可视化或者用AI做了选手风格的预测模拟画面然后配上真实比赛的音频信息包装成“AI视频”。这类内容可以看个乐但你如果也想做体育资讯类AI视频一定要非常小心不能把AI生成的模拟画面冒充真实比赛实况容易造成误导也存在版权问题。安全的做法是明确在画面或标题里标注“AI模拟”“AI解说”等字眼让观众清楚这不是真实比赛录像。这个原则适用于一切AI视频创作真实与生成之间必须有一条清晰的边界。6.4 发布在小红书、B站的内容会被大模型“吃掉”吗经常有人担心自己辛辛苦苦发的视频和文案是不是会被大模型拿去训练或者被“吃掉”变成别人的素材。我的看法是要分两层看。一方面公开平台的内容确实可能被用于改善推荐算法、内容理解或训练相关模型因为你在注册平台时用户协议里通常会包含数据使用的授权条款。这是公开平台运行的常见情况不是某个孤例。另一方面平台不太可能把你的单独一条视频“剪出来”塞给另一个用户当原创内容因为这既不符合平台利益也容易引发纠纷。作为创作者你能做的是涉及个人隐私、未公开的信息不要发到公开平台作品里如果需要保护独特性可以加上明显的水印或个人标识对平台的用户协议保持基本了解别稀里糊涂签了特别苛刻的授权还毫不知情。用“信息分级”的心态去发布内容就好不用过度恐慌。6.5 新手最容易翻车的3个细节最后说说几个我见过太多次的低级问题每一个都能让一条AI视频从“能发”变成“翻车”。第一忽略了平台画幅。同一个画面在横屏上看起来正常到了竖屏播放器里可能主体根本不在画面中央。所以生成素材前就要确定平台再用对应画幅生成而不是打包所有素材再后期裁剪。第二字幕和文字堆太多。AI视频本身信息密度已经很高再配上密集的字幕观众会在前5秒就划走。字幕只保留核心句子其余用画面和声音去表现。我自己的原则是每屏字幕不超过一行半。第三素材“一眼假”还不做任何处理。AI生成画面往往有轻微的不稳定比如人物手部细节变形、物体边缘抖动。很多人直接把原片段扔进成片评论区瞬间就炸了。解决办法是尽量用短片段配合快速转场让观众来不及仔细盯住细节如果某个镜头特别重要就多生成几次挑最稳定的一条用。做AI视频到现在我最大的感受是这个领域最大的红利不是工具多先进而是愿意把完整流程跑通的人还不多。很多人停在“生成了一条片段”就发朋友圈而真正能持续产出的人早就把选题、脚本、提示词、配音、剪辑做成了自己每天的固定动作。我现在看到一条爆款视频第一反应已经不再是羡慕而是习惯性地把它扔进“扁豆”流程里拆一拆看它的钩子、节奏、画面和声音是怎么配起来的。拆得多了自己的手感也会变好。这套方法不需要你有很强的技术背景也不需要投入很多钱只需要你愿意按流程走一遍然后在这套流程上长出你自己舒服的节奏。这就是我觉得“0门槛”最真实的样子。