如何用 AI 做视频：2026 分步指南
在生成器里输入"一个女孩走在城市里"，得到一段好看的片子，评论区马上有人说"AI 垃圾"。好的 AI 视频不是一次碰运气的提示词，而是一条短流程：知道模型在哪里翻车，为每个镜头选对模型，分块写提示词，保持同一张脸，修改而不是重新生成，算好预算，按信息流剪辑，再加上标注。下面一步步来。
第 1 步：知道 AI 视频会在哪里翻车
观众每次抓到的都是同样的错误：脚在地上滑、文字和 logo 变形、物体在镜头中途变成别的东西。大制作也逃不掉：可口可乐 2024 年的 AI 广告正是因为这些毛病被批评，短片 Air Head 的团队说，大约每生成 300 秒才有 1 秒能用。
发布前做 10 秒检查：用 0.25 倍速播放，盯住脚、手、文字和物体边缘。课程：AI 视频为什么会翻车
第 2 步：按镜头选模型，不按品牌
不存在唯一最好的 AI 视频生成器。截至 2026 年 10 月，每个强模型各有分工：
- Kling 3.0（快手）：身体动作、舞蹈、动作戏。
- Seedance 2.5：最多接受 50 个参考素材，片段最长 30 秒。
- Veo 3.1 和 Gemini Omni：擅长在同一片段里生成说话和声音。
- Runway：修改现成素材。Wan：开源模型。
- Higgsfield：聚合平台，多个模型共用一个积分余额。
模型还会消失：OpenAI 在 2026 年 4 月 26 日关闭了 Sora 应用，2026 年 9 月 24 日关闭了 API。所以提示词和参考图要自己保存，别只放在某一个服务里。课程：2026 年模型地图
第 3 步：分块写提示词
视频提示词不是愿望，而是镜头描述。先写一行固定的风格句，每个镜头都重复（比如"35mm、轻微胶片颗粒、9:16、画面无文字"），再写第一帧和每个人的位置，最后写一个动作。一个镜头一个动作："她转身微笑"和"她跑向汽车"是两次生成，不是一次。
有意识地选模式。文生视频给模型更多自由；图生视频从一张已经确认的画面出发，风格更可控。课程：提示词的结构
第 4 步：整支片子同一张脸
最典型的翻车是主角每个镜头换一张脸。先做角色设定图：同一个人，6 个角度。再写一份简短的"角色护照"（年龄、发型、服装、细节），逐字粘贴到每条提示词里。加上参考图：Veo 3.1 最多 3 张，Seedance 2.5 最多 50 个。
别让模型画你的 logo，它会把字画坏。logo 在剪辑时加。最后把所有镜头的画面放进一张网格图，并排对比脸。课程：整支片子同一张脸
第 5 步：修改，而不是重新生成
只有一个细节不对时，重新生成就是抽奖：问题没了，做得好的部分也一起没了。先找原因，再用对工具：局部修改处理一个点，重绘风格处理整体观感，延长或插帧处理时长，放大只在最后、只对成片镜头做。剪辑用剪映（CapCut）或免费的 DaVinci Resolve 完成。课程：修改而不是重新生成
第 6 步：点"生成"之前先算预算
一个好镜头常常要试 20 次以上，所以每次尝试的价格决定一切。Veo 3.1 在 1080p 下每秒 0.40 美元，一段 8 秒片段就是 3.20 美元。Fast 档每秒 0.12 美元，Lite 档 0.08 美元。
课程里的账：在最高档试 300 次，要 300 × 3.20 = 960 美元。同样 300 次草稿放在 Lite 上是 192 美元，再把选中的 15 个镜头用最高档渲染，多花 48 美元：一共 240 美元，便宜四倍。草稿用便宜档，成片用贵档。课程：预算和积分
第 7 步：为 TikTok、Reels 和 YouTube Shorts 剪辑
观众在前 3 秒就决定走不走，所以钩子放最前面。一个简单的 15 秒骨架：0–3 秒钩子，3–8 秒故事，8–12 秒产品或要点，最后 3 秒行动号召。
从一开始就生成 9:16。如果把 1080p 的 16:9 片段裁成竖屏，宽度只剩大约 608 像素。导出 MP4（H.264 视频、AAC 音频），分辨率 1080×1920，发布前在手机上静音看一遍：很多人就是这么看的。课程：剪出有人看的片子
第 8 步：给 AI 视频加标注
"AI 生成"标注已经不是个人喜好的问题。自 2026 年 8 月 2 日起，欧盟《人工智能法》第 50 条要求标注逼真的 AI 内容，罚款最高 1500 万欧元或全球营业额的 3%。中国的标注规定自 2025 年 9 月 1 日起施行。TikTok、YouTube 和 Meta 都有自己的 AI 标签，C2PA 和谷歌的 SynthID 会在文件里加不可见的标记。规则很简单：看起来像真的、又是生成的，就要标注。课程：AI 标注
常见问题
怎么免费用 AI 做视频？
几乎所有认真的模型生成视频都要花积分，所以"免费"的意思是尽量少花：提示词先想好、测好，草稿用最便宜的档（Veo 3.1 Lite 每秒 0.08 美元），只有成片镜头用最高档渲染，剪辑用免费的 DaVinci Resolve。
哪个 AI 做视频最好？
看镜头。Kling 3.0 擅长身体动作，Seedance 2.5 擅长多参考的长片段，Veo 3.1 和 Gemini Omni 擅长说话和声音，Runway 擅长修改现成素材。按任务选模型，别一个品牌包打天下。
AI 视频必须标注吗？
逼真的 AI 内容需要，而且要求越来越多：欧盟《人工智能法》自 2026 年 8 月 2 日起要求，中国自 2025 年 9 月 1 日起要求，TikTok、YouTube 和 Meta 也有 AI 标签。标注还能保护信任：事后才发现的观众会觉得被骗了。