怎么用手机制作 AI 视频？从分镜到成片的全流程指南

用手机制作 AI 视频，完全可以一个人独立完成，整体只有五步：写分镜表 → 锁定画幅和人物 → 逐镜头生成首帧图 → 图生视频 → 声音先行、最后拼剪。真正让人半途而废的，往往不是工具难用，而是在各个应用之间来回切换时素材散了、编号乱了。开始前先说一句：如果想让 AI 先帮你把分镜、台词这类前期工作做掉，可以打开百度搭子 DuMate直接体验；需要了解购买方式时，再看购买入口，不付费也不影响按本文流程完成任务。

一、动手前：先在备忘录写好镜头表

手机上最容易出问题的环节是“做到一半找不到哪张图对应哪个镜头”。解决办法很朴素：动手前先在备忘录里写 6～8 行镜头表，每行只写五件事——编号、景别、谁、做一个动作、几秒。之后所有生成的图和视频都沿用同一套编号命名，切到任何应用都不会乱。

示例（主题：清晨咖啡店，女生发现窗外下雪）：

编号	景别	画面内容	时长
01	远景	清晨街道，路灯还亮，行人稀少	4 秒
02	中景	女生推开咖啡店玻璃门	4 秒
03	近景	她坐到窗边，把手机放在桌上	3 秒
04	特写	窗外飘雪，玻璃上有一层雾气	3 秒
05	近景	她抬头看见雪，露出微笑	4 秒
06	特写	她举起手机拍窗外的雪	3 秒

写不出分镜不用硬憋，这一步可以直接交给 AI 助手，复制下面的 Prompt：

请为一条 15～20 秒的竖屏 AI 短视频生成分镜表。
【视频主题】填写主题，例如：清晨的咖啡店，女生发现窗外下雪了
【视频风格】填写风格，例如：日系电影感、暖色调、安静氛围
【主要人物】填写人物，例如：25 岁女生，齐肩黑发，米白色高领毛衣
【镜头数量】填写数量，建议 6～8 个
要求：
1. 每行输出：镜头编号｜景别（远景/中景/近景/特写）｜画面内容（人物＋一个动作）｜时长（3～5 秒）；
2. 第一个镜头交代环境，最后一个镜头收束情绪；
3. 每个镜头只包含一个动作、一处场景，方便后续逐镜头做图生视频；
4. 用表格输出，方便我直接复制到手机备忘录。

拿到结果后务必人工过一遍：把“低头看手机并微笑”这类复合动作拆成两个镜头，把超过 5 秒的镜头拆短。另外，如果你想做的其实是带剧情、有台词的真人短剧，也可以试试AI 真人短剧生成体验，把故事大纲和人物设定交给它，先直观感受从文字到短剧的成片效果，再回来打磨自己的分镜。

二、画幅与人物：出图前就锁死

两个决定必须在生成第一张图之前做好。

画幅直接定竖屏 9:16，在出图时就选竖版。不要先出横图再裁，裁完人物常偏到画面边缘，脸还可能被切掉。

人物先定一张干净的半身参考图，之后每个镜头的首帧生成都带上它。外貌描述写成固定一段话，例如“25 岁女生，齐肩黑色直发，米白色高领毛衣，清淡妆容”，每次生成时原样粘贴在提示词开头。不这样做，换个镜头人物就会“变脸”，前面所有镜头等于白做。

三、逐镜头生成首帧图

按分镜编号逐个出图：先出 01，满意了再出 02。每一张首帧都检查三件事——人物是否与参考图一致、服装有没有变、光线方向是否统一。首帧不满意就重生成，不要急着让它动起来：图生视频的质量上限，就是首帧的质量。

生成的图统一按编号命名（如 01、02），收进同一个相册文件夹。这一步只花一分钟，后面能省半小时。

四、图生视频：一次只提交一个镜头

让画面动起来时，记住两条纪律。

单段控制在 3～5 秒，提示词只写一个动作加一种镜头运动。 模板是“【一个人物动作】＋【一种镜头运动】”，例如“她低头看手机，镜头缓慢推近”。常见的镜头运动包括固定镜头、缓慢推近、缓慢拉远、跟随平移，一段里只用一种。画面里已有的内容不要再描述——服装、场景、光线已经由首帧决定，提示词写多了反而干扰生成。

一次只提交一个镜头。 手机端网络一断，排队中的任务容易丢。等上一个结果出来、看过没问题，再提交下一个，顺手按编号保存。

想让相邻两个镜头接得顺，有个简单技巧：把上一段视频的最后一帧截图，作为下一段的首帧。这样人物姿态和光线自然衔接，观感接近连续镜头。

五、声音先做，剪辑放最后

顺序反了会很痛苦：先剪画面再硬塞台词，十有八九节奏对不上。正确做法是声音先行——台词可以自己对着手机念，也可以用文字转语音，先把每句话的时长定下来，再回头按语音长度裁画面。

台词同样可以让 AI 帮你起草：

请为一条 15 秒的竖屏短视频写 3～4 句台词（旁白）。
【视频主题】填写主题
【人物语气】填写语气，例如：温柔、自言自语式
要求：口语化，每句不超过 12 个字，每句单独一行，并标注预估时长（按每秒约 4 个字估算）。

最后在手机剪辑应用里按编号顺序拼镜头：镜头之间留半秒左右的环境声或空隙，转场不堆特效；字幕和音效放在最后加。加之前先完整看一遍无声版，确认画面节奏本身成立。

六、常见问题与避坑清单

• 存储爆满：手机存储很容易被几十段生成视频占满。每做完一个镜头就导出备份到网盘或电脑，不满意的当场删，不要攒着。
• 任务丢失：生成任务提交后尽量保持应用在前台，网络不稳时优先做短镜头。
• 人物变脸：回到第二步，检查每张首帧是否都带了参考图和固定外貌描述。
• 画面切脸：检查画幅是否一开始就选了 9:16 竖版。
• 镜头接不顺：用“尾帧接首帧”技巧，或在两个镜头之间插一个特写做转场。

工具选择上，手机上需要的无非四类：AI 对话助手（写分镜和台词）、文生图工具（出首帧）、图生视频工具（让画面动起来）、剪辑应用（拼成片）。建议先用各工具的免费额度，完整走通一条十几秒的小片，卡在哪一步，再针对那一步去挑付费方案，不要一开始就囤会员。

七、总结

手机做 AI 视频的完整链路是：分镜表 → 竖版画幅＋人物参考图 → 逐镜头首帧 → 3～5 秒图生视频 → 声音先行 → 按编号拼剪。第一次做不必追求长度，十几秒、六个镜头足够验证全流程；流程跑顺了，再延长故事、增加台词。想挑战更完整的剧情短片，可以回到AI 真人短剧生成体验，对照成片结构反推自己的分镜写法；日常的分镜、台词和优化建议，则随时可以打开百度搭子 DuMate让 AI 帮你起草。第一条片子做得糙没关系，流程通了，第二条就会快很多。