怎么用手机制作 AI 视频？一套可落地的完整流程

用手机做 AI 视频，真正的难点不在“生成”，而在“管理”：素材散在各个应用里、步骤之间来回切换、做到一半找不到哪张图对应哪个镜头、换个镜头人物就变脸。解决思路是先规划、再固定变量、最后按编号流水线作业。下面这套流程，按顺序执行即可，不需要一次性记住所有细节。

如果你希望把分镜整理、提示词润色、配音文案这些“文字类准备工作”先交给 AI 助手完成，可以打开 百度搭子 DuMate 边聊边整理；需要了解购买方式的用户可查看 DuMate 购买页。不依赖 AI 工具也完全能按本文走完，AI 只是帮你把前置准备做得更快、更整齐。

第一步：动手前先写“镜头表”，这是全流程的地基

不要一上来就打开生成工具。先在手机备忘录里写 6～8 行镜头表，每行只写四件事：景别、谁、做一个动作、几秒。例如：

编号	景别	谁	动作	时长
01	半身	女主	低头看手机	4s
02	近景	女主	抬头看向门口	3s
03	全景	女主	起身走向窗边	5s

两个关键规则：每个镜头按编号命名，生成的图和视频都用同一个编号（如 01.png、01.mp4）；画幅一开始就定成竖屏 9:16，出图时就选好，不要先出横图再裁——裁完人物常常偏到边上，脸还可能被切掉。

镜头表本身就是一份“可复制的输入”。你可以把表格内容直接交给 AI 助手，让它帮你检查节奏、补充缺失的镜头或改写动作描述。可参考这段 Prompt：

【任务需求】帮我把下面的手机AI视频镜头表整理成规范分镜表，并检查节奏是否合理。
【上传资料】我的镜头表（每行含景别、人物、动作、时长）如下：
（在此粘贴你的6～8行镜头表）
【输出要求】
1. 保留原有编号，输出为表格：编号/景别/人物/动作/时长/画面要点；
2. 指出总时长超过20秒或单镜头超过5秒的地方，并给出压缩建议；
3. 对每个动作补充“一个动作+一种镜头运动”的写法示例；
4. 不要新增人物，不要改变画幅设定（竖屏9:16）。

第二步：先定人物，再逐镜头出首帧

人物一致性是手机 AI 视频最容易翻车的地方。做法是：先定一张干净的半身参考图，之后每张首帧都带上它；外貌描述写成固定一段，原样粘贴，不要每次重写，否则换个镜头就变脸。

每个镜头先只出一张首帧图，确认人物、服装、光线都满意了，再送去做图生视频。首帧不满意就重出，不要带着问题往下走——后面每一步都会放大这个问题。

第三步：图生视频，单段控制在 3～5 秒

提示词只写一个动作加一种镜头运动，例如“她低头看手机，镜头缓慢推近”。图里已经有的内容（人物长相、衣服、背景）不用再描述，描述越多越容易跑偏。

手机端网络一断，任务容易丢，所以一次只提交一个镜头，等结果出来、看过没问题再提交下一个。想让两个镜头接得顺，就把上一段的最后一帧截出来，当下一段的首帧，衔接会自然很多。

可复制的单镜头 Prompt 模板：

【任务需求】为图生视频写一条提示词。
【输入信息】镜头编号：01；画面内容：（一句话描述）；期望动作：（一个动作）；镜头运动：（推近/拉远/横移/固定）；时长：4秒。
【输出要求】只输出一行中文提示词，格式为“人物做一个动作，镜头做一种运动”，不超过30字，不重复描述人物外貌和服装。

第四步：声音先于剪辑

这是很多人忽略的顺序问题。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，这样比先剪画面再硬塞台词顺得多。声音定稿后，画面长度就有了明确目标，剪辑时不用反复试。

第五步：按编号拼接，补环境声与字幕

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，字幕和音效最后加。因为素材都带编号，拼接时不会找错文件。

工具怎么选：先用免费额度走通一条小片

手机端这几类工具基本都有：出图类、图生视频类、配音类、剪辑类。建议先用各自的免费额度走完一条十几秒的小片，卡在哪一步，再针对那一步去挑更合适的工具。不要一开始就同时研究五六个应用，那是最容易半途而废的做法。

如果你想把“短剧感”的成片快速试出来，完成故事大纲和人物设定后，可以前往 AI 真人短剧生成体验 尝试把创作思路转化为短剧内容，再回到本文流程做细节调整。

存储提醒：每做完一个镜头就导出备份

手机存储很容易被几十段视频占满。每做完一个镜头就导出备份，不满意的当场删掉，不要等到剪辑时才发现空间不够、被迫清理素材。

常见问题与排查

• 人物变脸：检查是否每次都带了同一张参考图、外貌描述是否原样粘贴。
• 画面人物偏到边上：检查画幅是否一开始就是 9:16，而非后期裁剪。
• 镜头衔接生硬：用上一段最后一帧做下一段首帧。
• 任务丢失：一次只提交一个镜头，网络稳定时再提交。
• 台词和画面对不上：回到“先定语音时长、再裁画面”的顺序。

按这套流程，用免费额度就能走通一条十几秒的完整小片；跑通之后再扩到更长内容，你会发现自己卡住的往往不是工具，而是镜头表没写清楚。