AI 门道·灵刻

从故事到成片，少来回搬几次

AI 门道·灵刻面向视频创作者，想做一款轻量化的 AI 导演工具，探索更短的一键成片路径。做视频时，故事、分镜、生成和剪辑分散在不同工具里，信息要反复搬来搬去。这个产品希望减少这部分工作，让创作者多花些心思在表达上。

我从 2025 年 9 月开始手工尝试 AIGC 视频，随后在 2025 年 10 月至 2026 年 3 月推进这个产品，担任创始人与产品负责人。目前产品已下线。这里记录当时试过的流程与取舍；“一键成片”是探索方向，完整的全自动成片效果还没有得到验证。

导演 Agent 要把镜头交代清楚

流程从故事输入开始。导演 Agent 组织分镜、时间线和镜头提示词，调用当时使用的 Sora 2 服务生成片段，最后用 FFmpeg 拼接。该服务当时每个镜头有 15 秒限制，较长的内容要拆成多个镜头。

难的地方在于，每一步究竟该交出什么。故事里写“气氛紧张”，后面还得知道谁在场、发生了什么、这一镜头要让人看到哪一个变化。提示词写长了，也可能还是没把这些交代清楚。

我主要看导演 Agent 给出的安排能不能执行：每个镜头讲什么，时长是否合适，前后有没有共同参考。单独一段画面再漂亮，放回故事里也可能接不上，最后剪辑时就得补这笔账。

下一镜头为什么一定要等

我们实际用过一种串行办法：拿上一镜头的末帧，作为下一镜头的首帧。这样能给画面衔接提供参考，代价是下一段必须等上一段生成完。

用户等的是整段视频。如果镜头之间一直在互相等，单次生成快一些，未必就能让人很快拿到成片。这里有些等待来自模型，有些则是我们安排流程时加进去的。

返工也是一样。前面的镜头改了，后面用了它作为参考的镜头可能受影响。除了正常生成的顺序，还得想清楚哪一步出错以后，要从哪里接着做。

先准备参考图，再分别生成

后来的流程先推导完整剧本和各镜头的首帧图片提示词，生成参考图片，再并行生成视频片段。这条流程已经在 n8n 跑通。

人物、场景和镜头参考先准备好，各段视频就可以分别开工，不用再逐个等上一段交出末帧。改变任务之间的依赖，也就少了一类等待。

不过，参考图是否一致，人物和场景能不能接上，仍然要检查。并行并没有替我们解决所有连续性问题。这里没有经过确认的量化提速数据，n8n 流程跑通也不代表已经完整集成进正式产品。

按钮少了，出了错也要知道怎么办

我理解的轻量化，是创作者比较容易看懂自己在做什么、系统做到哪里，以及还有什么需要自己判断。界面上只留一个按钮，出了错却让人猜半天，也不见得轻松。

所以产品仍要把一些中间结果交代清楚：故事拆成了哪些镜头，哪些素材已经准备好，哪里失败了，这次修改会影响哪些部分。技术细节可以少展示，用户继续做事所需的信息不能一起藏掉。

以后再优化成片流程，我会先看哪些任务互相依赖，出错时能不能检查和接着做，再考虑怎样加速、哪些操作可以省掉。最后看的还是整段作品：质量怎么样，等了多久，又返工了多少。