文生视频实战 | 从一句话到可剪辑素材

文生视频怎么真正用起来。

输入一句话。
等几分钟。
下载视频。

一句话能出画面。
但不一定能出可用素材。

主体不稳定。
动作不合理。
画面漂亮但和选题没关系。
开头能用，结尾崩了。
有奇怪文字。
Logo 变形。
人物脸看着不对。

文生视频最适合从无到有找方向，不适合直接生成高精度品牌终片。

短视频开场。
概念氛围片。
广告提案样片。
课程封面动效。
PPT 概念视频。
不依赖真实产品的视觉素材。

精确产品广告。
长剧情短剧。
稳定人物口播。
需要准确文字和 Logo 的商业片。

视觉脑暴机。
短镜头草稿机。
动态氛围素材机。

项目早期找视觉方向。
内容开头做情绪钩子。
广告提案做快速样片。
社媒视频做背景素材。
剪辑里补一段过场画面。

最终品牌资产确认。
精确产品展示。
严肃教学演示。
合同交付前的唯一素材来源。

打开工具。
在输入框里写一句话。
点击生成。

视频目的。
目标观众。
发布平台。
时长。
画幅。
情绪。
不要出现什么。
是否商用。

生成一个科技感视频。

目的：给一条讲 AI 办公自动化的短视频做开场。
观众：自由职业者、运营、产品经理。
平台：小红书和视频号。
画幅：9:16。
时长：5 秒。
情绪：安静、高效、有一点未来感，不要太赛博。
画面：桌面、电脑、任务列表、柔和光线。
禁止：不要出现可读文字，不要出现真实品牌 Logo，不要人脸特写。

一句话 -> 视频

一句话 -> brief -> 分镜 -> Prompt -> 多版本生成 -> 剪辑

AI 帮我整理一天的工作。

制造焦虑。
展示工具。
解释原理。
给出结果。
品牌露出。
引导关注。

主体 + 场景 + 动作 + 运镜 + 光线 + 风格 + 时长/比例 + 禁止项

主体：画面里的核心对象。
场景：在哪里发生。
动作：主体做什么，或者画面怎么变化。
运镜：镜头推进、拉远、横移、俯拍、环绕。
光线：清晨、夜晚、柔光、逆光、霓虹、自然光。
风格：真实拍摄、电影感、广告片、纪录片、3D、极简。
时长/比例：5秒、10秒、9:16、16:9、1:1。
禁止项：不要文字、不要Logo、不要人脸、不要手部特写。

帮我生成一个高级的 AI 工作视频。

一张深色木质办公桌上摆着打开的笔记本电脑、便签、咖啡杯和几份纸质文件，
桌面一开始略显凌乱，随后文件和便签以轻微动态重新排列成清晰结构，
镜头从俯拍角度缓慢下降到斜侧角度，
清晨窗边自然光，安静、专注、轻科技感，
真实拍摄风格，5 秒，9:16 竖屏，
不要出现可读文字，不要出现品牌 Logo，不要出现人脸和手部特写。

主体太多。
动作太复杂。
镜头变化太大。
禁止项没压住。

中文用来思考。
英文用来生成。

先用中文写 brief。
再用 4SAPI 调文本模型扩成中文分镜。
再翻译成英文视频 Prompt。
最后人工检查英文里有没有加戏。

一个独立开发者深夜看着电脑屏幕，待办任务像光点一样聚拢成一个清晰路线图。

A solo developer sitting at a desk late at night, facing a laptop screen.
Abstract task cards and glowing dots slowly gather into a clean roadmap structure on the screen,
subtle camera push-in from behind the shoulder,
soft blue desk light and warm ambient background,
cinematic realistic style, 5 seconds, 16:9,
no readable text, no brand logos, no close-up face, no extra people.

一个现代办公桌场景，桌面上有电脑、便签、文件和咖啡杯，
画面从凌乱的信息流逐渐变得有序，
镜头缓慢推进到电脑屏幕前，
柔和清晨自然光，安静、高效、轻科技感，
真实拍摄风格，5 秒，9:16，
不要出现可读文字，不要出现品牌 Logo，不要人脸。

我用 AI 接管了每天早上的工作整理。
为什么你的 AI 工作流越用越乱？
普通人怎么搭自己的自动化助手？

一座现代城市的夜景，许多发光数据线从不同建筑中延伸出来，
逐渐汇聚到城市中心的透明控制台，
镜头从高空缓慢下降，最后停在控制台前方，
蓝白色科技光效，干净、克制、企业级视觉风格，
5 秒，16:9，
不要出现具体公司 Logo，不要出现可读文字，不要出现人物。

一款极简黑色智能硬件放在浅灰色石材台面上，
设备边缘有柔和高光流动，背景是模糊的现代家居空间，
镜头从左侧缓慢横移到正面，
自然晨光，干净高级的产品广告风格，
5 秒，16:9，
不要出现文字，不要出现品牌 Logo，不要出现人物手部。

抽象的神经网络节点在深色背景中缓慢连接，
光点沿着线条流动，形成一个清晰但不过度复杂的网络结构，
镜头轻微推进，画面稳定，
深色背景，蓝绿色柔和光效，科技科普风格，
5 秒，16:9，
不要出现文字，不要出现图标，不要出现人脸。

雨夜的城市街道，地面反射柔和霓虹灯，
镜头贴近地面缓慢向前移动，雨滴轻轻落下，
氛围安静、冷静、有思考感，
电影感真实拍摄风格，4 秒，16:9，
不要出现可读文字，不要出现车牌，不要出现人物正脸。

脚本生成。
分镜拆解。
Prompt 翻译。
风险词审查。
成本记录。

运营输入 brief
  -> 4SAPI 调模型生成 3 个脚本方向
  -> 人选 1 个方向
  -> 4SAPI 拆成 3-5 个镜头
  -> 4SAPI 生成中英文 Prompt
  -> 人工检查
  -> 视频工具生成
  -> 结果回填表格

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["FOURSAPI_API_KEY"],
    base_url="https://api.4sapi.com/v1",
)

brief = """
我要做一条15秒竖屏短视频，主题是：普通人如何用AI整理每天的工作。
受众：运营、自由职业者、产品经理。
风格：真实拍摄、安静、高效、轻科技感。
限制：不要夸大效果，不要出现具体品牌Logo，不要出现可读文字。
请拆成3个镜头，每个镜头给中文Prompt、英文Prompt、禁止项和验货重点。
"""

resp = client.chat.completions.create(
    model="<从4SAPI模型广场复制模型名>",
    messages=[
        {
            "role": "system",
            "content": "你是AI视频分镜导演，擅长把短视频brief拆成可生成的文生视频Prompt。",
        },
        {"role": "user", "content": brief},
    ],
)

print(resp.choices[0].message.content)

Prompt 不再散落在聊天窗口。
每个镜头为什么这么写，有记录。
失败了能回到具体字段修。
团队换人也能接着做。

每个镜头先生成 3 版。
如果 3 版里有 1 版能用，停。
如果 3 版都不行，改 Prompt。
同一个 Prompt 最多生成 5 版。

减少主体。
减少动作。
缩短时长。
降低镜头运动。
去掉文字。
换更简单的场景。

一个人走进办公室，打开电脑，屏幕上出现复杂项目看板，镜头环绕人物一圈，最后所有任务自动完成。

镜头1：空办公室桌面，电脑亮起。
镜头2：抽象任务卡片在屏幕上排列，不出现可读文字。
镜头3：干净桌面和清晨光线，表现工作被整理好。

文字。
Logo。
人物脸。
手部。
产品形状。

人物、产品、城市、屏幕、文字、镜头环绕、爆炸光效。

一个镜头只留一个主体。
一个镜头只做一个动作。

视频里不要生成文字。
字幕、标题、按钮文案全部后期加。

no readable text
no subtitles
no logos

手指快速敲键盘。
拿起产品并旋转。
对着镜头说话。
做复杂手势。

避开手部特写。
避开口型。
用背影、侧影、空镜、抽象画面代替。

slow push-in
slow pan
static shot
subtle camera movement

真实拍摄、3D卡通、赛博朋克、水墨、极简商务。

一个镜头只保留一种主风格。

可用素材成本 = 总生成成本 / 可用素材数量

生成 20 条。
每条 2 元。
总成本 40 元。
最后 5 条能用。
可用素材成本 = 8 元/条。

项目。
镜头。
Prompt版本。
生成工具。
生成次数。
可用次数。
失败原因。
最终是否发布。

主题：AI 帮普通人整理每天的工作。
平台：小红书。
时长：15 秒。
风格：真实拍摄、安静、高效。

凌乱的现代办公桌，电脑旁边散落着便签、文件和手机通知光点，
画面表现信息过载和工作堆积，
镜头从桌面上方缓慢下降，
清晨偏冷的自然光，真实拍摄风格，
4 秒，9:16，
不要出现可读文字，不要出现品牌 Logo，不要人脸。

电脑屏幕前方出现抽象的半透明任务卡片和发光线条，
这些信息流从混乱状态逐渐排列成清晰的三列结构，
镜头轻微推进，画面稳定，
柔和蓝白色光效，现代科技感但不过度赛博，
5 秒，9:16，
不要出现可读文字，不要出现真实软件界面，不要出现品牌 Logo。

同一张办公桌变得干净有序，电脑、笔记本和咖啡杯整齐摆放，
窗外阳光洒进来，画面有轻微尘埃和柔和高光，
镜头缓慢从侧面推进，
安静、高效、积极的早晨氛围，真实拍摄风格，
5 秒，9:16，
不要出现可读文字，不要出现品牌 Logo，不要人物特写。

标题。
字幕。
配音。
音乐。
转场。
CTA。

[ ] 已写 brief，不是直接一句话生成
[ ] 已拆成 3-5 个短镜头
[ ] 每个镜头只有一个主体和一个动作
[ ] 已明确画幅和时长
[ ] Prompt 里写了不要文字、不要 Logo、不要人脸等限制
[ ] 每个镜头生成 3 版以上
[ ] 同一个 Prompt 失败 5 次后已停止硬刷
[ ] 已记录 Prompt、工具、生成次数和失败原因
[ ] 已检查画面里没有乱码和侵权元素
[ ] 字幕、标题和 Logo 都放到剪辑软件里做
[ ] 团队项目已在 4SAPI 或内部表格记录脚本、Prompt、审查和成本

不要一句话直冲生成。
先 brief。
再分镜。
再 Prompt。
再多版本。
再剪辑。
再复盘。

4SAPI 管脚本、分镜、Prompt、审查和日志。
视频工具管画面生成。
剪辑工具管最终表达。