🎯 一句话总结：先用 Codex 把一个 15 秒穿搭变装视频拆成制作单，再确认一张首帧，最后用低配测试版验证流程；不要一上来就做复杂分镜。

很多人不是没有想法，而是不知道第一步做什么。

你不需要先学导演、画画、剪辑，也不需要一开始就写专业提示词。先学会做几个小决定：题材能不能做、画面里有谁、动作是什么、哪一步已经确认。

本文用“一个主角、一个场景、10–15 秒的穿搭变装视频”贯穿。工具以 Codex、MiniMax H3 为例，也会说明换成 Seedance 2.5 时哪些步骤仍然复用。

先划清工具边界

  • AI 助手：Codex，或支持图片和视频分析的 ChatGPT。
  • 视频生成：MiniMax H3 或 Seedance 2.5 的可用界面。
  • 素材：一条想学习的视频，或一句自己的想法。
  • 保存位置：一个项目文件夹，保存参考图、制作单、提示词、视频和检查记录。

换工具时，下面这些步骤仍然复用：先分析、做制作单、确认首帧、低配试跑、按时间点反馈。

本文不展开 API 接入、复杂剪辑、多账号自动化，也不把多人物多分镜直接塞进第一条视频。

能力提示：原文以本地 MiniMax H3 为例，并提到 H3 的时长和首尾帧能力、Seedance 2.5 的多参考能力。具体上限、按钮和收费会随产品版本与入口变化，实际操作以当前界面和官方说明为准。

一、准备四样东西：先把范围缩小

准备：

  1. Codex 或支持图片生成的 ChatGPT。
  2. MiniMax H3 或 Seedance 2.5 的可用界面。
  3. 一条参考视频，或者一句自己的想法。
  4. 一个项目文件夹。

第一次只做：

  • 10–15 秒；
  • 一个主角；
  • 一个场景；
  • 一个连续动作：穿搭从日常服装变成另一套服装。

先别做：30 秒、多人物、复杂对白、多个地点、三段以上镜头。

确认闸门：你能用一句话说清“谁在什么地方完成什么变化”。能说清，再进入分析。

二、先分析，别急着生图

把参考视频链接或自己的想法交给 Codex。先让它判断玩法，不要马上生成素材。

可以直接复制：

我想做一条 10–15 秒的 AI 视频，主例子是“一个主角在一个场景中完成一次穿搭变装”。
请先不要生成图片，也不要写最终视频提示词。
请只分析：
1. 这个想法的核心动作是什么；
2. 主角、场景和镜头应该保持什么不变；
3. 哪些内容会让第一条视频变复杂；
4. 如果有参考视频，请按时间顺序列出 3–5 个关键变化。
最后给出一个适合第一次试跑的最小版本。

这一轮只确认：玩法是否是你想做的，人物和场景是否合适，视频有没有塞太多事情。

先别做：不要让 AI 同时生成首帧、尾帧、分镜、旁白和音乐方案。

确认闸门：只留下一个主角、一个场景和一个主要变化。否则回到这里删减。

三、把想法变成一张制作单

分析通过后，再让 Codex 输出普通人能检查的制作单：

根据刚才确认的最小版本，制作一张“AI 视频制作单”。
只保留一条 10–15 秒穿搭变装视频，包含：
- 主角外观与服装；
- 场景、时间和光线；
- 开始状态；
- 唯一主要动作；
- 结束状态；
- 首帧必须出现的内容；
- 视频提示词暂时不要写。
每一项都用普通人能检查的句子，不要使用“更自然”“更高级”这类无法验收的词。

穿搭例子的制作单可以是：

主角：一名成年人，固定发型和脸部特征。
场景：室内试衣区，固定机位和背景。
开始状态：穿日常服装，正面站立。
唯一动作：主角向镜头转身一次，服装完成一次变换。
结束状态：仍是同一主角、同一场景，穿变装后的服装。
首帧验收：只有一个完整人物；脸、手、脚没有明显错误；构图留出动作空间。

先别做：不要因为“尾帧”听起来专业就强行生成第二张图。只有结尾必须落在一个精确画面时，才需要尾帧。

确认闸门：制作单中每一项都能回答“对 / 不对”。不能检查的形容词删掉或改写。

四、只生成一张首帧测试图

制作单确认后，再让 Codex 或 ChatGPT 生成一张首帧。不要一次生成整套素材。

根据已确认的制作单，只生成一张视频首帧。
要求：一个主角、一个室内场景、正面站立、日常服装、固定机位。
不要加入第二个人、第二个场景、字幕、复杂道具或动作分镜。
生成后请只列出：人物数量、脸部状态、手脚状态、构图是否适合后续动作。

按这个顺序检查：

  1. 先数人数；
  2. 再看脸；
  3. 再看手脚；
  4. 最后看构图和光线。

先别做：不要因为画面第一眼漂亮，就直接进入视频生成。

如果只有一处错：

只修一个问题：人物右手出现多余手指。
保持人物、服装、场景、机位和光线不变，不要修改其它内容。

如果人物数量、脸和构图同时出错，直接重新生成通常比连续修补更省时间。

确认闸门：你能明确说出“首帧通过”，并且保存了这张图。通过后才写视频提示词。

AI 视频最小确认链：从分析到定点修复

五、根据已确认的首帧写视频提示词

把首帧交回 Codex。提示词要描述动作和边界，不要让模型重新设计人物。

这是已经确认的首帧。请只为这张图写一段 10–15 秒图生视频提示词。
保持人物身份、脸、服装起始状态、场景、机位和光线不变。
只描述一个连续动作：主角向镜头转身一次，完成一次穿搭变装，最后停在稳定姿态。
不要新增人物、地点、字幕、对白或第二个主要动作。
请同时列出 3 条禁止项，并说明动作大约发生在哪个时间段。

先别做：不要在提示词后面堆“更自然、更稳定、更高质量”。这类话不能告诉模型具体改什么。

确认闸门：提示词里只有一个主要动作，且与制作单、首帧一致。

六、先跑低配测试版

以 H3 为例，按当前界面选择：

  • 首帧图生视频；
  • 只上传确认后的首帧；
  • 画幅跟随首帧；
  • 时长选择 15 秒或当前可用的接近选项；
  • 粘贴 Codex 生成的提示词；
  • 先用较低分辨率生成测试版。

使用 Seedance 或其它模型时，按钮名称和参考图数量可能不同，但顺序不变：先上传已确认素材，再生成低风险测试版。

先别做：不要第一次就追求最高分辨率、最多参考图和最终成片质量。

确认闸门：测试版能完整播放，并且你知道问题发生在哪个时间点。能定位，才进入检查。

七、把视频交回 AI，要求它找具体错误

先自己完整看一遍，只记录真正让你出戏的问题。不要写“整体不自然”。

请检查这段测试视频，不要重写提示词。
按时间顺序列出最多 3 个最影响观感的问题。
每条必须包含：时间点、画面中的具体对象、实际发生了什么、建议优先修哪一个。
不要使用“更自然”“更高级”“更稳定”这类无法定位的描述。

合格的反馈像这样：

  • 00:04：转身开始后，人物比例突然放大，背景没有同步变化。
  • 00:07：变装过渡还没结束，白色描边仍停留在人物外侧。
  • 00:10：画面短暂出现两个完整人物。

先别做：不要一次列十几个问题，也不要同时改人物、动作、镜头、音乐和时长。

确认闸门：只选一个主问题，作为下一轮唯一修改目标。

八、一次只修一个问题

如果最影响观感的是转场太慢：

只修一个问题：00:04–00:07 的穿搭转场过慢。
保持首帧、人物、场景、镜头、时长和其它动作不变。
让服装在该时间段内完成一次连续变换，不新增人物或镜头。

重新生成后，把两个版本并排比较。你需要知道是哪一项修改带来了变化。

如果同一个错误连续出现两次，回到上游：检查首帧、动作设计和制作单。不要围着一条坏视频不断追加形容词。

完成这一轮的标准：你能说清“我只改了什么，问题是否改善，下一步是否还需要改”。

九、进阶：多人物、多分镜另开一条线

复杂剧情视频的难点不是“提示词写得长”，而是镜头之间的状态能不能接上：

  • 人物身份是否一致；
  • 人物站位和左右关系是否一致；
  • 道具有没有跳走；
  • 上一个镜头的动作能否接到下一个镜头；
  • 光线、视线和重心是否继承。

原文用公开的 cuimao_reverse 项目举例，逆向拆解“牛来”视频约 15 秒片段：动物外卖员一起吃饭，熊猫调侃牛，牛从假装没听见变成准备回应。该项目是根据公开视频做的教育性重建，不是原作者的原始工程或原始提示词。

复杂版本建议先拆：

  1. 故事变化；
  2. 角色设定；
  3. 配角阵容和站位；
  4. 场景空镜；
  5. 道具；
  6. 四格分镜；
  7. 每个镜头的开始状态和结束状态。

核心规则只有一句：前一个镜头的结束状态 = 后一个镜头的开始状态。

先别做：第一条穿搭视频还没跑通时，不要把多人物、多对白和多镜头整套搬过来。

完成标准 checklist

  • 图片、提示词、测试视频和检查记录保存在同一个项目文件夹。
  • 主题被缩小到 10–15 秒、一个主角、一个场景。
  • 已先分析，再制作单，没有直接跳到生图。
  • 已确认一张首帧，并检查人数、脸、手脚和构图。
  • 已用低配设置跑出一个能完整播放的测试版。
  • 每个问题都有步骤号或时间点，能够定位。
  • 每轮只修一个主问题。
  • 同一个错误连续出现两次时，已回到上游检查。

连续亲手跑通两三条视频后，再让 Codex 把已验证的流程整理成 Skill。不要第一天就自动化一套尚未验证的方法。

参考与说明