让Claude当导演:3个模型做AI短片全流程

几秒钟的视频,重抽一次就按秒再付一次钱。真正省钱的办法不是少点几次生成,而是把错误提前挡在文字和图片阶段。

本文有什么:①3 个模型的分工与接入方法;②可直接复制的导演、故事、分镜、审核提示词;③从想法、剧情、分镜、画风、首尾帧到生成视频的完整步骤;④一张模型常见错误对照表。预计阅读 13 分钟,建议先收藏再跟着做。

一、工具层:只和总导演沟通

结论:全程只和 Claude Code 沟通,其余模型由它调用,不用切窗口、来回复制粘贴。

一共用到 3 个模型,外加 2 个工具:ffmpeg 和 Python。

角色 负责什么
我 选方向、确认画风、批准花钱;看动态、听声音
Claude(导演) 写故事和分镜,写所有提示词,检查每张图和每段视频,写代码做后期
Codex(画师) 画设定图、样帧和每个镜头的首尾帧
Seedance(动画师) 把首尾帧变成几秒钟的视频

图片[1]-让Claude当导演:3个模型做AI短片全流程-二楼后座

上图对应这套多模型分工:导演统筹,画师出图,动画师只负责最后的动态生成。

暂时没有 Claude Code,也可以用 Codex 代替,活都能干;使用体验上 Claude 更聪明一点、审美高一些。

1. 怎么接入

电脑上本来就装有 Claude Code 和 Codex,直接告诉 Claude:图片调用 Codex 生成。

Seedance 的接入分三步:去火山引擎注册账号 → 申请 API Key → 让 Claude 按要求填好 Key、把该写的脚本写好,剩下的由它处理。

核心原则只有一句:能在文字里发现的错,不留到图上;能在图上发现的错,不留到视频上。改提示词只改几个字,重画一张图不额外花视频的钱,重新生成视频却要按秒付钱。

2. 开工前发给 Claude/Codex 的导演提示词

做视频前,先把下面这段完整发过去:

你当这支短片的总导演,全程负责,我只和你沟通。

开工前先做两件事:1. 问我:片长、画幅、总预算、要不要配乐和字幕。2. 检查 Codex、ffmpeg、Python 和 ARK_API_KEY 能不能用,缺什么告诉我。

记住所有文件都放在一个新的项目文件夹里。

分工:你写故事和分镜,写所有提示词,调用其他模型,抽帧放大检查每张图和每段视频,用 ffmpeg 和 Python 写代码做后期。Codex(画师)画设定图、样帧和每个镜头的首尾帧,你不自己画;如果你就是 Codex,就用你自己的生图工具。Seedance(动画师)把首尾帧变成几秒钟的视频。我选方向、确认画风、批准花钱、看动态、听声音。

调用 Codex:codex exec --skip-git-repo-check -s read-only -i 参考图.png - < 提示词.txt。提示词开头写:Use your image generation tool to create exactly ONE image. Do not run shell commands. 画好的图在 ~/.codex/generated_images/<日志里的 session id>/。

调用 Seedance:POST https://ark.cn-beijing.volces.com/api/v3/contents/generations/tasks,Key 在环境变量 ARK_API_KEY 里,不要打印出来。请求格式查火山方舟文档。模型选 doubao-seedance-2-5-260628(720p 约 ¥1.5/秒)或 doubao-seedance-2-0-mini-260615(720p 约 ¥0.5/秒),价格以账单为准。

总原则:把错误挡在花钱之前。文字里能发现的错,不留到图上;图上能发现的错,不留到视频上。

规矩:1. 我确认故事前,不画任何图。2. 我确认画风前,不画正式镜头。3. 提交视频生成前,另开一个 agent 审核提示词和图片的每个细节,它只挑错,不改文件。通过后报价,我同意才提交。4. 视频有问题,先想能不能用代码修,修不了才重拍,只拍这一镜。5. 新版本存新文件,不覆盖、不删除旧文件。6. 你看不到真正的动态,也听不到声音。没看过、没听过的东西,要明确告诉我。7. 不充值,不买额度。接口返回欠费就停,把已有的片段先粗剪给我看。

二、实操层第 1 步:从一个想法到完整剧情

结论:先把初步想法讲给 AI,不用太详细,边聊边完善,定稿后还要换一个新 agent 审核。

一个完整的好故事,要过 5 关:

1.1 符合现实逻辑。每个转折都追问一遍:为什么会这样?东西从哪来?够得着吗?现实里真会这样吗?除非这支片子本来就不考虑现实逻辑。

1.2 一句话说清想表达什么。再问:剧情哪些地方设计得最好?自己都说不出来,剧情大概率很平淡,继续改。

1.3 开头就要抓人。看几秒就可能划走,最抓眼球的画面要放在前面。

1.4 旁人的反应要像真人。每个包袱或转折分 3 段写:问题 → 主角怎么解决 → 旁人什么反应。反应要有先后,不能几个人同一秒举手;细节也要真,比如人吃惊时身体会往后缩。

1.5 剧情要 AI 拍得出来。写故事时就避开这些固定弱点:人物交叉、手拿小东西、文字、镜子和倒影、左右不对称的特征、一镜内换光、一人连做三个动作、俯拍看不到脸、配角太多。

故事结构首选片段式:每个镜头之间不用接戏,最稳。连贯式最容易穿帮,要格外注意片段之间的连接。

可复制的故事提示词

我想做的片子:[一句话,或者我的初步剧情]。片长:[秒]。配歌:[歌名、时长、BPM;不配歌就删掉]。参考片:[有就写,没有就删掉]。

先帮我把这个想法完善成一个完整的故事。有不清楚的地方就问我,我们一起聊,等我确认了再往下写。故事结构首选片段式,因为每个镜头之间都不用接戏,最稳。连贯式最容易穿帮,除非我要求,否则不要用。

故事确定以后,展开成逐镜头的故事,要满足:1. 符合现实逻辑,每个转折按现实追问。2. 能用一句话说清想表达什么,先把这句话写出来,说不出来就说明故事还要改。3. 开头抓人,最抓眼球的画面放在前面,写清楚第几秒出现什么。4. 每个包袱或转折分 3 段:问题 → 主角怎么解决 → 旁人什么反应;反应要有先后,细节真实。5. 避开 AI 弱点:人物交叉、手拿小东西、文字、镜子和倒影、左右不对称的特征、一个镜头里换光、一个人连做三个动作、俯拍看不到脸、配角太多。如果配歌,转折对副歌,关键动作对重拍。

用新 agent 审故事

定稿还不能往下走。对 Claude 说一句“新开一个 agent 来审这个故事”,只给它定稿故事,其他文件都不给。

原因很实际:主 agent 和你聊了很久,看故事时会自动脑补;新 agent 什么都不知道,像第一次看片的观众,哪里看不懂,哪里就真的没讲清楚。后面几步的审核同理:只给材料,不给结论。

这是一支短片的逐镜头故事。你是第一次看,只负责挑错,不改文件。1. 只按镜头顺序读,先写出你看懂的故事。2. 按顺序追问每个转折:为什么会这样?东西从哪来?够得着吗?现实里真会这样吗?3. 能用一句话说清想表达什么吗?4. 开头抓人吗?最抓眼球的画面放在前面了吗?5. 旁人的反应像真人吗?有没有先后?6. 哪些镜头 AI 视频模型容易拍错?(人物交叉、手拿小东西、文字、镜子和倒影、左右不对称的特征、一个镜头里换光、一个人连做三个动作、俯拍看不到脸、配角太多)每条写:镜头、问题、建议改法。没把握的写“可能”。最后写“通过”或“不通过”。

三、实操层第 2 步:分镜,定镜头语言、构图和配色

结论:这是前期最重要的一步,甚至构图和配色比剧情更决定画面质感。故事再好,镜头没设计好,画面就会平淡。

镜头语言说不清怎么办?最有效的是找参考片,让 Claude 逐帧看,把机位、进出画比例都量出来,再学习模仿。没有参考片,就按下面 6 条构思。

每个镜头都要写清:景别、机位、运镜、谁往哪走(写画面左右)、靠什么表情推进、怎么转到下一镜。

2.1 每镜换角度。全片平视正面最多两次,其余用俯拍、仰拍、从背后、过肩、透过东西拍。机位越多,画面越丰富。

2.2 画面里要一直有东西在动。大多数镜头要有人或东西走进画面、或走出画面。人不走动,比如一直坐着,就让别的东西动:飘过去的一张纸、身后走过的路人。固定机位很难用、容易呆板,更要让人在画面里走动,比如从远处走到近处。也不要连着几个镜头都是同样大小:全身、半身、脸部特写换着来。

2.3 写清具体是什么在运动。摄影机、焦点从一个人换到另一个人、光线、镜头前飘过的东西、人物的小动作(如手在抖),至少要有一样;一样都写不出来,说明镜头还没想好。但也不是一直动,该动则动、该静则静,才有对比。

2.4 镜头运动要有理由。只用三种常用法:跟着一个东西或人物走;慢慢推近给特写;一开始拍得很近,再慢慢拉远。

2.5 每一秒截图都要好看。用黄金比例构图:人的头或眼睛落在画面从左往右约 38% 或 62% 的位置,不放正中间。

2.6 配色单独设计。画第一张图之前就定好,不交给模型发挥。再让 Claude 把每一场用什么颜色单独列成一张色表;最后把画面转成黑白看一遍,人和背景区分不开,说明明暗对比不明显,要重调配色。

图片[2]-让Claude当导演:3个模型做AI短片全流程-二楼后座

分镜阶段先把机位、运动和构图定死,后面的首尾帧和视频都只按这张表执行。

可复制的分镜提示词

把定稿的故事写成分镜表。每个镜头一行,写清楚:片中时间(配歌就按小节算)、生成秒数(片中时长向上取整,尽量多留 0.5 秒)、景别、机位、运镜、谁往哪走(写画面的左右)、靠什么表情推进、这个镜头是什么在动、怎么转到下一个镜头。

如果有参考片,先逐帧看参考片,把机位、进出画比例这些都量出来,然后学习模仿。没有参考片就按要求构思:1. 每个镜头换角度,全片平视正面最多两次,其余用俯拍、仰拍、从背后、过肩、透过东西拍。2. 画面里要一直有东西在动;人不走动就让别的东西动;固定机位更要让人在画面里走动。3. 不要连着几个镜头都是一样大小的画面,全身、半身、脸部特写换着来。4. 每个镜头写清是什么在动,至少一样,也不要一直动。5. 镜头运动要有理由:跟着走、推近给特写、或从近慢慢拉远。6. 每一秒截图都要好看,头或眼睛落在约 38% 或 62% 的位置。

配色单独设计,在画第一张图之前定好。我想要的配色:[我的喜好;没想好就给我几个方案选]。把每一场用什么颜色单独列成一张色表。最后用代码给每个镜头画一张 1920×1080 的色块草图,标出 38% 和 62% 的位置和主要的东西,拼成一张总表给我确认。再把草图转成黑白看一遍,人和背景区分不开就重新调配色。

四、实操层第 3 步:定画风,画设定图

结论:画风先定,人物长相再定,后面所有镜头才不会每张一个样。

画风就是绘画风格,比如手绘、柔和、颜色温暖,或线条简单像剪纸,或写实得像照片,或手绘线条感的美国动画。有参考图最好,直接发给 AI。

这一步 Claude 写提示词,Codex 画,你只负责看是不是想要的风格。

画风定下后,给每个角色和固定道具画设定图:一般是正面、侧面和几个表情,相当于把长相定下来。人物身上固定的东西一定要写清位置,比如纹身在左手臂上,否则后面每张图位置都可能不一样。

五、实操层第 4 步:出每个镜头的首尾帧

结论:这是降低抽卡率最关键的一步。首尾帧就是一个镜头的第一张和最后一张画面。

只靠文字生成视频,模型容易出逻辑错误;雨、帽子、纹身只写在文字里,拍着拍着就会消失,必须在首帧和尾帧都画上才稳。

画的顺序也有讲究:

  1. 不要一上来就开画。先让 AI 写清每个镜头的首帧画什么、尾帧画什么、中间发生什么,让审核 agent 审过再画,省 Codex 额度。
  2. 先画内容最多的那张,一般是尾帧,再在尾帧上改出首帧,保证两张图的摄影机位置和构图一致。
  3. 同一地点、同一机位的镜头,直接在前一张图上改,不重新画,Codex 支持图片的局部改动。
  4. 运镜是慢慢推近时,尾帧直接把首帧裁一块放大;首尾帧构图完全一样,镜头就等于不动,生成不出推进效果。
  5. Codex 出的图不一定正好是 16:9,提交 Seedance 前检查,有问题提前裁好,首帧和尾帧尺寸保持一样。

图片[3]-让Claude当导演:3个模型做AI短片全流程-二楼后座

首尾帧要成对看:机位、构图、道具位置对不上,到了视频里就会慢慢变形。

首尾帧检查提示词

首尾帧画完了,帮我按下面逐条检查,每张图都要放大看。有问题就告诉我是哪张图、哪里不对,我同意了再改。材料:[首帧]、[尾帧]、[设定图]、[这个镜头的分镜]。

  1. 动作要用到的东西,首帧里必须有。比如后面要拿杯子,首帧里就要看得到杯子,否则杯子会凭空冒出来。2. 别人的反应要提前摆好。一个镜头没法中途切过去拍别人,所以首帧里安排好:一个人在前面做事,另一个人在后面,脸朝着镜头。3. 很多人一起出现时,不能摆同一个姿势,不然模型会让所有人同时动。4. 给动作留出空间。东西要落到、飘到的地方提前空出来,头顶也要留空。5. 风向统一,不能围巾往左飘、床单却往右飘。6. 缩小到手机大小看一遍,远处的人太小、看不清就改。7. 放大看有没有多余的东西,比如多一个水壶、多一条奇怪的细线。8. 把首帧和尾帧叠在一起看有没有错位。不该变的地方两张图必须一样:墙的颜色不一样,视频里墙就会慢慢变色;杯子大了一点,视频里杯子就会慢慢变大。

改图注意两点:Codex 就算只改一小块,也会把整张图重新处理一遍,所以只改一小块时,要把改好的那一块贴回原图;Codex 额度用完了就等它恢复,不要买额度,也不要一次同时画太多张。

六、实操层第 5 步:七段式视频提示词,提交前审核

结论:出了问题先怀疑提示词,再怀疑模型。提示词写得越细,抽卡越少。

固定用七段式,把每一秒发生什么都写下来:

[一句话写画风,比如:干净的现代 2D 手绘动画,平涂色块,线条利落,没有颗粒和纹理]。整段的画风、颜色、人物设计与首帧和尾帧完全一致。
整段 [X] 秒,[景别],[机位],[运镜;不动就写“不推不拉不摇,不切镜”]。
[人和东西在画面哪里,墙和光是什么颜色,要和首帧对得上]
[每个人的长相、衣服、固定道具,写死]
0–0.2 秒:画面完全静止,和首帧一模一样。[每一段:谁做什么,表情怎么变,手放在哪、不能碰什么,往画面哪边] 最后 0.3 秒:所有人完全停住,画面与尾帧完全一致。
只有 [看得见原因的声音]。人物不说话。
画面里一直只有首帧这几个人和这些东西,脸和身形全程不变,一镜到底。画面干干净净,没有文字、字幕、水印。

模型常见错误对照表:写提示词时逐条查

容易犯的错 应该怎么写/怎么处理
一群人同时做同一个动作 写清先后:“老爸第一个……过一两秒老奶奶才……小女孩最后……”;首帧也不要摆同一姿势
本该风做的事,人自己动手了,如邮差用手掀开邮包 写清原因,再写“两只手从头到尾都没有碰邮包”
云、月亮、植物长出眼睛和嘴巴 不写“卡通云”,写“蓬松的灰白色积云,只有棉絮一样的纹理和阴影”,动作只写它怎么移动
人往反方向走 按画面写:“朝画面左边走,跨过左边的店门”
一句话有两种意思,如“窗户后面的老人”让车里冒出人 写具体:“左上角石头房子的窗口里”,再加“驾驶座一直空着”
东西的数量变了 把数量写出来:“只有一封黄信封,之后他怀里全是白信封”
写“不要怎么样”没用,如“壶嘴不出水”还是出水 改成正面说法:“画面里一直只有首帧这几个人”
模型会自己联想道具用法,如壶总是出水 干脆不让这个道具出现在有动作的镜头里
东西凭空出现 只用首帧里已经有的东西
东西突然飞走或瞬间移动 写清怎么动:“顺着后脑勺往后一滑,接住,扣回头上”
雨、帽子、纹身拍着拍着没了 首帧和尾帧都画上
闪电画得太写实 写“云里闪一下白光”,再把开头剪掉
一个镜头动作太多就乱了 每个镜头只写一两个主要动作
动作时间和写的不一样 写的时间只能算大概,多留一点,后期用剪辑和变速对上节拍
镜头推得没写的那么明显 后期让 Claude 用代码再推一点
人的嘴自己在动 写明“人物不说话”,还动就用代码修
写了“没有音乐”还是混进音乐(Seedance 2.5) 片段自带的声音不用,后期另外加
结尾几帧突然跳到尾帧的样子(Seedance 2.5) 后期选一张没问题的画面,后面都停在这一张
第一张画面特别锐(Seedance 2.5) 直接把这一张去掉
视频越到后面越暗越冷(Seedance 2.0 mini) 每条视频都按它自己的首帧把颜色调回来

提交前再开一个 agent 审核

每条视频提交前,另开一个 agent,把提示词和图片逐个细节核对,通过后才提交。这一步曾查出:两张图里的杯子大小差了 13%、帽檐一张有一张没有、左右写反了。

你是审核,只读不改。这个镜头马上要提交视频生成,花的是真钱。材料:[提示词文件]、[首帧]、[尾帧]、[设定图]、[分镜表]、[配色规则]。逐项核对,放大看图:1. 提示词的每句话和两张图对得上吗?(位置、左右、颜色、人数、道具数量、衣服、表情)2. 两张图的机位、大小、背景一致吗?3. 和设定图、配色规则、前后镜头对得上吗?4. 动作现实吗?每个动作的原因写了吗?手放在哪?5. 模型可能在哪里出错?(同时动作、凭空出现、长脸、走反方向、歧义词)最后只写“通过”或“不通过”。不通过就逐条列出要改什么。

七、实操层第 6 步:生成视频与省钱技巧

结论:这一步基本由 AI 自动完成,人要管的是生成规格和试错顺序。

  1. 用 720p 生成,后期再放大到 1080p。
  2. 不用专门拍测试片,直接拍第一个正式镜头,能用就赚了。
  3. 新的做法先拿一两个最难的镜头试,行得通再全部提交。

图片[4]-让Claude当导演:3个模型做AI短片全流程-二楼后座

走到生成这一步,前面的文字、图和审核做得越细,这里返工就越少。

记住整套流程的顺序:想法 → 完整剧情 → 新 agent 审故事 → 分镜与配色 → 画风与设定图 → 首尾帧与检查 → 七段式提示词 → 提交前审核 → 生成。顺序反了,钱就花在返工上。

来源:本文整理自 Eian《Claude code/Codex+Seedance AI视频:从一个想法到成片的全流程》(X 长文,2026-11-05),正文链接为原文提供的火山方舟 Seedance API 地址。

© 版权声明
THE END
喜欢就支持一下吧
点赞13 分享
评论 抢沙发
头像-二楼后座
欢迎您留下宝贵的见解!
提交
头像-二楼后座

昵称

取消
昵称表情代码图片快捷回复

    暂无评论内容