【两万字复盘】入围奥斯卡资格电影节的 AIGC 电影短片，到底怎么做的？

作为一个热爱电影的创作者，奥斯卡，我向来都觉得遥不可及。

但今天我离它又近了一点。

这一切，起源于两年前，我在视频 AI 模型上，第一次按下的生成键。

今年 3 月份，为了参与某站的 AI 创作大赛，我一个人花了两周时间，创作了一部 8 分钟的创意短片：《带你去玩球！》

半年过去了，截至今日，除了入围具有奥斯卡资格的德黑兰国际短片电影节之外，这只小狗还拿到了美国 Token AI 电影节的最佳分镜奖、韩国济州 AI 电影节的决赛奖、以及数十个海内外电影节的入围资格。

（然而当时某站的比赛，它甚至都没有入围）

虽然这半年里，AI 技术和工具都在飞速发展，但我仍然认为：

影视创作的终点，还是“创作”本身。

所以今天，这篇被无数人催更的【万字复盘】幕后故事，终于来了。

和以往一万字不一样的是，这次有整整两万多字，并且干货密度不降反增。

我会从创作的起点、落地的技术、以及参与电影节的经验这几个角度，来跟各位分享整部片子的创作过程。

这其中有很多超越技术的、真正宝贵的底层逻辑，是十分值得借鉴的。

如果你有真正想讲的故事、想创作第一部高质量短片、想获得第一个电影节荣誉，我相信，这篇文章一定会对你有帮助。

搬好板凳，我们开始。

谈起这个短片，时间需要先回到去年。

国内四大电影节之一：海南岛国际电影节，在去年举办了第一届 AI 电影黑客松。

电影黑客松，就是把一堆创作者关在屋子里，随机抽一个主题，然后创作者们围绕主题进行几天几晚的现场创作，最终每人交付一个电影短片，并进行评奖。

这次，据说有一百多支顶级创作者队伍，去角逐最终参赛名额，而很幸运的，我的队伍作为 10 强顺利入围。

实话说，那会儿我一边满怀期待，一边又很头疼，因为此行要离开杭州长达 7 天之久。

而我家里，还有一只 4 岁的小狗：刘阿呆

即使有两只猫作为她的宠物，我也给她找了上门寄养，每天会准时来遛她两次，但我仍旧为此焦灼。

这应该是她跟主人分别最久的一次了。

毕竟一只小狗怎么会明白，爸爸出门是要做什么呢？

但最终，在寒风凌冽的 12 月，我还是去了 28 度的三亚。

比赛当天，紧张的备战完全掩盖了我的忧虑。

国内最顶尖的一批创作者，乖乖的在大屏幕前排队罚站，等待“开题”。

随机抽题的规则也设计的非常有意思，主办方分别给了：道具、角色、台词，这三个固定的元素，其中每个元素都有一大堆选项，也就是说，可能抽出来的结果驴头不对马嘴。

但不管多离谱，你都必须将这三个元素组合进自己的故事中。

举个例子：

· 道具：一本《母猪的产后护理》

· 角色：一个外星人

· 台词：“这是我们文明最后的希望。”

这能搭配出什么奇怪的故事...你们自己想去吧。

随着主办方的一声令下，结果出来了：

对我来说，好消息是这些选项没那么离谱。坏消息是，我其实更喜欢抽象和无厘头的东西（比如上面外星人的例子）。

无论是不是 AIGC 影片，剧本都是最重要的因素之一，而“母题”，是重中之重。

因此我们决定在这上面要多花时间，至少找到一个能打动自己的 idea，连自己都打动不了，谈何打动观众呢？

就这样几个小时过去了，毫无进展。

要知道，这部从 0 到 1 的片子，我们需要在 24 小时之内做完。

有经验的朋友们都知道，没头绪的时候，就抽根烟。

一根不够，就再来一根。

不知道第多少根烟的时候，我突然想打开监控看看刘阿呆自己在家里怎么样了。

不出所料，她静静的趴在走廊，紧贴大门，眨巴着眼，不知道在想什么。

我往回翻了翻，除了吃饭和上厕所，几乎所有的时间，她都在那安静的趴着等我回家。

我心头一紧。

之后我不敢再打开监控，心疼。

回到电脑前，我忍不住的想：

我在担心小狗，小狗肯定也在担心我，她能不能猜到爸爸出门做什么呢？

她肯定猜不到。

头狼出门，狼群应该知道头狼是去捕猎了，狗是狼变的，那狗的眼中，我大概率也是去捕猎了。

但阿呆为什么看起来不开心呢？难道不是应该期待我带好吃的给她吗？

我出门这么久还没回家，她会不会以为我出意外了？

但她的脑袋这么简单，可能想不了太复杂的意外，只会认为我被怪兽吃掉了。

Oh shxt !

已经过去了 5 个小时！我还没想出来点子... 算了，先认真比赛。

但是等等，主角，是“送信人”...

谁说送信人送的就必须得是一封真正的信件？

如果阿呆因为担心而想尽办法出门找我，那她对我的那份爱，又何尝不是一封最好的信...

Oh God !

有了！

此时，我脑海中已经有了画面：

一只狗打不开家门，只能翻窗“越狱”，千里迢迢去寻找它的主人。

人类嘈杂的世界对它而言，可能危机四伏。

比如呼啸而过的车流、胡同里的野猫、或路边调皮的男孩... 对一只小狗来说，都是极大的挑战。

那一刻，我有一万份冲动要讲这样一个故事！

不知道你怎么看，但至少这样的话题对我而言是绝对的杀招，甚至在比赛现场，我居然当着这么多人的面，被脑海中构思的画面，给感动哭了。。。

说“感动”也不太严谨，更多的可能还是“心疼”。

如果你也有小狗，想必你一定能理解我的感受。

但此刻，倒计时仍在跳动，比赛仍在继续，需要我解决的问题，还有很多。

比如，最大的一个问题是：

故事有了情绪，不代表情绪就有了故事。

小狗因为担心主人，所以出门找主人。

逻辑没问题，动机也成立。

但如果只是把“出门、遇险、重逢”串起来，那份爱有多深，观众很难感受到。

故事的张力，来自于狗想要完成的事，与挡在它面前的困难。

而有力量的情感，就在于它面对这些困难时，做出的选择。

我需要给小狗一个具体的“信件”来承载那份爱。

这样，它一路上要做的，就不只是找到主人，还要把这封信完好地送到他手里。

当危险来临，它明明可以丢下信件，独自逃走，却最终还是选择回头。

这样观众就能看到，它舍不得丢下一件东西，也就能感受到，它舍不得放下一个人。

为了保护这封信，本来胆小的它，有了挑战全世界的勇气。

这就是我所说的“故事”。

那么问题来了，她到底会带着什么去找主人呢？

给主人擦眼泪的纸巾？一大块骨头？

不不不，都太俗了。

刘阿呆最喜欢什么呢？

毫无疑问，喜欢球。

每次陪她玩球，阿呆开心的能把尾巴甩成鞭子，甩脸上生疼。

“球”这个字就跟开关似的，我一说“球”，她上一秒还在打呼噜，下一秒就已经歪头盯着我看了。

但问题又来了：

正确的逻辑，不应该是“狗喜欢什么”。

而是狗认为“人最喜欢什么”，然后把人喜欢的东西送出去，才对。

毕竟，你不能因为喜欢打游戏，就在情人节送女神一个机械键盘，还嘚瑟的跟她讲：“青轴，特别响”

所以阿呆会认为我喜欢什么呢？

我也不知道。

没头绪就抽烟，一根不够就两根。

偶然间，一个突如其来的想法，瞬间把脑子里所有杂乱的线都串起来了。

这是一个令我起鸡皮疙瘩的逻辑。

我之所以得出“阿呆喜欢球”的结论，是因为她对待球的表现和反应。

而每次陪她玩球，我也会被她逗得很开心，毕竟，如果心情不好，谁会有心思陪小狗扔球玩？

也就是说，在她眼里，是不是意味着我也喜欢球？

等等...

如果我选择玩球，是为了让她开心，那她选择玩球，有没有一种可能...

是为了让我开心？

她或许也没那么喜欢球？

只是因为她爱我、喜欢看到我开心的样子，所以才一直拉着我玩球？

即使距离我最终做完片子已经半年，但写到这里，这个逻辑依旧让我起了一身的鸡皮疙瘩。

我们以为是在陪狗玩球，但可能在狗的世界中，她其实是在陪人玩球！

带你去玩球，是我常说的一句话，但在这个设定下，这句话是狗的主观表达。

因此毫无疑问的，“球”就成了我选定的那封信。

刘阿呆，就是我的送信人。

想到这，距离比赛结束，还剩十来个小时。

没有一秒犹豫，我们迅速投入了制作。

不知道你有没有听说过，狗和人眼中的世界并不一样。

它们能分辨的颜色比我们少，远处的细节也没有我们看得那么清楚。

所以在视觉风格上，我设计了一种具有特殊美感的质感和影调：

看起来像低饱和度的世界、但又有独特的颜色变化，像近视的世界、但又有超现实的虚实变化。

是不是觉得还挺好看的？

但我可是大羽，不出意外的话我还是我吗？

因此吭吭唧唧干了一个小时之后，我们意识到一个重要问题：

做不完。

又要完美的视觉效果，又要完整的故事，比赛还剩十来个小时，铁做不完的。

不管东西好不好，先做出来才是王道，做不出来就一切都是零。

犹豫再三，忍痛割爱，换一个简单剧本！艹！

好在最终，我们在第一轮比赛中顺利交稿，第二轮决赛，也跟几个队友一起，拿到了海影节黑客松的第三名。

而这个关于狗的故事，就此埋在我心里。

从它诞生的那一刻，到后面的几个月中，我都坚定的知道一件事：

“早晚有一天，我必须把它拍出来！”

片子的起源讲完了，比我设想中写的多，但我觉得还是挺有必要的，其一确实是有感而发，其二，很多朋友经常问我同一个问题：

你的灵感到底哪儿来的？

事实上你看，就是这么来的，并不神奇。

所谓灵感，有时候就是某个很普通的瞬间，让你多想了一步，又多想了一步。

但从“被触动”到“把它拍成作品”，中间还有一段路。

所以面对上述那个问题，我通常给出去的答案有两个：

其一，多看片子，积累表达的经验。

这些经验，会慢慢变成你创作时能够调动的东西。

某一天生活真的触动了你，你脑海里浮现的，就可能不再只有一句“我很难过”，而是一个动作、一个场景，甚至一整段动人的故事。

其二，认真生活。

创作来源于生活，你愿意留意自己的感受，关心身边的人、事、景，才更容易发现值得讲述的故事。

而这些故事之所以能打动观众，是因为他们也有过相似的情感。

他们不一定养过狗，但应该都懂得思念、担心，应该都想让在乎的人开心。

使我正式立项的契机，开头简单说过，是今年三月份，某站的一个比赛，毕竟一百万的奖金太诱人了。

但从 idea 诞生之后，我其实一直在构思这个故事，这种状态很像是软件在手机后台“常驻”，需要时随时可以调用。

我很喜欢开车，因为开车的时候我脑子经常蹦出来一堆奇妙的想法，具体原理我也不得而知。

为此我甚至做了一个插件，只需要喊 siri 唤醒，然后说出我的想法，就可以将文本自动发送给我的飞书 AI 助手，接着助手自动帮我把想法碎片，整理到飞书文档《点子库》中。

比如成片中间狗和猫的黑白画风打架、结尾球被小男孩抢走等，都是在开车路上突然想出来的。

当然，这种碎片化的想法，最终仍需要合理的编排和取舍，否则也只是碎片。

但至少，它比你固定几天坐在那里硬想，要来的轻松且富有更多可能性。

毕竟灵感之所以称之为灵感，不就是灵光一现的感想嘛，它是需要长期积累、需要契机的。

三月的某天，我决定正式开始创作，因为要赶比赛的截止日期，以及不让片子因自己的拖延症和完美主义而流产，我定了个两周的工作节点：

可以看到，我非常具体的规定了第几场戏在几号内完成，而不是用“完成 AI 镜头”这样宽泛的说法来描述任务。

因为我试过，至少对我来说，只要宽泛，我就拖延。

当然，你看到的是最终版本的节点，一开始剧本还没定的时候，肯定是没法写的这么具体的，它需要随着你的制作进度动态优化。

我很建议大家在做片子之前，给自己定时间节点，除了我上述的原因，还有一个很重要的因素，就是“状态”。

创作需要状态，状态好的时候可能有如卡梅隆附体，状态不好的时候，我跟一条死狗没啥区别。

所谓“闭关”这种说法的由来，我认为就是为了让自己能够在一段时间内，持续保持创作的状态。

相比于避免拖延症，“维持状态”的意义会更大一些。

人的脑子很多时候是没有 AI “清醒”的，所以在剧本的创作阶段，我会持续跟 AI 对话，将其当做我的编导团队。

事实上我一直以为大家在创作剧本的时候，都跟我的思路差不多，但后来才发现很多朋友都是把自己的零星想法丢给 AI 之后，就祈祷它一口气就能吐出一个完美且完善的剧本。

很显然，多数时候这不会奏效，所以他们会来跟我吐槽说：AI 还是太菜了，写出来的剧本一坨屎。

但这事，真不能全赖 AI。

我认为剧本质量和 AI 聪不聪明，其实是两码事，因为即使是世界上最好的编剧，你也不能用这种方式和他协作。

就算卡梅隆，也不能说跟御用编剧打个电话，就能收到几百页的完美剧本。

这不是一个技术问题，这是一个协作问题。

从这个角度来说，只要你有审美，知道什么是好的，就总能从一堆沙子里挑出一粒金子，所以模型聪明与否，其实构不成对作品质量的影响，顶多是影响你的工作效率：好挑一点、或难挑一点。

你可能觉得我在胡扯，如果这沙子里压根就没有一粒金子呢？

很简单，没有就不做，反正我不会把一坨屎放进自己的作品中。

所以如果剧本阶段的 AI 不如你意，本质上，我认为是你将 AI 的定位，给定错了。

那时候，我还在用此刻已被戏称为“美国豆包”的 Gemini，半年过去，AI 的智能水平真是天差地别。

但即使如此，如果用合理的方式与 AI 协作，它依旧能成为你的得力助手。

比如上述的那一堆灵感碎片，如果需要形成一个完整的故事，而你又没有头绪，就可以大白话告诉它你的想法，让它给你一些不同的方向：

不得不说，美国豆包确实很豆包，我复盘的时候总心疼自己：当时用的都是什么玩意儿...

但这里 AI 给的具体内容，对我来说，其实并不重要。

真正重要的是：

“我读了它的想法”——“我自己思考和感受”——“判断好不好、以及引发我新想法” 的这个过程。

在这个从阅读到思考的过程中，我原本模糊的想法会逐渐被清晰化，因为我会感受到：

“ 哦！我一定不要这样；哦！那样似乎不错。”

这件事，我称之为“范围收束”。

相信大家在创作前期，都很难一开始就想得非常透彻，一定会有迷茫、模糊的阶段。

究其原因，我觉得就是因为选择过多了：

你的故事可以有一万种讲法，每个镜头可以有一万种拍法，一万乘一万、再乘更多的一万，选择就多到你无法选择了。

而“范围收束”，指的就是将无数个可能性，逐渐收缩到一千个、一百个，最后剩下一个最适合的选择。

本质上就是将创作的填空题，变成选择题，这些选项不一定能直接用，但它们会帮我发现：

我到底不满意什么，又真正想要什么。

而选择的核心依据，则是你自己的经验、感受，和审美。

有了范围更窄的方向之后，我和 AI 会进行更加细致的沟通，注意，这里仍然远未触及到最终剧本的撰写环节。

在剧本之前，我还需要彻底想清楚整个故事的框架、每个段落和每场戏的作用等。

就像一家公司，你能看到员工有张三李四王二麻子，但在那之前，首先有的是这家公司的组织架构，比如管理部、市场部、产品部、财务部等等。

是合适的组织架构让一家公司顺利运转，而不是具体某个员工。

在纠结用张三还是李四之前，你需要先想清楚到底这个部门，存在的目的和必要性。

剧本也一样，每场戏都应该有它存在的叙事目的。

比如，我先让 AI 帮我写一个经典的三幕式结构，去概括每一幕在整个片子中，分别都起到什么作用：

当然，这时候我也会站在更底层的视角，去与其探讨：

最终打磨出一个及格的“地基”之后，我才会进行下一步更加细节的沟通，比如某场戏的节奏是快还是慢。

所以你可以看到，这个打磨的过程，其实还是跟传统影视一样的创作过程：

先想清楚母题、定好结构、最最后才会去纠结每颗镜头到底是什么样的。

我按照与 AI 的沟通顺序，列了个从前往后的截图，你可以更加直观的感受到这一点：

除此之外，AI 还非常适合当做“灵感宝箱”。

（其实人类的编导团队对于 leader 而言，不也是一样吗）

比如我会让 AI 来想象：狗狗眼中的世界，到底是怎样的。

AI 给了我很多好玩的点子，像路边扫地工人的吸尘机器，在狗的眼中是一个“会将全世界吸进去的怪兽”；洒水车又可能是“会喷水的巨型机器人，朝狗狗呼啸而来”。

以及最终成片中用到的，“狗将自己代入到抓娃娃机的狗玩偶”等等，都是 AI 提出的。

但这些点子或多或少，有点过于“童话”了。

一开始我甚至想，要不要将狗眼中的世界，干脆就彻底变成一个“异世界”，用超现实的画面来呈现，然后通过交叉剪辑的方式，来突出这个反差感。

就像胡同里猫狗大战的这段，是不是观感还蛮有意思的：

但最终我还是决定，全片还是保持写实，只在该强化的地方强化，避免为了有趣而有趣。

因此只选择了像娃娃机这种既写实又有趣的点。

总结一下，在前期创意阶段，我使用 AI 的核心思维并不是把它当做一个“神灯”，奢求摸一摸它，就能一句话满足我的愿望。

而是当成一个能把他们拉过来开会的编导团队，将团队杂七杂八的想法，用于启发我自己、提供多种选择，以及激发我的想象力。

真正对方向的把握、故事的感受、情节的设计，仍完全取决于人的判断。

在具体工作过程中，我会像下图这样，准备一个想法碎片库，不管是我想的还是 AI 想的，只要我觉得好，都给它贴进去。

然后时不时的回来看一眼，仍有必要保留的就保留，不合适的就舍弃。

还是那句话：首先要打动自己。

在这种情况下，我完成了最终的剧本。

有了剧本之后，我们就要具体构思每颗镜头的样子了，到底是仰视还是俯视、长焦还是广角、固定机位还是推拉摇移等等等等。

这是多数人最头疼的一个环节。

因为你即使没有专业编剧能力，但人物在什么时间发生了什么事，谁都能整两句。

而分镜，你如果不会，那是真不会。

就说看起来最简单的“对话戏”，比如两个人面对面对话，最基础的分镜方式，就是用中景或近景过肩镜头来拍摄正反打，谁说话就拍谁：

看起来非常简单，但想都不用想，你也一定会觉得这样来回切镜头很无聊。

无法想象看五分钟这样的对话，和看五分钟 PPT 有什么区别。

因此没有头绪的你，决定为它们加上一些景别和角度的变化，比如一会儿切两人侧面的全景，一会儿切一下表情特写，至于在哪里切，就全凭感觉：

实话说，这样观感确实好多了，但并不能解决本质问题。

我认为分镜要解决的，是情绪、节奏、观感、叙事等多方面的综合问题，而上面所说“让镜头切的更丰富一些”，则是一个最不重要的问题。

切得更多，不等于讲得更好。

关键是每一个分镜的设计，是否影响了观众获得的信息和感受。

同样是对话戏，我最喜欢来自昆汀《无耻混蛋》的这场戏，看视频：

不知道你看完什么感觉，反正我每次看，都得再起一次鸡皮疙瘩。

当然，能完成这种观感，肯定不全是分镜的功劳，情节本身、演员表演、台词、剪辑节奏、以及音乐和音效等，都在“共同发力”。

但在设计分镜时，导演就已经在主动去把控，这些镜头组合起来之后，会给观众带来怎样的体验。

“ 哪个阶段让观众先慢慢进入情绪？什么时候吊他们胃口？什么时候让他们爽一下？”

分镜里的景别、角度和运动等，都是这些创作判断的具体体现。

理解这个逻辑，你就理解了，为什么 AI 做出来的分镜看似正确，但平平无奇。

因为顺序错了。

你寄希望于 AI 理解你的剧本，并给出一套分镜，用这套分镜就可以讲好这个故事。

但好的结果反而是来自于：

你自己清晰的知道这个故事该怎么讲，哪个部分需要带给观众什么感受，然后调用“分镜”这个工具，就和调用“摄影/剪辑/灯光/美术/声音”等所有工具一样，去统一完成你的表达。

所以这一章节的标题，叫做“分镜，没有商量的余地”，我在个人创作类的作品中，始终坚持手动设计分镜。

当然，随着视听感受逐渐被量化为数学公式和规律，它们或许可以被大模型学习和掌握。

但那可能也只是一份“大家都这么拍”的分镜，而不是一份“我想这么拍”的分镜。

和剧本一样，我觉得理想情况下，人应该做的是一个“选择题”，比如 AI 把所有选项给我列出来、或者给我一万种方案，我来做选择。

我并不排斥“只做选择题、完全不动手”这件事。

但最终的成果一定是“我就想这么拍”才行。

举一个很有趣的例子，本片的前两场戏都发生在主角的家中，一个是在卧室里、一个是在客厅里。

为了确保最终的空间连续性，以及让自己更加直观的去想象：

我到底该如何在这个空间中进行拍摄。

我搭建了一个房间布局的“顶视图”，将主人和狗的位置摆好，然后顺着剧本想象每一颗镜头该放在哪儿：

这样是不是很直观？

其实这个习惯来自传统影视制作，在传统实拍中，导演和摄影指导等主创都要参与一个重要环节：勘景。

简单说就是导演带着一帮子人，来到即将要拍摄的实景中，走一走、看一看、做一做爱做的事。

而勘景中的一大重点任务，就是身临其境的去思考，在当前这个空间中，演员怎么走、摄影机怎么放、怎么打光等等。

比如你应该经常见到有导演比划着手指头、或拿一个镜头一样的东西，跟打狙击似的到处瞄准：

其实他们此时的脑子中，就是在构思：最终的镜头到底长什么样。

只不过实拍可以勘景，AIGC 就只能脑渲了，因此上面我制作的那种场面调度图，就可以很大程度上帮助我完成分镜的步骤。

提到这一点，重要的倒不是说你非得做一个顶视图才行，我更想强调的是：

即使要做这么麻烦的顶视图，我也要仔细的、具体的、清晰的思考清楚，分镜到底怎么拍。

提到分镜在 AIGC 创作和传统影视之间的区别，就不得不提下一个有意思的例子。

在传统影视中，基本是团队协作为主，各部门都需要知道导演大概要怎么拍，因此分镜就需要比较具象和直观，因此多为手绘分镜或参考图分镜（或称故事板）。

而 AIGC 时代，一个人负责全流程制作，会更加常见，甚至成为主流。

（比如我其实就不太擅长团队协作，尤其遇到不专业的团队，有那个沟通时间我都搓俩片子了）

另外在制作流程上，分镜图本身不再只起到“参考”的作用，而是直接作为最终生成 AI 视频的关键资产。

因此在前期构思分镜的时候，“图片类分镜”存在的必要性将极大减少。

比如我这次的分镜，实际上就是纯粹的文字描述：

因为我脑子中已经有清晰的最终效果，不需要再让我之外的任何人来理解，我确保自己在生图的时候，知道是什么意思即可；

等于是构思时，我先用文字把镜头记下来；进入制作后，再去把需要精确控制的镜头做成图片，直接用于后续生成。

这样，我就不必在构思每颗镜头的时候，立刻停下来处理人物一致性、修图和各种工具操作：

因为理想情况下，构思分镜的过程更需要想象和创意，以及“一口气拍完”的创作状态，所以用简约的文字来定分镜，对我来说就是最好的方案。

至于具体分镜构思细节，展开说能说个一天一夜，所以后面有机会再跟大家分享。

最后丢一张美国 Token AI 电影大会，给本片颁发的“最佳分镜奖”，它给了我很多信心。

对了，如果你对我前期创意的工作原文档感兴趣，这里也分享给大家：

https://wdhsud7eok.feishu.cn/wiki/NvZowkgPRisAxbkBtf5ct7B4npf

（仅代表个人工作习惯/仅适用于本片，请按需观看）

有了分镜，我就清晰的知道每个场景是什么样子、在什么角度拍，就可以统一制作各种资产了。

故事起源于我和阿呆，所以人物自然是以我为原型，而狗狗就以我家阿呆为原型了。

但比较麻烦的一点是，我对本片中小狗“笨笨”的想象，是一只小小的、乖乖的小狗。

而我家阿呆是一只大边牧，贼聪明，敢明目张胆的偷吃猫粮，被抓到还会装作无事发生。

这和故事的气质不太相符，所以最终我用 AI 重新做了个毛色相似的小土狗：

至于制作过程，也有一些值得分享的点。

AI 生图，仅通过提示词毕竟还是有很多随机性的，即使你文本写的再详细，但“感觉”这个东西，就跟你追不到的女孩一样，你说不出喜欢她哪里，但就是喜欢。

所以我建议干脆直接找一个“有感觉”的视觉参考，然后再做调整。

比如这是我在 Tapnow 中，生出笨笨的过程：

可以看到前面三张其实是现实中的小狗，是我在某书上刷到的，我不认识它是谁，只是感觉特可爱，特符合片子要的感觉，就拿它们作为起始参考图了。（谢谢无名小狗的贡献，祝你健康）

然后在生成过程中，感觉体型不对就调一调体型、毛色不对就调一调毛色，这一点相信对能看到这里的朋友来说，都是基操了，我就不再赘述。

做完狗狗的基础形象三视图，我还为它们制作了几组不同表情的资产：

原因有二：

其一是因为这片子中，狗是主角，所以它的表演和情绪很重要，我不想把情绪的随机性交给在视频中抽卡来解决，最好是图片的时候，我就找到最正确的情绪（毕竟生图可便宜太多了...)

其二，则是因为视频模型训练的过程，必然吃了大量的人类表演，所以人类演员我不担心，但动物的表演和情绪，我觉得应该没有太多训练数据吧，毕竟实拍时代有一句流传已久的话：

动物小孩，狗都不拍。

至于人物资产的制作，也是同理，我用自己的 AI 形象照作为起始参考图，然后依次生成不同服装的全身/近景三视图：

但与多数 Tapnow 工作流不同的是，你可以看到：

我并非从起始参考图直接生成为三视图，而是中间先生成了类似剧照一样的图片，最后才生成三视图。

如果你做过很多片子的话应该有这种经验：

最终成片要的是超写实的质感，但其中的人物总感觉油腻、AI 感重，甚至像个 CG 人物一样。

这类情况的原因有很多，其中一种，就是因为参考图提供给视频模型的不只有长相，也包括皮肤质感、光照和整体风格。

而如果参考图已经带着明显的塑料感或 CG 感，后续生成也可能把这些特征带进去。

所以我会先做一张接近成片效果的剧照，确认人物放进这种光线和环境里是对的，再以它为基础生成三视图，这样效果就会好很多，不信你看：

对了，提到风格和质感，对成片影调的把控，也非常重要，我一般称之为“风格资产”。

在前期创意阶段，相信你脑海中已经有大概的风格方向了，但真落实到具体制作，方向就必须要更加具象，这时候一套具体的风格资产就十分有必要。

简单说一下我的做法：

首先，我会在剧本或分镜的基础上，提炼出片子中的几个关键场景。

比如狗和人在卧室的床上、狗在街上跑、以及漫画风格的猫狗大战等。

这一步就完全可以交给 AI 来做，因为我前面跟 Gemini 聊了很多剧本和创意，在这个上下文中，AI 可以很轻易的帮我提取关键场景，并且帮我写出 Midjourney 的提示词：

可以看到，这里我特意强调说不要“风格提示词”，因为风格这事儿等下会集中在 Midjourney 来解决，而别的提示词内容其实就无所谓了，构图是什么、场景准不准，都不重要。

接下来来到 Midjourney 官网，在首页中找到“Styles / 风格”的功能，就可以看到，数不清的风格库了：

你要做的事情非常简单：

在顶部输入框中，输入那段固定的关键镜头提示词，然后在风格库里找你喜欢的风格，找到之后，只需要点击 “Try Styles / 尝试风格” 按钮。

这样，你的提示词就会自动套用这个风格，自动在后台开始库库生成了。

整个操作非常简单粗暴，一阵狂点，你就能获得风格各异的关键镜头。

比如本片的下面这些截图：

接着你要做的，就是找到那个最合适的、你最有感觉的影调和风格，把它当做后面的主风格来使用。

如果找不到，就继续找，十次不行就一百次，像上面截图，可能都只是我工作记录中的百分之一。

当然，Midjourney 的控制性肯定还是没有 banana 或 image2 来得好，所以最终的精细控图还是交给后面两个模型，但选一个独特的风格，我认为还是十分有必要在 Midjourney 中花费一番精力的。

有了风格，场景资产的制作相对就复杂多了，尤其是本片的一些场景，除了提供故事发生的环境之外，也起到辅助叙事的作用。

像前面提到的，我做了俯瞰调度图的那场戏：

笨笨需要躲在卧室的床底下（这源自我家阿呆的习惯），还必须能偷偷看到客厅的主人。

他们俩身处在一个大空间下的两个小空间，有关联，但氛围不同：

这样的叙事要求，就需要场景的一致性和连贯性更加严谨，但这对 AIGC 来说，并非一件易事。

那到底要怎么做到呢？

说来话长...V 我 50 解锁全部内容

开个玩笑，其实之前为了提交电影节相关资料，我就已经做过本片的技术白皮书，并且开源了。

其中就分享了三种我半年前尝试过的场景制作方案，在今天，这些方案或多或少有了更多的落地性，感兴趣可以前往这篇文章的第三章去看一看：《带你去玩球！》技术白皮书

另外，如果你对我的 Tapnow 画布感兴趣，我也开源了，感兴趣可以直接复制下面的链接，看我的幕后工程：

https://app.tapnow.ai/home/taptv/6/fffe3cf6-dc06-4baf-aa56-23fe24bf618f

这样会更加直观。

有了人物、场景和道具资产之后，就可以按照之前的文字分镜，进行最终分镜图片的制作了。

本片大概 200 颗镜头，其中 90% 的镜头是精细制作了分镜图片的。

可能有部分朋友会好奇：

为什么要有分镜图片？

不是拿人物/场景资产，直接用“多参”就能生成视频了吗？

其实所谓的“多模态参考”，我认为是技术角度下的概念，是类似“文生图”、“首尾帧”之类的技术概念。

即使我九成的镜头都制作了分镜图片，但这并不意味着我拿分镜图用“首尾帧”来生成视频，更多的还是用“多参”。

所以这不是个技术问题，是创作问题。

上面“分镜章节”中其实讲得比较清楚了：

我必须精准把控每个分镜的构图、调度、节奏。

这时候分镜图就极有必要了，仅有角色和场景参考，很难锁定我想要的具体构图。

你可以简单理解为，我是为每颗镜头，制作了“关键帧”。

至于具体的制作方法，我之前的文章讲过无数次，无非就是不断的“修图”，所以这次，主要讲一讲更加底层的逻辑：

如何更高效的精准控制分镜。

将这个制作过程拆解开，可以分为三个步骤：

其中的 1 和 2 ，则需要视情况来调整顺序。

先举一个默认顺序的例子。

在本片第三场戏中，狗狗决定出门之后，有一个“从窗户内探出头向下看”的仰拍镜头：

要制作这颗镜头，我首先需要从场景资产中，截取一扇窗，然后让狗从窗户中探出头（将角色放进场景中）：

接着，我主要调整摄影机视角，使图片的景别和角度达到我的预期，最终再修一修 BUG：

这是一个比较典型的精准控图的例子。

那接下来再举一个先调整机位、再放人物的例子。

狗狗出门后，被保安给吓到的那场戏中，有这样一颗低机位的全景镜头：

这次的第一步，我则是先调整出了我想要的视角：

然后在正确视角下，我用红笔画了一个人物站位的参考草稿：

最后，我才用小狗和保安的参考图，将人物按照我的草稿，放进场景中：

可以看到，无论是先调整视角、还是先摆放人物，只要能达到目的，其实都可以。

但之所以会有这两种不同的顺序，是因为在实际制作中，“将人物放进场景中”，并非听起来这样容易，“调整视角”也是。

偶尔甚至会被“AI 不听使唤”这件事折磨的憋一肚子火儿。

你或许也有类似的经历，无论如何就是调不准确。

这时候，或许你换个操作的顺序，一切就迎刃而解了，这里面涉及到一些 AI 生图的底层逻辑，不再赘述。

逻辑解决了，有朋友可能又会发现一个问题：

在你精准控图的过程中，随着生图次数越来越多，图片也会变得越来越脏、有很多奇怪的纹理。

其实这种情况的解决方案很简单，就是“重新绘制纹理”。

我称之为“ AO 白模大法 ”

AO 白模，是 3D 领域中的一种渲染方式，简单来说就是把三维场景的材质和颜色全部去掉，只保留一个类似石膏一样的形体和环境光影：

所以核心逻辑，就是把材质已经废掉的图片，干脆就直接不要材质了，转换成白模，然后再用 AI 重新制作材质，这样的材质和纹理就是全新的。

具体实操也很简单，将废图加上一句提示词：

“转成 AO 白模图”，

生成一个白模图：

再将废图和白模，一起当做参考图并加上提示词：

“细化 AO 白模 @图 1，影调配色和画面风格参考 @图 2”，

融成一张新图：

就这样，在技术和艺术、创作和制作的综合操作下，最终我完成了近两百颗分镜图片。

有了分镜图，就可以去做一颗颗的视频镜头了。

但有一点值得说明：本文按照这个流程来复盘，是为了方便你更加清晰的理解我的创作思路。

而在我实际的制作过程中，严格来说，并不是真的把所有镜头全部生完图之后，才进入生视频环节。

很多时候，我其实是按照单场戏甚至单颗镜头，一口气完成图片到视频的流程。

为啥呢？

从技术的角度来说，是因为生成图片或视频，都并非一帆风顺，可能有些复杂镜头，在有限的时间和成本下，无论如何就是无法落地，这时候我就需要改分镜。

从创意的角度来说，哪怕我已经定下了文字分镜，但制作过程中我还是会时不时的蹦出来新点子，可能也会去改分镜。

从流程的角度来说，我个人习惯边生视频边进剪辑，一组镜头制作完成后，我会直接将它们丢到剪辑时间线上，如果镜头衔接有问题、节奏不舒服，我会立马来看看有没有增减或换镜头的必要。

上面这三种情况都涉及到“改分镜”，但改分镜是牵一发动全身的事情。

镜头 B 改了，它前后的镜头 A 和镜头 C，可能就都要改。

这时候如果我费老大劲把图片全部生完了，那就等于浪费了很多前置工作。

因此我会更乐意边生图、边生视频、边进剪辑，这也是 AIGC 相比于传统实拍的一大优势，我可以实时看到我成片的效果，对于创作者而言，那可太爽了。

至于 AI 视频生成的具体操作，经常有朋友向我求助，说怎么都生不出想要的效果。

我觉得这件事的核心解决方案，就是“对症下药”。

没有不好的技术，只有没用对位置的技术，比如即使强如“多参”，也不是所有情况都适用的。

接下来跟各位分享下我的经验和思考。

在本片中，我用到了几乎所有主流技术。

比如“图生视频（特指首尾帧）”、“多模态参考生视频”、“视频编辑”等，其中前两者用得最多。

1、首尾帧

首尾帧，我主要用于两种情况。

其一是简单的镜头，比如下图这种固定机位、或运动幅度很小的镜头。

它最重要的是人物表演，所以我用多个模型同时生成视频，最终选择情绪最细腻的表演即可：

其二，是对起始帧和结束帧要求比较严格的镜头。

像结尾狗狗找到主人之后，我需要以狗狗的第一人称视角，呈现从“地面的球”抬头看向“主人的脸”，这么一个自然的长运镜。

同时，我还需要在剪辑阶段，为主人头顶添加一个小太阳，所以结尾帧的构图就必须十分精准：

因此如下图所示，我分别制作了起始帧图片和结尾帧图片，然后用“首尾帧”的逻辑，来帮我更加精准的控制摄影机运动和构图，以此达到我用视听来叙事的目的：

可能你会注意到，右下侧视频生成的参数，我用的并非是“首尾帧”，而是“多参”，但其中提示词的描述，却又是首尾帧的逻辑，所以我再次强调一下：

所谓的这些分类，都是技术领域的概念，我强调的是创作本身的逻辑、解决问题的思路，所以这里到底选多参功能还是首尾帧功能，都不重要，重要的是面对上述这种情况，你能迅速提出“用开头和结尾才能精准控制镜头”的解决思路。

2、多参生视频

多模态参考生成视频，是我用的最多的方式。

再次感慨技术发展之快...

这个东西从无人问津到成为主流，还不到一年的时间。

它的核心逻辑是可以参考文本、图片、视频、音频等多种形式的内容，来生成视频。

如果对构图精准性的要求没那么高的话，那确实没必要先搞出一张分镜图。

比如这个镜头：

我只需要低机位拍摄小狗在公园里跑，至于这个背景中有几棵树、景别是 90% 还是 80%，则没有那么重要。

所以其实不需要花半个小时去修图，而是直接把狗的形象和场景参考给到多参模型，告诉它我要一个怎样的镜头就好。

另外，多参也可以应付非常复杂的运镜和调度，相比于图生视频，多参我认为更像是真正的导演在片场去导戏的过程，只需要告诉 AI：

谁在哪儿，做什么，镜头怎么动。

举个例子，狗狗和野猫打完架之后，顺利逃出小胡同，它经过了家楼下，朝楼道里望去，驻足了一下，最终还是决定要继续踏上旅程：

这颗镜头是一颗长镜头，中间的场景必须保持连贯性，并且起幅和落幅并非是具有“形式感”的关键帧，而更像是从某个运动过程中进行的剪辑。

更重要的是，整个摄影机调度和人物调度之间的配合。

即使在实拍时代，它也是一颗需要费点劲的镜头。

那这种情况用简单的图生视频，就显然不合适了。

所以如下图所示，我给到模型一个全景、一个关键帧的构图、以及狗狗的角色资产，然后用文字提示词和“引用图片”的方式，来告诉 AI ，我到底想要怎样的调度：

就像视频所示，我觉得生成效果还是很不错的，当然，也需要一定的抽卡。

3、视频编辑

理论上这种纯 AI 作品，其实不太用得到视频编辑功能，这功能更多的还是在“实拍+AI”的工作流中，用于修改视频的。

比如替换背景啊、抠掉穿帮啊、或者换个天气之类的。

但很巧，本片有一段特殊效果，就是小狗穿街走巷的一段过场戏。

我想要镜头的视点牢牢定死在狗头上，就像是给狗头绑了个运镜相机一样，然后背景不断切换，以此展示小狗走过了大街小巷：

本来我以为，这种效果可以用提示词来轻松实现，但后来发现行不通，这时候，就得换个思路了。

这种特殊效果其实细节很多，比如切换背景的节奏必须要准确（最好能灵活调整节奏以便于剪辑）、狗的位置必须要固定、狗的光影必须要随着背景而变化等等。

抽了根烟，我想出一个绝妙的点子。

首先，我先生成一段狗正常奔跑的视频，然后用后期特效的方式（达芬奇跟踪+稳定），将运动中的狗头牢牢锁定在画面中：

可以看到，这时候狗头是保持在固定的视点了，但由于画面中其它像素的相对运动，导致像素无法填满整个画幅。

这时候，我用到第一次视频编辑功能，将缺失的背景用 AI 填充上，同时也顺便优化一下，后期处理所带来的不自然的观感：

但很显然，它的背景是不会变的，因此以这颗新镜头为基础，我第二次使用视频编辑功能，保留狗的主体，只替换背景，接着生成 8 个不同背景的视频即可：

由于它们的“基础视频”都是同一条，所以这 8 条不同背景中的狗，奔跑的姿势、细节和节奏，就完全一致，只有背景和光影各自有所区别：

最后，将这几条视频依次摆放在时间线上，在正确的节奏点剪开，就完成了这种效果特殊、又高度可控的镜头：

以上，就是几个主要的视频生成方式，你应该可以感受到：

虽然我钻研技术，但从来不纠结技术。

技术固然重要，没有技术，可能很多想法就不好落地，但我认为技术永远只是服务于内容的。

这意味着，我会把大部分的精力，包括学习的精力，都放在内容而非技术上，尤其是对工具的钻研。

如果把精力量化的话，可能我只有 1%的精力放在工具上，60%的精力放在内容和创作上，40%的精力放在商业和运营上。

强调这一点，是因为看过去看到有太多观众为此困扰，将精力过多的分配给了工具和技术。

要知道，技术迭代太快了，你追不上的，即使追得上，也并没有用工具产出什么有价值的内容，那工具就不再有其存在的意义。

本末倒置了属于是。

但工具和技术毕竟是要学习和熟练的，我只用 1% 的精力，为何能如此精通技术呢？

答案很简单：项目导向。

简单说，就是“做中学”，首先你有一个片子要做、有一个 idea 要落地，其次才是过程中需要用到什么技术，再去学什么技术，这样不但能最高效的学习和掌握，也更能将技术用在对的地方，而不是纸上谈兵。

久而久之，你的技术能力就能内化为你的武器，服务于你的内容。

话说回来，趁这篇文章，我也刚好数了一下：

成片大概 200 个镜头，我下载下来当做备选的，大概 500 条素材，而加上抽卡啥的就不好估计了，可能接近 1000 条吧。

算下来，平均一个镜头抽卡 2～5 次。

加上图片生成之类的算力成本，我大概估算过，这条片子的成本接近一万人民币。

（不过还好 Tapnow 赞助了大部分成本，他们对好片子一直都很慷慨，感兴趣你也可以去了解一下他们的创作扶持政策。）

顺便也提一下，你能看到其实绝大多数素材生成出来之后，我都会下载下来丢进素材库，即使它不是我满意的素材。

这也是传统影视留下来的习惯，所有素材我们都视若珍宝。

因为真正剪辑的时候，很有可能那条看起来好的素材，放进去的感觉不对，而那条看似失败的素材，反而是对的。

有了视频素材，我们就要将它们丢到剪辑时间线上了。

前面也说过，从我的习惯来说，基本上视频生成完，时间线也差不多完整了。

后期这个东西，我没法拆开成各种方法论来分享，那样可能 10 篇文章也讲不完。

就说一些我觉得有价值的点。

首先，是软件。

有点害臊的说，其实在以前，我是戴了些有色眼镜的，比如我觉得达芬奇天下无敌，premiere 是老登才用的东西、剪映是外行才用的东西。

但后来，随着参与各种活动和比赛越来越多，我发现有很多大佬真的就只用剪映，这让我无地自容（人家用剪映搓的片子都比我好）

不过即是如此，我自己仍一直使用达芬奇创作、并且仍会建议你用达芬奇。

因为即使剪辑本身无非就是素材的拼接，用哪个软件都一样，但后期还涉及到特效、调色、声音设计和项目管理及交接等更加专业的环节。

而专业软件，会让你事半功倍。

就拿本片来说，涉及到大量的后期合成、专业调色，这在剪映里、甚至 pr 里，是不可能全流程完成的。

再比如，之前做过一些要上爱奇艺之类正规流媒体平台的片子，它们对交付出来的视频规格参数、字幕文件、色彩配置等，都有比较专业的要求，那基本也只有达芬奇才能做到。

总之，为了满足创作的天花板，我认为去学习和使用更专业的软件，还是一件十分有必要的事情。

至于这次具体的后期内容，第一个非常有趣的例子，就是动画部分。

比如其中的猫狗大战、最后一段的小男孩大战，它们的节奏都很快，镜头数量也非常多。

相比于说“我用精准的画面来叙事”，这里则更像是用分镜以及炫酷的调度来烘托情绪，简单说就是“看起来爽就行”，这也是我决定用动画的原因之一。

因此，我采用了一种与前面截然不同的创作方式：

先用 AI 来帮我创作，然后我后期来重新拼接剪辑。

看这张图的提示词，你就明白了：

可以看到，我没有给具体的分镜，甚至没有给具体的表演提示词，而是用一种非常宽泛的描述，比如“一场爽快的打斗”，来让 Seedance 自己给我设计一场戏。

由于给了 AI 极大的自主性，所以每条生成结果的分镜、构图、调度都不同，有的是人物快速冲过去攻击、有的是人物跳起攻击、有的是两人对打。

这样，我就获得了大量的单镜头素材。

接着，在剪辑软件中，我将它们拆分成一颗颗的单镜头，然后按镜头类型做了分类，比如有的适合用在开头、有的是狗狗攻击、有的是男孩惨败。

而每个种类下，又都有不同感觉的单镜头，比如光一个男孩惨败，可能就有飞出去、甩出去、滚出去、或原地倒下（好惨一熊孩子）

最终，我再将这些镜头按照动势、节奏、表演等，重新组合成一段全新的戏即可，包括前面的猫狗大战，其实也是用了这种方式：

这样做，可以极大的提升工作效率，整个过程也很有意思，我很开心做了这个尝试。

还有一处很有意思的设计，就是这段男主崩溃、以及小狗幻想的动画部分：

这里的“现实与超现实”的闪现效果，我其实有担心过会不会被观众感觉“为了做效果而做效果”，但最终还是决定大胆一点，因为：

在我的脑海和记忆中，濒临崩溃的时候，我脑子里确确实实，就是一团五颜六色的杂乱线条、抽线且诡异扭曲的图案。

我只是把自己脑子里抽象的东西，具象的表达出来而已。

至于观众感觉怪不怪的，让观众自己感觉去吧，哈哈。

像上图这种闪了几帧的眼睛，其实来源于很多年前，在一个情绪接近崩溃的夜里，我躺在床上，抱着手绘板闭着眼，任凭情绪主导我的手，画出的一些画。

⚠️ 前方高能：

做片子的时候，我就在回忆自己有没有特崩溃的阶段，然后就想到了几年前的那一夜（别问我发生了什么）

随后我将留下的画翻出来，发现特适合这一段的情绪，所以就稍作调整，放进片子中了。

这些画就是我真实感受的切片，所以我觉得就应该这么剪。

至于小狗的幻想，也是差不多的道理：

在我的想象中，狗狗心里的世界应该很简单：

它分得清家里和外面、它害怕闪电和雷声、它觉得外面可能有怪兽，此外可能也想不到更多东西了，所以我用这种简单又夸张的、黑白蓝黄配色的画面，来呈现它脑海中的世界。

当然，除了夸张的画面，这些段落也加强了相关音效、视觉特效等，来辅佐节奏和情绪，共同来达成同一个叙事目标。

与之相似的，是本片的另一种偏趣味性的包装，比如球砸到某处、狗落到垃圾桶之类的“小元素”：

这些元素，其实也是用 AI 做的，只不过经过了后期处理来细化效果。

我先用图片 AI 模型生成我想要的元素素材：

然后在达芬奇中，单独调整每一个元素的大小位置、动画、透明度等参数，使其形成一种有趣的二维贴图效果：

同理，小狗眼中，男主头上的天气，也是一样的原理。

不同点在于，这些天气是动态的，而不是上面那种静帧图片，所以需要让 AI 帮我生成带绿幕的视频素材：

然后在达芬奇的 fusion（专门处理特效的板块）中，再进行抠绿、跟踪、调色、发光等特效部分即可：

说到调色，我觉得很有必要多分享一点，它可能比你想象得重要的多。

实话说，AIGC 生成的素材其实没有太多调色的空间，像以往摄影机实拍的素材，能达到极高的色彩空间，以便于你灵活控制画面色彩。

而 AIGC 素材，你稍微拉一拉曲线可能就色彩断层了。

但，这不意味着 AIGC 影片不需要调色。

调色，可以简单分为两个步骤：一级调色、以及二级调色。（不存在什么三级四级调色，别听不专业的博主瞎说）

一级调色，主要解决这么几个问题：

1、单颗镜头是否正确：反差和色彩对不对，比如死黑、死白、太灰、过饱和、白平衡偏移等。

2、镜头之间是否正确：就是色彩匹配，前后镜头是否接得上。

对 AIGC 来说，这些问题尤其常见，每颗镜头单看都不错，但上一颗是暖黄感，下一颗突然变成阴冷感，那前后铁接不上的。

二级调色，则主要解决这几个问题：

1、局部颜色是否正确：比如肤色、天色、植物色等固有色，或者同一个东西的颜色前后是否保持一致。

2、视觉重心是否明确：比如乱七八糟的颜色太多，抢画面，那这时候就需要去控制杂乱的颜色弱一点，主体则对比强一点、清晰一点。

3、其他 BUG：比如磨皮、抠像等。

简单说，一级调色主要调整画面的整体曝光、色彩和反差，并让不同镜头接起来足够统一；

二级调色就深入到画面局部，比如单独修正狗狗的毛色、压暗抢眼的背景，或让那颗球更突出。

前者建立整体基调，后者进一步控制细节和观众的注意力。

我来举几个具体的例子，像这两个画面：

你应该能感受到，镜头 A 有点灰，而镜头 B 的对比度又太高、锐化效果太严重。

我们先不去深究在素材生成阶段发生了什么，如果最终剪辑我们确实选用了这两个素材，那么就需要去单独调色来修复问题。

比如将镜头 A 的反差拉高、加强光感和饱和；弱化镜头 B 的反差，去掉一些锐化：

你看，左侧的镜头 A 和 B，就有点跳脱，而右侧的 A B 就更加匹配和统一。

我们其实并没有做什么过多的调整，只是进行了一点点微调，解决了问题，就够了。

调色并非是大刀阔斧的动参数，恨不得加一百个节点，节点越多显得越专业，那是幼稚的想法。

再一个更加直观的例子，是下面这组镜头，其中镜头 B 的原始素材里的光，是发暖的，很显然接不上戏：

所以我们需要调整它光线的白平衡，使其色调能够衔接前后镜头：

再举一个二级调色的例子，下面这颗镜头是原始素材，在前期 AI 阶段，我已经将其影调尽可能统一，构图也做了设计，但效果我觉得仍然不够准确：

所以，我首先进行一级调色，使其影调和这场戏的前后镜头比较匹配：

但这时候你会发现，“偏冷/偏暗”的处理，不但使画面变“闷”了，同时也使得狗狗和球也变弱了，画面中的颜色和元素太多，以至于视觉一下子抓不到重点。

所以，我单独对球和狗进行处理：

我使球和狗的反差更加强烈、饱和也稍高一些，这样观众一下子就会被球所吸引，画面也更加通透。

最后一个例子，则是结尾处，我对整体影调的处理：

可以看到调整前的原素材，差不多是“傍晚”的感觉，但还不够，显得灰蒙蒙的。

而调整后，我加强了冷暗的影调，使其情绪更浓。

这样处理还有另一个好处，前面也提到过，就是 AIGC 素材的色彩空间没那么广，如果是一段偏暗色的画面，AI 给你的素材就很可能“死黑”，简单说就是暗部没有细节了。

而如果你生成的素材稍微先亮一点，到后期阶段再去压暗，这样暗部的细节仍然是可控的，不至于一团死黑。

这也是源自实拍的经验，没人真的在黑灯瞎火的夜里拍戏，摄影机宽容度可比人眼差多了，实拍的时候天色都不会太暗，等后期的时候再去压暗。

最后，就是声音设计了，这也是一个比想象中重要得多的环节。

实话说，本片的声音我认为做得完全不够好，尤其是音效，当时赶时间参加比赛，交了片之后我又懒得继续优化，所以就这样了。

我觉得市面上这么多 AI 片子，声音真的是一大硬伤，包括我也是，都值得专门去学一学声音制作。

如果你没有概念，我简单分享一下：一部片子的声音，可以粗略分成四类：

人声、环境声、动作音效，以及音乐。

人声不光是台词，也包括呼吸、叹气、笑声，甚至本片小狗的喘息。

比如同样是小狗趴在地上，安静地呼吸，和带着一点委屈的哼唧，传递出来的情绪就完全不同。

环境声，则负责告诉观众：角色身处一个怎样的世界。

比如即使是一个安静的房间，也能听到白噪音和窗外隐约的车流，你给了这个环境音，可能也没什么明显的改善，但如果你没给，那画面就一定会干巴巴的，总感觉缺了点什么。

尤其是 AI 画面，本来就没有同期录下来的现场声，那如果只配音乐和几个明显的音效，你构建的世界就会显得空。

动作音效，是让画面里的动作具有触感。

小狗的爪子踩在地板上和地毯上，发出的声音是不一样的；狗钻出窗户时身体蹭过窗框、球落地后弹了几下，这些声音都在帮助观众相信：

它真的在这里，真的碰到了这些东西。

这也是我认为本片做得不好的一大问题，如果音效我再认真做一做，想必沉浸感和代入感又会完全不一样。

不过也得强调一下，“根据画面配上对应的响声”只是最基础的要求。

我认为声音更重要的目的，仍然是辅助叙事。

比如同样是一辆车经过，客观地还原，那它就是普通的车声；

但我想让观众带入的是一只胆小的狗的感受，就可以将车流声故意做的失真一点、甚至难听一点，这就达到了我的叙事目的。

至于音乐，大家最熟悉，但也最容易依赖。

悲伤的戏就放悲伤的音乐，紧张的戏就放紧张的音乐，当然有用，但这个度其实不好把控，加多了会很“腻”。

有时候让音乐停下来，反而可能更有情绪。

最后，还需要把上面这些声音放在一起，完成“混音”。

简单说，就是去决定和操作：

此刻谁该突出，谁该退后；声音从哪来，离我们有多远等等。

所以声音制作，并不是在剪完画面之后，找几个音效拖进去，再铺一首歌就结束了。

它和镜头一样，需要取舍、需要设计，如果必须用一最重要的句话来总结思路的话，我认为还是那个老问题：

这一刻，我希望观众注意什么，感受什么？

那说到本片具体的制作，我也专门邀请了这次帮我做音乐的伙伴：达子，来分享一部分他的经验，实话说音乐我还是比较满意的，不知道你觉得怎么样？

以下是达子的分享（让我们热烈鼓掌欢迎👏）：

这次配乐中，既有纯人工编写的部分，也有人工先完成旋律和节奏等关键内容，再由 AI 继续完善的共创部分，当然，也有通过纯提示词生成的部分。

粗略估算，整体人工与 AI 创作比例大约是一半一半。

围绕这几种制作方式，我想分享两点感受比较深的经验。

第一个是：准确锚定你想要的风格，往往就成功了一半。

对于 AI 配乐来说，风格方向是否准确，会直接影响后续的生成效率。

很多非音乐专业出身的创作者，其实知道自己想要什么感觉，只是不知道应该用什么词来描述。

即使借助大语言模型，也可能只是在大量看似合理的描述中反复打转，花了很长时间，才找到一个准确的关键词。

一个很直接的例子，就是本片中猫狗大战、转为黑白漫画的那一段：

在和 GPT 的探讨中，我准确捕捉到了一个风格关键词：Spy-Fi

确定这个方向后，这一段基本只抽了一两次卡，就拿到了满意的音频。

要找到这样的方向，我觉得最直接有效的方法，仍然是传统音乐制作里一直在使用的——找参考曲，用实际听感确认方向。

如果暂时没有参考曲，也不熟悉音乐风格，可以先把 Suno 官方的提示词指南、曲风介绍和音乐术语资料交给自己常用的 Agent，再描述画面、剧情和情绪，让它推荐两三个风格方向，同时给出各自具有代表性的成熟作品，供自己试听。

先亲自听一听，确认哪种声音接近预期，再让 Agent 整理生成提示词，这样就会准确很多。

毕竟文字只是辅助，自己的直观听感才是最重要的判断依据。

而如果你已经有一首理想的参考曲，则可以反过来：把曲名和作者提供给 Agent，让它结合能够查到的资料，梳理作品的风格、配器、节奏和音色特征，再整理成提示词。

不论从哪一端开始，都是在把“我想要的感觉”与具体的音乐表达对应起来。

这对非音乐专业创作者来说，应该是最难、但也是最应该先做的一步。

第二个经验，就是人工先搭骨架，再让 AI 补充血肉。

确定风格方向之后，接下来要解决的，是音乐如何与画面配合。

我认为，把传统配乐工作流与 AI 生成结合起来，是一种非常有效的方式。

比如，小狗从窗户跳出来、落到垃圾桶的那一段，就是用这种方法完成的：

我先在 DAW（数字音频工作站）里用 MIDI 写好主旋律，再用一个最基础、最简单的钢琴音色导出音频，放到 Suno 里做 Cover，将它发展成具有史诗感的管弦影视配乐。

对于不会作曲的朋友，这个思路也可以从更简单的一步开始：

先不写旋律，而是明确音乐的起止时间、情绪和进出方式。

比如：“第 20 秒到第 30 秒是追逐镜头，音乐直接进入，持续紧张推进，最后配合撞击动作戛然而止。”

把这样的描述交给 Agent，让它建议合适的 BPM（速度）、拍号和简单结构，再整理成提示词。

我是大羽，我回来了。

感谢达子老师的分享，我觉得还是非常干的，希望能帮到你，如果你也想关注更多干货或跟达子合作，可以去视频号找到他，这是他的 ID：

整个片子的制作，到这里就要告一段落了，在我尽可能不展开的情况下，仍然已经达到了恐怖的两万字之多，大羽斗帝，恐怖如斯。

如果我称它为市面上最干的复盘，不知道你同不同意。

最后，除了片子本身，我被问到的最多的问题，应该就是电影节了：

大羽，你这么多比赛都是哪里找的？

国内外都有哪些电影节？

怎么投递电影节？

其实我在一年前，也曾被这些问题困扰，但后来发现，其实参与电影节，并没有想象得那么遥不可及。

关于电影节的基础科普，什么 A 类 B 类之类的东西，大家可以自己去搜，不多说了。

真正麻烦的，其实是找到适合自己作品的电影节，以及弄清楚它们各自的规则。

这里先给大家介绍一个我很常用的平台：FilmFreeway

像我这些入围、获奖的通知，都是这个平台发来的：

你可以把它理解为电影节的“征片平台”。

很多电影节会在上面发布征片信息，我们创作者就可以在上面建立作品档案、上传资料，再向不同电影节统一去提交作品。

当然，这个平台上主要还是国外的电影节居多，至于国内的各种比赛，我其实基本都是通过社媒平台获取到的信息，有一些账号他们专门发 AI 相关电影节和比赛的内容，你刷的多了，平台自然就会推给你。

如果你不知道该投哪些好，那我建议就不要纠结，挑个一两天的时间去“海投”，库库投，然后坐等惊喜。

那如果你有明确想冲的电影节，就最好在公开发布你的完整作品之前，先去仔细看看它的规则。

因为有些电影节能接受已经公开的作品，有些却有严格限制，它们只接受你的“第一次”，这被称作“首映要求”。

至于到底投递些什么东西，其实每个电影节要求可能都不一样，但总得来说，你至少需要准备这些资料：

为了避免每次报名都重新翻文件，我建议提前整理这么一个“电影节投递资料包”，应对不同的投递要求，就会方便很多。

其实说了这么多，我的投递工作后来都是外包给我朋友的，因为除了考虑上面这些，在实操等环节还有特别多的细节，所以我干脆就找这种专业的代投递服务商，能省巨多事儿。

帮我代理的这个朋友很专业，如果你需要的话，也可以去某书联系他：

对我来说，参加电影节的意义，除了得到一个结果、获得一些背书，也是让这个原本只存在于自己脑子里的故事，有机会去见一见更多的人。

前段时间，最触动我的，是一个叫 Cinétoile International Short Film Festival 的电影节发来的现场图片：

这个节日在突尼斯举办，实话说，我在地球上找了半天，都不确定有没有找对这个国家。

使我万般感触的，是第一次看到这么“简陋”的电影节，观众坐在塑料板凳上或地上，荧幕甚至是破桌子上摆的一个小投影仪投上去的：

通常，电影节好像都在追求高大上，请一堆的明星、搭更大的舞台、打印更好的物料，我作为参与者也因此变得只关注那些盛大的、华丽的部分。

参与电影节，我脑子里其实只有对红毯和名流的渴望。

因此，这个 Cinétoile 的电影节，一下子把我拉回到创作本身。

这是一种很奇妙的体验，看到节日现场图片，你可以想象到：

一堆镜头，从我电脑里被提示词所驱动生成，然后在我电脑的达芬奇里被拼接、被导出。

最后这个 mp4 文件数据，经过互联网，以光速流向了地球的另外一端，被激光投射在那块布上。

接着，一群我不了解他们、他们也不了解我们的人，坐在地上认真看你的故事，甚至可能有人再不会忘记一只来自中国的小狗。

我们文化不通、习俗不通，但作为人，我们有相同的情感，我们都会被真情感动。

而这些，我认为才是自己的作品，最大的意义和价值。

随后我脑子里，不再有那些肤浅的功利心，创作其实很简单，就是讲一个你想讲的故事，喜欢的观众与你跨越文化和距离，进行精神和情感共鸣，不喜欢的也无妨，因为总有人会喜欢你的作品。

没有不好的作品，只有迟来的观众。

这篇文章终于结束了，不知道你看了多久，反正我写了很多天，如果你能看到这里，请在评论区留言，我会为此感到开心。

下一条片子，我会继续去讲一只小狮子的故事，其实吧，我是准备做一个系列：用 AI 拍一百种动物。

听起来是不是很有意思，因为拍人的作品太多了，我对人也没什么兴趣，人类太复杂。

动物不会说话，所以我多数片子里可能也不会有台词，但它们的品质和精神，我认为是值得讲述的。

在这个系列中，我有信心创作更多的牛逼到爆的作品，欢迎你关注。

这阵子，就先把线下课认真办好，还不了解我们 AIGC 线下集训的伙伴，可以去看这篇文章：

⬆️（点击图片查看课程详情）⬆️

过几天就停止招生了，如需报名需要抓紧了！

广告打完，

就这样，

下次见！

历史精选文章推荐（点击标题查看）：

影视飓风的AI高能片段，是怎么做的？【万字复盘！AIGC制作幕后】

万字复盘！电影周金奖AI短片 创作幕后与AIGC干货教学：如何48小时完成一部AI获奖短片

狂揽国际电影节入围 AIGC 短片《带你去玩球》技术白皮书【葵花宝典级干货】

Tapnow 全球最大 AI 黑客松，作为评委，说点干货

最骚邪修秘法，AI做图效率飙升十倍，有手就行！（Midjourney 情绪板进阶用法 10分钟建立素材库）

普通人学 AI，该如何开始？