开篇词
本期视频教会你AI生成游戏角色巡演视频的详细制作方法，会讲到AI生成音乐、舞台、保持人物一致性、镜头提示词都讲到。我知道会有大量的纯新手看到这个视频，你可能没摸过相机、没剪过视频，也没生产过AI视频。这些都没关系，没关系啊。
所以先看你10分钟之后能做出来视频的效果。【播放样片】-20秒
这个视频的确还有很多可以改进的地方，但你只要学会，就可以按照这种方法做出很多有意思的片段。比如制作全家人一起开演唱会的视频，孩子唱歌，爸妈伴舞，多温馨的画面。也可以制作成朋友一起去狂欢的视频、还可以恶搞同事，甚至制作老板年会登场的视频。
制作流程
制作流程分为5步：
- 生成音乐： 分为两个步骤AI生成歌词，再利用歌词生成对应的音乐。
- 制作舞台： 人在哪里跳舞，不能切镜头，场景背景都变了，这要提前制作舞台。
- 人物角色卡： 角色卡的生成标准，保证人物一致性，细节很多。
- AI生视频： 需要镜头感和导演思维，具体讲解提示词怎么写。
- 后期视频剪辑技巧： 回到视频剪辑软件里，把AI视频进行二次剪辑。
1.生成音乐
先来看如何用AI生成视频中的音乐。分为两个步骤：歌词和歌曲。
先来看歌词，你可以找到你手里任何Agent或者大模型都可以，因为我这里想让奎托斯唱歌，所以年龄和声音特点要有限制，输入下面这段提示词：
请创作一首适合演唱的中文歌曲。以 游戏角色 中的 奎托斯 （奎爷、战神游戏中的主角）第一人称视角展开，借游戏世界隐喻现实社会。
主题围绕作为家喻户晓的游戏人物，也要牛马打工、潜规则、后台。用游戏人物的无敌和现实中的无奈做对比。
歌词要有黑色幽默和现实讽刺，表面写游戏，实际写现实，不要找原著或已有歌词，不要堆砌典故，多用现代口语和隐喻。整体控制在20-30秒左右，歌词要有一句朗朗上口、适合传播的洗脑 Hook，结尾留有后劲，并适合 Gospel R&B 的情绪爆发和高音炫技。
这样AI就会给你生成歌词了，你可以多让AI生成几版，最后选择一版你喜欢的。这样我们就有了歌词。接下来就是让歌词变成音乐。
变成音乐我这里选择了目前最流行的Suno音乐生成模型，然后写入下面的提示词。
演唱者为50岁左右的老人，但身体健硕，中气十足。声音苍老，但洪亮。唱歌的是奎托斯，可以模仿他的声音。
演唱时长为20-30s，前奏尽量短，或者不要。
唱法提示：BPM 74 左右，4/4，可用 E 小调。主歌像跟老板汇报一样冷着唱；Hook 靠和声对答把荒诞顶起来；Bridge 开始真声飙，Outro 在「Oh——」和「胜利」上做长音加转音炫技，最后一句不用气口，直接泄下来 —— 反差就是后劲。
歌词：我拧断过神王的脖子，撕碎过闪电 如今这双手，只改老板的 PPT 混沌之刃劈得开奥林匹斯的天 劈不开工位那张排班表。
这段提示词还是有一些专业音乐知识和唱法在里边的，如果你不会，你也可以让AI来生成唱法的提示词，然后再加入自己的需求。
2.制作舞台
当有了音乐后，就可以向下制作舞台了。你想让角色在哪里跳舞，比如在家里、在办公室或者像视频中一样，在一个演唱会的现场。就需要在这里设定。
制作舞台说白了就是制作一张不带人物的舞台图片，所以这一步也完全可以交给AI来制作。如果你想制作的比较真实你可以利用实拍，再用AI生成环境，比如家里的客厅，公司的会议室。
同样，你这里只要用任何有生图能力的Agent都可以生图，比如Codex，当然豆包也是完全可以的。
我这里生成的提示词是这样的:
生成一个可容纳万人的大型演唱会舞台场景，画面中不包含任何人物，仅呈现舞台本体。场景用于后续人物演出合成与视频制作，需具备完整的舞台结构，包括主舞台、延伸台、LED背景屏幕、灯光桁架、音响系统、观众席区域及氛围灯光。风格写实，视角为广角正面远景，便于后期人物抠像与场景延展。输出为高分辨率、无人物、干净背景的舞台概念图。
提示词输入后，稍微等一会，我们就有了一张不错的舞台图片了，效果还是非常不错的。如果你希望更加准确，还可以根据现在这个舞台图片生成一张近景舞台的图片。
3. 制作人物角色卡
接下来就是制作角色卡了。如果你只靠文字描述，比如一个漂亮的女孩，很可能只要一切换镜头或者转个身，就会换成另外一个人。也就是说AI很难保持角色一致性。但现在已经有了完美的解决方案。就是制作角色卡。
现在基础的视频模型都可以支持10张参考图，如果一个镜头里的角色比较少，比如一个人物，你就可以制作一个全身照，和全身照的三视图，然后再制作一个脸部特写的三视图，两张图片基本就可以保证人物的一致性。
我视频这里有五个角色。主角奎托斯（奎爷）、马里奥、李昂、林克和士官长，一共五个角色，所以如果一个人物两张角色卡，再加上舞台图片，参考图数量就会超出。所以我这里采用了单张角色卡。
但单张角色卡，没有双角色卡的人物一致性和细节好，这个你要知道。
我这里拿奎爷举例讲解角色卡的制作。首先你要去搜一张奎爷的图片，然后拿到图片作为生成角色卡的参考图。
提示词如下：
本需求用于生成一张AI短剧角色设定卡，画幅比例为4:3，输出分辨率不低于2K，整体采用写实风格，需符合3A游戏角色设定图的质感与规范。角色形象参考图1，图1为游戏《战神》系列主角奎托斯（Kratos），通称“奎爷”。画面采用左右分栏构图：左侧为奎托斯的全身正面立绘，着装为灰色貂绒大衣，内搭白色衬衫并系领带，要求人物比例准确、服装结构清晰、整体造型完整；右侧为奎托斯的面部特写四视图，依次展示正面、左侧脸、右侧脸和背面视角，四视图需排列整齐、面部特征统一，便于后续角色建模与形象校准。左侧全身像与右侧面部特写必须为同一角色，服装、发型、面部特征在各视图中保持一致，光影统一、细节清晰，最终成品需适用于AI短剧角色资产库。
这样我们就可以生成一张完美的角色卡片了。按照这个步骤你可以继续生成其他四个角色的角色卡片。
4.生成视频
有了音乐、舞台和人物角色卡，就可以开始制作视频了。先把音乐放到剪辑软件里，根据歌词切成一小段，一小段的。建议是每一小段不超过8秒钟，以歌曲的前20秒制作为例，我这里把音乐切了四段。差不多5秒切一段，然后分别导出这四段音乐。
也就是说玩要把前20秒分成四段来制作视频。也就是要四段不同的提示词。记得如果是有人物特写的，在提示词里一定要带上歌词。
至于写提示词这个就要看经验了，但我们已经有了舞台、音乐和人物角色卡，把这些都以附件的形式传递给Agent或者大模型（我这里使用的是MiniMax-H3，这个模型开源，还可以本地部署，如果你有5060显卡，64G内存就不需要花钱抽卡了），你也可以完全照搬我的提示词。
提示词1
图1中身穿毛领西装大衣的奎托斯神情深沉凝重，面部特写侧脸开场并跟随音频节拍准确对口型演唱，在第3秒画面逐渐展开露出图6中灯光璀璨、烟雾缭绕的巨型演唱会全景舞台。前排中央的奎托斯握拳深情低吟，后排四位角色并列站立，从左到右依次是：穿黑西装的马里奥（图1）、穿黑西装的里昂（图2）、穿黑西装的林克（图3）、士官长（图4）。四人同时跳同一套舞蹈，节奏完全一致，但每个人的三个动作各不相同。马里奥：第一个动作双手叉腰左右扭胯，第二个动作单手上举做招牌跳跃，第三个动作双手握拳在胸前交替画圈。里昂：第一个动作单手插兜侧身滑步，第二个动作双臂交叉后打开，第三个动作单手做开枪手势并转腕。林克：第一个动作双手握剑柄式虚握向前劈砍，第二个动作单手举过头顶旋转，第三个动作双手在身侧做拉弓姿势。士官长：第一个动作双臂抱胸点头，第二个动作单手敬礼后放下，第三个动作双手握拳在腰侧做战术踏步。四人动作不同，但节奏整齐，背景简洁，全身镜头，正面视角，舞台灯光，节奏统一，动作清晰，高质量，流畅动态。舞台射灯按节奏扫射交织，光影利落，形成冷峻霸气与职场歌词反差的现代史诗MV质感。
歌词如下："xxxxxxxxxx",主角奎托斯为演唱者，口型要和歌词一致。
提示词2，是对现场热闹程度，和观众的特写。这里需要把舞台图片作为参考图。
提示词2
基于图1所示的演唱会现场，将空置座位完整填充为数以万计、面孔各异的狂热观众，所有观众都正面朝着镜头，不要崩坏五官。全场挥舞荧光棒，随节奏起伏跳跃、齐声欢呼。蓝紫色光束与薄雾在庞大的人海上空穿梭交织，形成强烈的空间层次与氛围张力。采用俯视视角，以极低空、极速飞掠的方式掠过沸腾的观众席顶端，强调画面宏大震撼、动感流畅与沉浸式临场感。画面仅呈现观众席，不展示舞台演员，只展示观众。
展示完全全景的观众镜头和，为了冲击力，我们第三个镜头为奎爷脸部深情歌唱的特写镜头。提示词3。这一步最关键的就是对准口型，所以一定要在提示词里加入歌词。
主体保持图1中奎托斯的面部特征、红色战纹、大胡子及西装毛领造型不变，置于图2宏大舞台光效的前景。奎托斯面部特写，眼神深情而沧桑，随着背景音乐深情歌唱，嘴唇开合与口型起伏与音频唱词完全同步咬合，下颌与胡须随歌声自然颤动。背景虚化呈现图2中深蓝与金色的交错舞台光柱，光影勾勒出他如雕塑般的硬朗面容，神情由克制沉郁转为副歌般的悲壮释放。歌词为：“xxxxx”.
最后一段，我们使用中景转全景的镜头来描述。提示词如下：
参考图6和图7的暗调演唱会舞台，蓝紫光束与烟雾交错扫射。图1奎托斯身着毛领大衣站在前排中央，神情深沉冷峻，对准音频节拍握拳深情对口型演唱。后方穿着黑西装的图2马里奥、图3里昂、图4林克与图5士官长 舞蹈动作设计如下：第一拍，以重心下沉的滑步切入，身体随低频节拍向侧后方滑动，肩部自然放松，完成下蹲滑步； 第二拍，借滑步惯性起身，头部与肩部依次做出短促弹动，形成摆头耸肩的律动； 第三拍，手臂顺势向外挥出，配合脚步开合，完成左右交替的挥手拍击； 第四拍，在歌曲重拍落点瞬间收束全身动作，以半蹲或侧身姿态完成顿点定格。 四个动作之间以膝盖微弹、髋部摆动和手臂惯性连接，确保动作流畅不断层，整体节奏贴合流行歌曲的强弱拍变化，突出卡点感、连贯性与舞台表现力。；聚光灯交织闪烁，画幅开阔显现出全员群舞的冷峻与戏谑反差。
如果感觉哪一段效果不好，可以多次抽卡或者修改提示词。这样我们就得到了四段需要的视频。
5. 后期剪辑
当有了四段视频之后，我们就可以把这四段视频放入到剪辑软件里，只要有原唱人的，要去掉视频里的声音，而使用原来歌曲的声音，然后把四个视频一次放入。最后导出就可以了。
到此为止我们就学会了基本的制作方法，如果一首完整的歌曲，有两分钟，也就是上面这些方法，进行排列组合，然后把生成的视频放到剪辑软件里，形成完整的视频。
结语
不知道你是否学会了呢？是不是非常简单，其实只要五个基本的步骤，生成歌曲、舞台图、角色卡、视频片段、后期剪辑，就可以利用现在的AI技术，制作出这种巡演视频。此刻该有音乐响起了，很多人都对AI有一定的焦虑感，但我认为AI不只是工具，更是通往想象世界的钥匙。它让每个人都能低成本创作，把脑海中的舞台变为现实，用技术连接热爱与温情，为平凡生活增添无限乐趣与可能。
