AI会让画面动起来，为什么大多数视频还是不像作品？
现在让AI生成一段会动的画面，已经越来越容易。
一张图，点一下，人物动了；再加一段音频，嘴也动了。
可奇怪的是：
为什么很多AI视频明明“技术上都成功了”，看起来还是像一堆素材，而不像一个作品？
我在第4课2026-2版里，把这个问题重新拆了一遍。
最后留下的主线不是“学几个视频工具”，而是四层能力：
先让画面动起来，再让角色演起来；再让多个镜头接起来，最后让故事成立。
一、第一种失败：画面会动，但它不知道往哪儿动
很多人第一次做AI视频，是把一张图丢进去，然后点击生成。
AI当然能让它动。
问题是：你没有告诉它从哪里开始、到哪里结束。
这就像你请了一位摄影师，却没有告诉他机位、路线和终点。
他只能猜。
所以第一招叫运镜魔法。
首尾帧：给AI一个起点和一个终点
比如你要做“宠物做菜”的短片。
首帧：狗狗站在锅前，菜还没做好。
尾帧：狗狗端着做好的菜。
中间怎么炒、怎么端、镜头怎么移动，由AI来补。
你再加一句动作提示：
“狗狗翻炒锅中的蔬菜，最后端出做好的菜，镜头自然推进。”
这时候，AI的自由度就被压住了。
二、第二种失败：画面动了，但角色还是“哑巴”
视频真正的信息密度，很多时候来自表达。
一张猫咪照片很可爱，但如果它能开口说一句：
“新年快到了，快来夜校跟我一起学写春联吧。”
它立刻从“素材”变成“角色”。
这就是第二招：演艺魔法。
最小公式其实特别简单：
人、动物、甚至物品都可以成为演员。
但这里也有一个很重要的基本功：
不是越长越好。
先让一个主体稳定地说完一句短话，再逐步增加复杂度。
AI视频特别容易让人兴奋，然后一上来就塞五个动作、三个人物、两段对白。
结果全崩。
复杂作品，往往不是一次生成复杂出来的，而是一层层稳定叠出来的。
三、第三种失败：每一个镜头都挺好，但连起来像“平行宇宙”
这是AI视频真正进入“作品阶段”后最常见的问题。
第一个镜头里主角穿蓝衣服。
第二个镜头突然变成黑衣服。
刚才还是一个厨房，下一秒台面、窗户、灯光全部重建。
动作也会断：上一镜刚刚抬手，下一镜已经换了姿势。
于是第3个魔法在2026-2版里正式变成了：一致性魔法。
一致性不是一个Prompt，而是一套“少猜”系统
要让多个镜头接得上，需要提前准备三类东西：
- 角色卡：这个人/动物到底长什么样，服装、发型、比例、识别特征是什么；
- 场景卡：空间长什么样，光线、道具、布局和不同机位如何保持一致；
- 分镜表 / 故事板：每个镜头从哪里接上，动作、机位、景别怎么连续。
然后逐项检查四条连续性：
这里仍然建议一次只抓一个最大问题。
如果v1里最影响观看的是“角色变脸”，先修角色；不要同时重做灯光、动作、机位和台词。
这其实和经营优化很像：先找到最影响结果的那个问题。
四、为什么一定要保存v1？
这一版课程里，我特意加了一个很小但很重要的要求：第一次生成以后，先保存v1。
很多人不满意就立刻重做，最后只剩“好像变好了”的感觉。
但如果保留v1、v2，你才能真正回答：
- 我到底改了什么？
- 哪个修改是有效的？
- 哪个只是换了一个随机结果？
所以AI创作不应该只是“抽卡”。
五、+1：会生成、会控制，还不等于作品值得看
到这里，技术问题基本解决了。
但还有一个问题：
“观众为什么要继续看？”
这就是最后的导演思维。
专业工作流可以先记成：
这条线解决“怎么生产”。
而“场、缝、钩”解决“为什么作品成立”。
场｜让世界可信
“场”不是一个背景图，而是一组互相支持的证据。
如果你拍婚礼，观众为什么相信这是婚礼？
可能因为礼服、宾客、花艺、座位、表情、仪式动作共同构成一个世界。
如果只换一块写着“婚礼现场”的背景板，但人物状态、光线、动作完全不对，观众还是不信。
场，解决的是可信度。
缝｜不要什么都说满，让两个镜头之间产生联想
很多故事并不是靠台词解释出来的。
一个人关门。
下一镜，一个空房间里只剩一杯凉掉的咖啡。
中间发生了什么，观众会自己补。
这个“没有拍出来、但被观众脑子补出来”的地方，就是缝。
缝，解决的是联想空间。
钩｜先留下一个问题，再让后面回收
深夜里传来脚步声。
门把手开始转。
观众脑子会自动生成一个问题：谁在外面？
这就是钩。
如果下一秒立刻告诉你答案，张力没了。
如果适当升级，再揭晓，观众才会追下去。
钩，解决的是注意力。
六、这节课真正训练的，不是视频工具
运镜在训练控制。
演艺在训练表达。
一致性在训练系统化。
导演思维在训练判断与影响。
所以工具会变。
今天用这个模型做首尾帧，明天可能换另一个。
但你永远需要回答：
- 我想让画面怎么变化？
- 我想让角色表达什么？
- 多个镜头如何属于同一个世界？
- 观众为什么相信、联想、继续看？
结尾：AI视频真正的分水岭
第一阶段，是“我也能让图片动起来”。
第二阶段，是“我能控制它怎么动”。
第三阶段，是“我能让多个镜头组成一个故事”。
技术决定下限，导演思维决定上限。
补充：三次练习，分别训练什么？
把“会生成”拆成三次练习，每次都有明确限制和交付物。按从单镜头到多镜头的顺序练习，才能逐步建立控制感。
让宠物完成一道菜。准备同一只宠物、同一个厨房的A图和B图，只描述一个清楚动作；生成约10秒视频，先保存“姓名－宠物做菜－v1”。
让人物、动物或物品开口说话。写20—30字台词，准备图片和语音，交付一段8—15秒、能正常播放的“姓名－数字人口播”。
打开v1，只挑一个最大问题：角色、动作、场景或镜头。做三格故事板，必要时补角色卡或场景卡，再生成v2并与v1对比。
每次练习的验收问题都很朴素：能不能播放？主体是否稳定？动作是否看得懂？补进去的那条信息，是否真的让结果更稳定？
补充：从剧本到成片，按六步走
这六步可以分成四个阶段：策划、拆解、一致性准备、生产。顺场表决定要准备什么；角色卡、场景卡和道具卡决定各自长什么样；分镜表或故事板决定怎么拍。顺序不能倒过来：没有选题和剧本，生成会变成素材堆积；没有一致性准备，每个镜头都会重新猜。
最后才是“场、缝、钩”：先让观众相信这个世界，再让观众补出镜头之间的意义，最后留下一个问题并在后面回收。