使用豆包（火山引擎 Ark）生成图片或视频并保存本地。用户提及“豆包生图/图片/生视频/视频”、“Doubao”、“Seedance”、“火山引擎图片/视频”时触发。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
今年想做AI短视频，我总结了10款必备工具！
一、全文速览图短视频制作的流程，我总结为四方面：文、图、视、音，接下来会根据这四方面罗列对应的AI工具。
在 AI 技术日新月异的今天，视频创作的门槛正被不断打破。无论你是想降低电商制作成本，还是想打造个人自媒体账号，AI 视频都是当下不可错过的红利 。
一、了解AI视频生成工具
在开始创作前，了解不同工具的特性至关重要。工具没有绝对的好坏，只有是否适合你的需求 。
国内主流工具
- 即梦（字节跳动）：性价比之王，生成质量稳定，能满足绝大多数日常需求，是老师最推荐的新手入门工具
- 可灵（快手）：语义理解能力极强。例如“人变气球”这种脑洞大开的创意，可灵能精准捕捉变化过程 。
- 微度（Vidu）：支持多参考生视频，可上传多张图组合成视频，玩法多样 。
- 其他：海螺（人物运动强）、通义万象（开源且质量硬）、混元（娱乐功能丰富）
海外头部工具
如果你追求电影级质感或特定功能，可以关注以下工具
- 学习建议：学精一个比涉猎所有更重要。推荐使用国内工具，国外工具用需魔法、充钱、限次数等，国内推荐主攻即梦，国外推荐尝试 Veo 3 。
- 工具使用逻辑：各AI视频工具使用逻辑基本一样。
- 通用功能：文生视频、图生视频、首尾帧视频是常用功能。
二、 AI视频三大核心功能
虽然工具繁多，但底层逻辑相通，主要分为以下三类：
文生视频：通过详细描述（主体+动作+场景+风格+镜头）生成画面。秘诀在于：描述越具体，画质越逼真
定义:
顾名思义，“文生视频”就是你输入一段描述性的文字(我们称之为“提示词或 Prompt)，AI 模型会根据你的文字理解其内容、场景、角色、动作和风格然后自动生成一段对应的短视频。
提示词结构: 主体：一个长着透明翅膀的精灵女孩 动作：欢快地跳跃 场景：充满发光蘑菇的神秘森林里 风格：宫崎骏动画般的治愈风格
一个宇航员在弹钢琴
一个宇航员在月球上弹钢琴
一个宇航员在月球表面弹奏一架复古钢琴，月球灰色地表上散落着细小陨石坑，远处地球挂在深邃星空中，散发着柔和的蓝色光晕。地球漫反射的柔和银金色光芒笼罩场景，月球表面细微尘埃在光线下缓慢漂浮，镜头缓慢向前推进并略微向上抬升，浅景深聚焦宇航员手部与琴键的互动，呈现电影级自然写实风格。画面需有柔和体积光包裹宇航员与钢琴，清晰展现宇航员宇航服表面细腻的纹理质感，整体营造静谧又充满孤独浪漫的氛围，cinematic，4K，high detail
图生视频：以图片为起始帧，控制人物或物体的运动。这是可玩性最高的功能，能确保角色一致性 。
定义:
“图生视频”是指你提供一张静态图片作为基础，AI在此之上添加动态效果，生成一段视频。你可以通过文字提示词来指导动态的方向。
使用技巧:
- 高质量的起始图是成功的一半: 图片越清晰、构图越好，生成视频的质量也越高
- 提示词侧重于“动效”: 你的提示词应该主要描述“如何动”，而不是图片“是什么”
- 控制动态幅度: 很多工具提供“动态强度”或“运动幅度”的选项，可以调整它来获得或微小或剧烈的动态效果。
一只手拿起桌子上的手办把玩当视频在手机上无法加载，可前往PC查看。 当视频在手机上无法加载，可前往PC查看。
首尾帧视频：给定第一帧和最后一帧，由 AI 填充中间过程。适用于延时摄影（如小女孩变老）、无缝转场或物体生长等创意场景。
定义:
这是一种更进阶的玩法。你提供视频的“开始画面”(首帧)和“结束画面”(尾帧)，AI 会自动计算并生成中间所有的过渡帧，创造出一段平滑的动态变化视频
使用技巧:
- 确保逻辑关联：首尾帧最好在构图或主体上有一定的相似性和关联性，否则 AI可能生成混乱无序的“变形”过程。
- 创造惊艳转场：这是制作无缝转场和“一镜到底”效果的利器。
- 故事性叙事：可以用它来讲述一个微型故事，比如一个苹果从新鲜到腐烂的过程一座城市从清晨到日落的变化。
- 部分工具支持多关键帧：更强大的工具不仅支持首尾两帧，还允许你在中间设置多个“关键帧”，从而对视频的演变过程进行更精细的控制。
三、AI视频创作路径：复刻、拆解与创新
想要在自媒体平台脱颖而出，不能只靠技术，更要靠内容策略。
复刻（抄思路）
模仿是学习的捷径。看到爆款视频，先去研究它的形式。
随便上小红书找一个最近发的AI相关的最高点赞的视频
当视频在手机上无法加载，可前往PC查看。先分析下内容为什么火？
猫咪先天性就能吸引人的眼球，猫咪救人的题材
这个视频是用什么工具做的？
现在能直接输出声音和人物语句的是sora2和Veo 3
生成自然而带音效智能Veo 3做到sora2能做到
我们怎么判断抄他能不能火呢？
更新频率大概是每天1-2个，10月17号开始更新的，到现在也才10天
2.4万点赞。2900粉丝，这是一个比较新的玩法，是可以抄的
怎么变现呢？可以接广告，可以教别人怎么做短视频，帮忙做视频（祝福恶搞视频）甚至还能卖号
再判断下他的制作成本
像他这种视频格式，可以直接用豆包生成，豆包每天都有10个额度，如果不够多准备个账号就行，可以说是零成本
拆解（找工具与提示词）
- 看标识与时长：右下角的水印、是否为 8 秒倍数（判断是否为 Veo 3 生成） 。
- 提示词逆向工程：观察画面，反推其描述。如：在足球场上，一个巴西女记者采访一岁小孩，小孩穿着球服回答问题 。
案例一：萌宠故事视频
先拆解多少个场景构成他的故事
一共十四个镜头
提示词倒推：
就每个镜头是xxx在xxx地方干了什么事情，不行就截图给大模型让大模型回答你提示词。整理下来就得到一个视频分镜的提示词，镜头1到镜头14。
你可以将这个视频脚本发给豆包这些AI大模型，去做改写，生成无数个类似的视频脚本。
案例二：ASMR视频
当视频在手机上无法加载，可前往PC查看。这个是最近很火的ASMR视频
先分析下她为什么能火？
- 第一，这个形式，算新奇吧，也一直都有流量
- 第二，爆款视频形式堆叠。
什么工具制作的呢？
制作工具是Veo-3，基本上这中ASMR视频都是Veo-3创造的，看他的时长是8的倍数，就知道是5个视频抽出来的，应该是找的一套提示词去的Veo-3反复抽卡，抽出来的一套精度还可以的视频。
那能不能跟着做呢？
45个视频，7月开始发，到现在3个半月，4w粉22w点赞。这个数据很可以的
使用的Veo-3视频制作的怎么去复刻呢？
第一步：可以先截首图给豆包，从参考图中提取主体信息
特写镜头，一本打开的英文书籍，手指正指向书页中加粗的 “Cloud” 单词，文字清晰，书页质感细腻；采用浅景深效果，背景虚化，突出手指与 “Cloud” 单词的主体；光线柔和，营造出专注阅读、查阅词汇的场景氛围；摄影风格写实，细节逼真，色彩偏柔和的白灰色调，展现出浓厚的学习、探索感。
第二步：明确画面信息，执行主体动作说明
特写镜头，一本打开的英文书籍，手指正指向书页中加粗的 “Cloud” 单词，文字清晰，书页质感细腻；采用浅景深效果，背景虚化，突出手指与 “Cloud” 单词的主体；光线柔和，营造出专注阅读、查阅词汇的场景氛围；摄影风格写实，细节逼真，色彩偏柔和的白灰色调，展现出浓厚的学习、探索感。 动作说明：手指按下，冒出烟雾，形成黑色云团，进行降雨，然后云团消失绿色植物长出来
第三步：生成视频
当视频在手机上无法加载，可前往PC查看。当然我这里的雨的颜色和植物和他的不一样。需要可以自己再改改，这样子抽几个挑一个就行了，但是只有8秒的视频是不够的，后续的视频也按照同样的逻辑去复刻就行了
创新（旧元素新组合）
创新不是无中生有，而是“二创”。
热点结合：
独居女孩日常vlog动画
这个感觉已经用烂了，不过大家可以开阔下眼界，比如尝试下，什么阳光宅男的下班日常，或者反正就女的换成男的。
这是个手办博主，那这条内容为什么能火呢。
就是宠物+前段时间特别火的Nano Banana模型生成，组合到一起展现的效果特别惊艳。
你如果想直接模仿他的形式得有只宠物猫，我们可以借用他的形式，网上找找宠物图，或者是表情包做批量展示生成。
最近比较火的是豆包的艺术修图或者一些其他的玩法，我老感觉小红书的AI板块很多内容被限制了搜不出来
首页就这些内容很明显有问题：
感觉流量很不对劲。大家要做的话，暂时先别用同一套模版反复做。
还有这种形式的萌宠玩法的，AI萌宠。现在这个赛道很卷了，不是很推荐去做，对剧情的要求很高了，流量很不好。
推荐的方法是你本来做其他赛道的，可以尝试使用AI 的玩法，比如变成一个 AI 宠物博主。
这个账号还可以，但是一个视频都4分钟了，成本很高的，要是想做这种视频，逻辑还是按照前面的，找到爆款先拆分镜+文案，每个镜头都按照这套去做，固定形象与多场景叙事。
第一步：从参考图中提取主体信息
用提示词把这个形象给描述出来，一般是截图给豆包，让豆包去描述
第二步：更换场景+叙事
第三步：将生成的视频进行剪辑，组合成一个萌宠故事视频
四、避开限流坑，实现长效变现
- 避免内容高度相似：平台不喜欢重复。如果你一直发同样的模板，极易被判定为低质内容而限流 。
- 多元化尝试：优秀的 AI 艺术家账号会不断尝试新风格（吃播、萌宠、3D 渲染等），保持账号活力 。
- 变现路径：除了接商业广告（软广）、卖课教学，长期运营一个有个人想法的 AI 自媒体账号，其价值将随技术迭代不断攀升 。
