對唔少創作者嚟講，製作 AI 短片最大嘅兩個痛點，從來都唔係「冇工具」，而係：

角色風格無法保持一致

畫面質感同完成度難以控制

結果就係：時間花咗，但成品仍然似「半成品 demo」。

呢篇文章會完整拆解一套經過實戰驗證嘅 5 步驟 AI 短片工作流，將原本需要幾日甚至一個團隊先做到嘅事，壓縮到幾個鐘內完成，同時保持角色一致、畫面穩定、流程可複製。

‍

Step 1：AI 超級編劇——由想法到「可執行」分鏡

一條高完成度嘅短片，關鍵唔係靈感，而係一份可以直接落手做嘅分鏡劇本。

最大嘅錯誤示範係：「幫我寫一條 AI 短片故事」

呢類模糊指令，只會換嚟一堆用唔到嘅文字。

正確做法係：一開始就要求 AI 以「分鏡腳本（Shot List）」格式輸出，而唔係普通文章。

分鏡一定要包含三個元素：

畫面描述：清楚定義角色、場景同視覺重點

鏡頭語言：景別（特寫 / 中景 / 全景）同節奏

口播稿：每鏡一段可直接配音嘅台詞（約 5–8 秒）

👉 資源：Template 1｜AI 超級編劇 Prompt

（複製以下提示詞，填入你的故事概念：）

你係專業短片導演兼編劇。請把我嘅故事概念，轉成 45–60 秒短片分鏡劇本。

輸出格式要包含：

1) 一句 Logline

2) 3秒 Hook / 20秒 Wrong vs Right / 7秒 CTA 的節奏

3) Shot list（最少 8 個 shot），每個 shot 包含：

- 場景

- 景別（特寫 / 近景 / 中景 / 全景）

- 鏡頭角度（平視 / 俯拍 / 仰拍）

- 角色動作與表情

- 重要道具或畫面文字

- 畫面風格關鍵詞

- 對白（如有）

限制：每個 shot 3–5 秒；鏡頭需可剪接、連貫。

我的故事概念是：{貼上你的概念}

目標觀眾：香港／廣東話觀眾；語氣自然、節奏明快。

完成呢一步，你手上已經唔係「想法」，而係一份可直接交畀 AI 執行嘅藍圖。

‍

Step 2: 角色一致性設定（Character Consistency）

九成 AI 短片失敗，唔係畫面唔靚，而係——

角色一鏡一樣，完全唔似同一個人。

解法係：幫角色建立一張「角色身份證（Character Sheet）」。

核心原則：先分清「邊啲可以變，邊啲一定唔可以變」

不可變元素（必須鎖死）:

- 臉型與五官比例

- 膚色、髮型方向

- 年齡感、氣質

- 固定服裝顏色或標誌性配件

可變元素（允許變動）:

- 表情、姿勢

- 場景、鏡頭角度

- 光影、情緒狀態

Reference 圖庫建議

準備最少 6 張角色參考圖：

- 正面

- 左側

- 右側

- 半身

- 全身

- 自然微笑

工具方面，可以用 Nano Banana Pro 或同類方案，透過「母版角色圖 + Reference 圖」去做一致性鎖定，唔需要一開始就訓練模型。

‍

👉 資源：Template 2｜角色身份證 Prompt

請為我建立一份「角色身份證」，分成不可變元素與可變元素。

不可變元素要描述到可以用作一致性錨點（五官比例、髮型方向、氣質、標誌性配件）。

可變元素列出允許變動（服裝、背景、姿勢、情緒、鏡頭）。

最後輸出 1 段「一致性錨點描述」（80–120字），方便我每次生成都貼上。

角色概念：{角色設定}

‍

Step 3: 生成電影級畫面（先圖後片）

如果你直接用文字生成影片（Text-to-Video），結果大多數都係——不可控。

更穩定嘅做法係：

兩步法：先文生圖，再圖生影片

1. 文生圖（Text-to-Image）

用 Step 1 嘅畫面描述

加 Step 2 已鎖死嘅角色 Reference

為每個分鏡生成一張靜態 Keyframe

好處係：你可以喺「靜態階段」完全掌控構圖、光影、服裝細節，而唔係交畀 AI 抽獎。

‍

2. 圖生影片（Image-to-Video）

將滿意嘅 Keyframe 作為起始畫面

用 Kling（可靈）等工具

只加入少量、可控嘅動態指令

👉 資源：Template 3｜鏡頭生成 Shot Prompt

根據以下角色一致性錨點與鏡頭要求，生成一個單一鏡頭畫面描述（可用於 image 或 image-to-video）。

一致性錨點：{貼上錨點}

鏡頭編號：{S01_SH03}

場景：{辦公室/街頭/咖啡店...}

景別與角度：{近景/平視...}

動作：{角色做咩}

情緒：{緊張/自信...}

風格：{寫實/動畫/電影感...}

限制：不要改變角色五官比例與標誌性配件；畫面內文字要少且清晰（如需要）。

‍

Step 4: AI 配音與口型同步（Lip Sync）

畫面完成後，最大破綻通常出現在兩樣嘢：聲音同口型。

操作流程

1. AI 配音

使用 Minimax 等工具

直接將分鏡口播稿轉成廣東話旁白

‍

2. 口型同步（只揀必要鏡頭）

只處理真正需要開口嘅特寫鏡頭

用 Kling 嘅 Lip Sync 功能

AI 會自動分析音頻，驅動嘴部動作

👉 資源：Template 4｜Lip Sync 專用 Prompt

請把以下對白改寫成「適合口型」的廣東話口語稿：

- 句子短

- 每句 8–12 字左右

- 加入自然停頓（用「…」表示）

- 情緒標記（括號內：冷靜/興奮/無奈）

原對白：{貼上}

Step 5: AI 剪輯加速與整合

去到最後一步，其實已經冇乜技術難度。

你手上已經有：

角色一致嘅影片片段

對好口型嘅鏡頭

完整旁白音檔

推薦工具：剪映（JianYing）或 CapCut

建議流程

將影片與音檔拉入 Timeline

加入免版稅 BGM

字幕建議手動調整：控制大小、節奏同重點，效果會好過全自動字幕

‍

總結：真正嘅關鍵係「控制力」

呢套流程嘅核心唔係用咗幾多 AI 工具，而係：

你每一步，都知道自己喺控制乜。

透過結構化 Prompt + 分階段生成（先圖後片），

你唔再係被 AI 隨機性牽住走，而係好似導演一樣，清楚決定：

觀眾應該睇到乜

聽到乜

最後記住乜

而家，就直接複製以上 Prompt，開始製作你第一條真正有完成度嘅 AI 短片。