AI 漫剧的镜头，模型真的听你的吗？（下）
本文系统梳理了 27 种 AI 视频生成中的进阶运镜提示词，包括升降镜头、环绕镜头、POV 视角、风格化镜头及一镜到底等进阶玩法，并附上各家模型的运镜服从度实测：Seedance 质感稳、可灵分镜听话、Kling/Runway 手动精控最强。作者还分享了一个提升电影感的核心技巧：一条镜头只给一个运动方向，配合主体小动作与前景、中景、背景三层视差，并给出标准提示词公式与反面教材自查方法。
全部文档 / 标签: Kling
7 篇
一个人、一台电脑、8分钟AI短剧：从《黄果》逆向拆出来的13步流水线（万字实操指南）
本文通过对8分钟AI短剧《黄果》成片（117个镜头）的逐帧逆向拆解，总结出一套可复现的13步AI短剧制作流水线。文章首先对比云端托管、本地开源、混合路线三条技术路径及成本考量，然后详解从LLM编写分镜脚本、角色LoRA训练、场景模板建立、关键帧生成、人工精修、I2V/TI2V视频生成、对口型处理，到后期超分补帧、TTS配音混音等每一步的操作要点、验证标准与错误应对方案。文末还总结了重复帧、短镜头策略、LoRA维护、精修比例等行业认知，以及模型在长动作、多人互动、文字生成等方面的能力边界。
用 Adobe Firefly 打造五个安静的AI场景
作者作为Adobe合作伙伴，使用Adobe Firefly创作了五个静谧场景：灯笼小巷、池塘茶馆、雨中庭院、森林神社和山间温泉。文章详细分享了创作流程：先用Firefly Boards统一五个场景的风格，尝试Nano Banana 2等合作伙伴模型生成4K宽屏图像，再用Kling 3.0添加动态效果，最后利用Firefly的Generate Sound Effects逐层生成雨声、水声、风声等音效，在时间线上分层混音。作者重点展示了雨中庭院和山间温泉两个成品，强调了从图像、动画到音效的细致选择如何营造沉浸式氛围。
别再研究提示词了，我把黄果批量生产短剧的技术栈扒出来了
作者对一张流传甚广的AI短剧《黄果》制作流水线图进行逐帧验证与修正，提出三个关键判断：黄果并非一部剧而是一个多创作者投稿制内容平台；24fps补帧痕迹不能锁定Wan模型，Seedance同为24fps输出；真正的护城河不是13步工序，而是平台持有的'破限模型'。作者进而提出'双轨模型+后期统一'的技术假说，给出五条可证伪预测，并分析了成本结构、法律风险及工艺向合规赛道的迁移价值，强调分析框架比结论更重要。
I Studied Chinese AI Video Creators. They Are Not Prompting - They Are Building Factories.
文章深入分析了中国抖音 AI 视频创作者的工业化生产模式。不同于西方依赖单次生成的“祈祷式”提示词，中国创作者通过连接 Kling、Tongyi Wanxiang、ComfyUI 等多个模型，建立了包含参考图、控制项、分镜和批量编辑的流水线系统。他们利用动态模板、多视图产品图和视觉一致性控制，将一次拍摄转化为上百条个性化广告，实现了极高的制作效率和商业变现能力。
做企业 AI 视频项目逼出来的工具包:411 prompt · 7 Claude Skill · 14 篇方法论
作者在开发企业级 AI 视频生成全流程网站时，针对模型提示词技巧差异大、文档散落且迭代快的问题，整理并开源了一套完整的工具包。该仓库包含 411 条带来源验证的 Prompt（覆盖 15 种模型）、7 个 Claude Code Skill、14 篇方法论 SOP 以及自动监控模型版本更新的 GitHub Action。
Seedance 2.0 vs Kling 3.0: Which One to ACTUALLY Use for Viral AI UGC
本文基于大量生产实践，对比了 Seedance 2.0 和 Kling 3.0 在 AI UGC（用户生成内容）制作中的表现。Kling 3.0 虽在成本上具有显著优势（约为 Seedance 的一半），但在 UGC 领域，Seedance 2.0 在质感还原、真实感动作、音频自然度及工作流整合上均更胜一筹，更适合需要保持“非AI感”的病毒式内容生产。
