作者实测 AI 视频平台 LibTV 1.5，通过制作一段 1 分钟都市悬疑短剧，拆解了其五大核心能力：角色造型、原创编剧、导演分身、3D-BOX 虚拟影棚和成片精修。文章详细演示了从导入参考图创建可复用的角色卡、局部修改剧本并预览对故事钩子的影响，到 AI 自动拆分分镜并批量生成视频节点的完整工作流。复盘显示传统方式需半天的工作压缩至约 2 小时。作者指出角色资产沉淀、剧本可控修改是主要优势，但仍需人工把控创意与镜头情绪，适合短剧团队和独立创作者使用。
作者实测 LibTV 1.5 的五大新功能：剧本原创及改编、角色造型室、导演执导、3D-BOX 和创意片头，并以古装短剧为例完整走了一遍从剧本创作到成片输出的 AI 短剧工作流。文章详细演示了 TV Director 如何统筹剧集规划、角色捏脸设计、分镜优化、3D 场景预演和片头包装，突出各环节既能自动生成又可手动介入修改的灵活性。作者认为这大幅降低了没有专业编剧、导演知识的普通人创作高质量短剧的门槛。
作者以视频创作小白的身份，分享了使用 Miora 织影 Agent 制作中国古代猫故事短片《乾红猫》的完整过程。文章详细介绍了从选题找故事、建立故事框架、创建角色卡、拆解分镜到调整细节和剪辑的六个步骤。制作中遇到红猫一致性等 AI 视频生成的常见问题，通过补充角色卡和抽卡方式解决。最终短片 1 分 18 秒，生成 50 段视频，花费约 40 美元。作者认为这类视频 Agent 目前更适合作为创作工作流使用，距离一句话生成短片还有距离。
本文分享了使用 GPT 6、Blender 和 Seedance 2.5 制作一镜到底 AI 视频的实践经验。作者以包含 10 多个人物和正反打镜头的赛博武侠场景为例，分析了常见的错误（群众角色重复、反打背景错乱等），并提出三点建议：上传完整的正反打场景图并在提示词中明确锚定资产；准备丰富且有特点的群众角色卡并限制出现人数和次数；元素替换提示词写在前面并在资产锚定部分重复强调。文末附有从参考视频、角色图、场景图、剧情到分镜脚本和 AI 视频提示词生成的完整制作流程，包含详细的提示词模板。
作者用 Muse AI 视频工具在一周内完成 12 集、每集 55 秒的苏东坡生平短剧《苏东坡：此心安处》。文章复盘了完整制作流程：先写总导演案、历史校准、人物定妆照分三档年龄锁定，再逐镜生成时必挂参考图保证人物一致性，并通过抽帧验看发现并修正穿帮（如自动划船的船桨、宋代不该有的煤油灯）。作者总结了生成失败时的缺席拍法、声音设计写进 prompt 等经验，给出系列短剧制作 checklist，并诚实评价 Muse：是很好的执行者但不是导演，AI 负责画面，人负责取舍与减法。
作者完整拆解了一条奇幻AI短片的制作流程：想法→剧本→风格测试→人物/场景/道具资产→分镜与视频生成→剪辑成片。剧本用ChatGPT、DeepSeek辅助并人工检查逻辑；美术先做风格测试再批量生成场景；人物资产强调定妆图、纯色背景、三视图与人物道具分离；视频生成在LibTV画布中按批次写清站位，用静帧参考保持连贯性；最后在剪映统一铺音、配音、调色。文中附完整场景、人物、道具提示词示例，强调先做完整条流程再逐步打磨。
文章指出 AI 视频创作的差距不在生成能力，而在导演思维。作者提出'导演四阶段循环'框架：简报、分镜、生成、审片与剪辑。核心观点包括：人的工作重心是定方向、验收和拒绝；先写导演简报再生成，先出低清再升高清；建立可量化的拒收标准并记录每次拒收原因，回写到上游简报和分镜。长期积累的审片记录将形成个人风格资料库，成为模型换代也带走的竞争优势。文章还引用了 @anabology 用 Claude 18 小时制作短片的案例加以佐证。
文章针对新手使用 AI 视频生成工具（如 Veo 3.1）时频繁返工的问题，提出先拆解需求再生成的思路。作者以“下班回家，把手机扣在桌上，安静喝口水”为例，讲解如何先明确观众应记住的一句话，把故事拆成三个各承担一件事的镜头，再写包含取景、动作、声音的可执行提示词。并给出操作流程建议：生成前确认选对视频模式和构图方向，验收时优先检查动作是否拍对，返工时一次只改一个问题，最后再进入剪辑。核心是学会识别问题来源，而不是堆砌炫酷提示词。
本文介绍了如何使用LibTV工作流结合Seedance 2.5模型高效制作AI长视频。随着视频时长增加，整体重跑修改的成本极高。通过将人物和场景拆分为素材资产，利用AutoLink智能引用功能，创作者能轻松管理多参考素材。LibTV的片段重拍功能允许仅针对出错的几秒镜头单独重新生成，大幅降低了试错成本。这标志着AI视频创作正从单纯的模型体验迈入精细化、高效率的工作流时代。
文章介绍了 HyperFrames 的新功能 Storyboard，通过模仿电影制作中的分镜流程，让 AI 在生成视频前先制定计划、草图和布局，允许用户在低成本阶段进行修改和指导，从而提高视频生成的可控性和效率。
本文作者总结了2026年度AI视频创作的最新SOP，涵盖了从选题、剧本生成（如使用Agent工具）、分镜拆解、资产管理到视频生成与剪辑的全流程。重点介绍了Seedance 2.0、故事版玩法及各类辅助工具（如LibTV、小云雀）的实战应用，强调了在工具快速迭代中，选题能力与资产库管理的重要性。
本文探讨了利用 Seedance 2.0 与 GPT-image2 制作 AI 短剧时，如何解决单次生成长度限制带来的挑战。作者分享了四种实战方法来确保视频中人物一致性及剧情连贯性：参考视频延长、关键帧做首帧、多段视频合成以及分镜图转视频。文章强调 AI 视频创作已从单一画面生成转向完整叙事组织，核心在于导演思维与资产库管理。
作者拆解了热门的AI视频换人技术，基于机智波玩AI发布的MiniMax H3角色替换工作流（RunningHub画布），讲解如何用现成模板最快做出第一版换人视频。文章指出应先认准真正生效的上方分支，第一步保留原视频只换角色参考图，第二步只修改提示词中换人对象的定位描述（用位置加衣服锁定目标），第三步照抄采样等参数不做凭感觉的调整，第四步通过分帧核查验证新结果并按错误类型逐项排查。最后总结可迁移的控制逻辑：视频给动作环境、图片给角色身份、提示词限定改动范围，建议按风险从小到大逐步修改素材。
