AI 說明影片

一次一顆鏡頭

002003004005

畫面、演出與旁白一起生成

其他每一個說明影片工具都要你先挑一個虛擬人、貼上腳本，然後等它算完。Wan 3.0 收的是一顆寫出來的鏡頭 —— 畫面上有什麼、鏡頭怎麼動，以及引號裡的那句話 —— 然後在同一次執行裡生成畫面和口說，輸出成一支 MP4。可以用英文、中文、日文或韓文寫。一支完整的影片就是這件事重複做：沒有鏡頭數這個參數，所以一支兩分鐘的說明影片是 12 到 20 次分開的生成，再由你剪在一起。 這個「沒有」是可以查證的，不是抱怨 —— 阿里巴巴的 API 文件 列出了模型收的每一個參數，鏡頭數不在裡面；單一請求的上限是 30 秒。

旁白，用引號引起來

寫在提示詞裡

旁白，用引號引起來

提示詞與口說台詞

4 種語言

提示詞與口說台詞

每顆鏡頭，30 fps

2–30 秒

每顆鏡頭，30 fps

一支兩分鐘影片要生成幾次

約 12–20

一支兩分鐘影片要生成幾次

• 沒有「腳本一鍵成片」的按鈕 —— 鏡頭是你自己寫、自己剪的
• 沒有虛擬人資料庫 —— 講解者是生成出來的，或者是你自己的參考圖
• 沒有字幕軌 —— 要求畫面上不要出現文字，字幕在你的剪輯軟體裡加

• 檔案 · 連結

• 一顆鏡頭，一句台詞

• 它必須提出警告，但不能把傷害演出來

  一支安全影片不能演那場意外，而「不要出現 X」是一個很弱的指令 —— 點名一樣東西，等於把它放進模型的腦子裡

  描述那個測試，不要描述那場失敗：治具、量表、手、撐住的載重。寫畫面裡有什麼，不要寫什麼被禁止

  提示詞結構

• 它聽起來像一支廣告

  每一個影片模型的預設語氣都是明亮、溫暖、向上的，因為它的素材多數是那樣

  把語氣和畫面並列成一條限制：「紀錄片風格、霧面質感、低飽和色調、不要配樂、克制的口白」。語氣和其他任何一個提示詞欄位一樣

  提示詞結構

• 認證標章或商標長得不對

  標章小、對比高、而且在法律上必須精確 —— 這三件事正好是生成最不擅長的

  用外觀條款把它守住，那一顆鏡頭讓鏡位不要動，如果它必須逐畫素正確，事後把真的標章合成上去。認證標章是註冊商標，有公布的使用規則 —— 日本的 SG 標章 就是一個現成例子 —— 所以一個生成出來的近似品，和你被授權可以使用的那枚標章是兩個不同的東西，不管那一格看起來多像

  發布前先把那一格看清楚

• 成品比你寫的時間軸還短

  分鏡表只有在它的秒數加起來是模型算得出來的長度時才會被遵守。超過 30 秒，時間軸不會被拒絕 —— 它會被靜靜地壓縮，而每一個節拍拿到的時間都比你給的少

  把分鏡表最後一個數字寫成 30 或更小，並且在第一行就把總長講出來。這一頁上面四則全是 Wan 自己的案例，而且剛好二比二：要了 120 秒和 150 秒的那兩則，分別以 30.0 秒和 25.0 秒回來，四顆和五顆鏡頭被壓進去；而一開頭就宣告 30 秒的那兩則 —— 其中一則開頭就寫「This video contains 6 shots, with a total duration of 30.0 seconds」—— 以 30.0 秒和 30.1 秒回來，節拍完整。把它們對著旁邊印出來的提示詞播一次；算術就在這一頁上

  提示詞結構

• 第七顆鏡頭跟第二顆對不上

  沒有鏡頭數參數，兩次生成之間也沒有記憶。一支片子是一堆從來沒見過面的請求

  把色調、鏡頭和光線固定成一段風格區塊，貼進每一段提示詞裡，而且每次都送同一組參考圖。參考圖生影片

• 旁白的語感對不上那個語言

  一句從英文翻過來的台詞會留著英文的節奏，而日文或韓文的審稿人一聽就聽得出來

  直接用目標語言寫口說台詞，只把外觀條款留成英文。這裡做非英語品牌案子的帳號，用的就是這個組合

整個失敗掉的執行會自動退點數。上面這六種都不算失敗 —— 每一種都是完整跑完但不能用，而這些是要收費的。每一顆鏡頭都先用 480P 打草稿，直到語氣和限制都守得住，再把留下來的重跑一次。

1. 1

   生成任何東西之前，先寫分鏡表

   一顆鏡頭一行：畫面上有什麼、說了什麼、多長。兩分鐘的片子就是十二行。這是工具沒辦法幫你做的部分，也正是讓後面變便宜的那個部分。

   先做這個
2. 2

   固定一段風格區塊，然後一字不改地重複用

   色調、鏡頭、光線、表面質感、語氣，以及「畫面上不要有文字」。把一模一樣的那段貼進每一段提示詞 —— 它是唯一把二十次獨立生成綁在一起的東西。

   複製進每一段提示詞
3. 3

   生成一顆鏡頭，把它的台詞放進引號裡

   旁白是和畫面一起產出的，所以沒有東西要錄，也沒有東西要對時間軸。台詞直接用它會被聽到的那個語言寫。

   聲音在同一次執行裡
4. 4

   整支片先用 480P 打草稿，再重跑留下來的

   把草稿剪在一起，從頭到尾看完，再決定要不要為解析度花錢。多數改動是結構性的，而一份 480P 的分鏡用四分之一的價錢就能把它們找出來。

   最高 1080P

這裡做企業影片得出的三分之二法則：示範本身就是那支片子。開場和收尾生成起來便宜、剪起來也便宜 —— 真正換到核准的，是那幾顆把事情實際做一次給你看的鏡頭。