一起来看一下成品:
准备工具
seedance2.5 https://jimeng.jianying.com/ai-tool/home/
Midjourney https://www.midjourney.com/explore?tab=top
ChatGPT https://chatgpt.com/
nanobanan pro https://labs.google/fx/tools/flow
倘若不知道模型怎么使用,可以参考这个教程(https://www.super-i.cn/info-2796.html),与本教程一起使用
如果不想各个网页跳转模型,可以使用flowpix平台,已接入所有热门模型
https://www.flowpix.club/bj/45058.html?token=e22ec1898eabc5e7051ac829a7bb6841
一、先确定“什么怪兽适合做巨物”
说到巨物、怪兽,我最先想到的就是《山海经》。
因为和普通奇幻怪兽相比,《山海经》本身就自带一套东方神话世界观,而且很多凶兽的外形都很适合继续进行视觉设计。
但这里我没有直接决定怪兽,而是先把需求交给AI,让它同时帮我思考:
选什么怪兽,以及这个怪兽应该怎么出场。
我给AI的提示词是:
我要用山海经的怪物去做巨物感的视频。你先帮我想一个合适的山海经的怪物。首先是缓缓揭露,随后整体展示。巨物感主要是用对比去体现。也要有人物角色去与怪兽对抗。要体现出怪兽的压迫感。你现在先帮我想几个剧本。

这里有几个要求是比较重要的。
第一个是 “缓缓揭露”。
如果视频第一秒就把完整怪兽摆在画面中央,那么后面其实很难继续升级。
更好的方式是先出现异样,再逐渐看到怪兽的一部分,比如阴影、爪子、角、眼睛,最后才第一次完整展示它。
第二个是 “用对比体现巨物感”。
不要只告诉AI:
怪兽非常巨大。
这种描述很抽象。
你要提前告诉它:
我要通过人物、建筑、山峰和怪兽之间的比例关系体现巨大。
这样后面AI在设计分镜时,就会主动寻找可以作为尺度参照的元素。
AI给了我几个方案,最后我选择了 穷奇。

一方面是因为穷奇本身的认知度比较高,另一方面,虎形身体、翅膀、爪子这些结构,也很适合去做巨物镜头。
二、要把穷奇“设计出来”
确定穷奇以后,我先让AI帮我设计穷奇的具体形象。

但这里有一个很典型的问题:
AI第一次给你的设计,通常只是“正确”,不一定“好看”。

比如最初的穷奇,很容易变成:
老虎 + 牛角 + 翅膀。
元素都对,但组合起来很普通。
所以这一步真正重要的不是第一条提示词,而是后面的不断反馈。
我对穷奇主要做了几轮调整。
首先是颜色。
我要求:
是白虎,牛角不要太厚重,要轻盈一些,
翅膀也是白色体系的,要完全展开,现在翅膀的张力不够大。

过于白色
我不希望它变成纯白色的神兽,而是强调:
白虎是黑、灰、白相间的。
这样毛发会有更丰富的层次,既能保留白虎辨识度,也不会显得太干净、太仙。

最后是脸。
最初生成出来的面部太像普通老虎,所以我继续告诉AI:
脸有些过于像老虎,可以艺术化一些。

这一步是在保留虎科特征的同时,减少真实动物感,让它更像山海经里的神话生物,而不是一只长了翅膀的巨大老虎。
Midjourney提示词如下:
穷奇, Qiongqi, ancient Chinese myth beast from Classic of Mountains and Seas, colossal mythological creature, white tiger based design, fur in mixed gray black and white tones, smoky gray and silver-white coat with bold black tiger stripes, not pure white, broad mythic beast face, feline-inspired but not overly realistic tiger face, artisticized facial structure, slightly elongated muzzle, sharper cheekbone lines, more divine and ancient expression, golden eyes, exposed fangs, two elegant mutated bull horns, slender horns extending outward and curving upward, light and refined horn shape, enormous fully spread wings, white-gray-black layered feathers, extremely wide wingspan, powerful wing tension, strong and beautiful silhouette, muscular streamlined tiger body, giant foreclaws, sacred yet oppressive, majestic, fierce, ancient Chinese mythological aesthetic, cinematic realism, ultra detailed creature design, epic mythological atmosphere, full body, clear silhouette

这里我比较建议大家记住一个方法:
不要反复让AI“重新设计”,而是指出你具体不满意什么。
比如:
不是“再好看一点”,而是:
角太厚了。
不是“再霸气一点”,而是:
翅膀没有完全展开,横向张力不够。
不是“再奇幻一点”,而是:
脸太像普通老虎,需要更神兽化。
这种反馈会比抽象形容词有效很多。
三、人物设计
穷奇做好以后,下一步就是人物。
因为这条视频需要有一个人和穷奇对抗。
而这个角色还有一个非常重要的作用:
她本身就是穷奇的尺度参照物。
所以我选择了女角色。
人物整体要求偏写实,但不是普通古装,也不是全身甲胄的传统女战士。

顺着聊天记录直接向AI询问
我给AI的方向包括:
女性角色、真人写实、山海经奇幻世界、减少甲胄、增加适当露肤度。
这里我中间还遇到了一个问题。
AI很容易把“女性奇幻角色”做成两种极端。
要么就是:
男战士的甲胄直接换到女人身上。

要么就是:
现代高定、巴黎时装周一样的奇幻服装。

这两个方向我都不要。
所以我直接提醒AI:
你是奇幻风格!你要记住!你现在出的怎么和巴黎时装周的一样,过于现代了。
真正需要的是:
山海经世界里的女性角色。
服装可以有露肩、手臂、腰部、开衩这些女性化结构,但整体设计语言仍然要属于东方上古奇幻,而不是现代时装。
另外,做人物资产时我还会固定两个要求:
纯灰背景、标准三点式布光。
因为现在不是在做最终电影画面,而是在制作一个后续会被反复引用的人物资产。
背景越干净,光线越标准,AI越容易正确识别人脸、发型、服装和身体结构。
人物定下来后,同样交给Midjourney生成即可。

人物提示词如下:
ancient Chinese myth female warrior, Shan Hai Jing inspired, realistic East Asian woman, sharp beautiful face, calm fierce eyes, long black hair flowing in the wind, fantasy heroine, legendary huntress, not modern clothing, not fashion week, not contemporary design, ancient myth costume with strong design sense, one-shoulder wrapped top, bare shoulder and arms, exposed side waist, high-slit long skirt, structured layered skirt panels, ancient cloth wrapping system, clean silhouette, controlled folds, broad heavy fabric surfaces, elegant feather ornaments, jade pendants, bronze ritual accessories, beast-bone jewelry, horn-shaped pattern details, mysterious ancient totem motifs, dark red, black and aged bronze tones, sensual but powerful, wild and sacred, cinematic realism, highly detailed, full body
四、场景不是背景图,它直接决定整条视频的颜色
接下来是这次非常关键的一步:
场景。
很多人在制作AI视频时,会把场景图理解成:
“给模型看一下场景长啥样。”
但其实它影响的远远不止空间。
尤其Seedance这种参考能力比较强的视频模型,很容易直接学习场景图中的:
色彩、曝光、冷暖关系、天空亮度、雾气、材质和整体画面气质。
所以你场景图如果很普通,后面的视频也很容易跟着普通。
这次我前面也试过比较常规的山巅古城。

使用推导出来的提示词生成如下图

建筑没有问题,云海也没有问题,但是生成视频以后,总感觉像一张“写实的奇幻CG场景”,没有我想要的电影级东方神话感。

所以后面我重新调整了场景。
我给AI的要求主要有两个方向。
第一个是色彩:
暗部不要死黑,我要那种有冷暖对比、有明确色彩倾向的场景,整体偏向暖色,带一种古老的暖色调。

这一点很重要。
所谓电影感并不是单纯把画面压暗。
如果暗部全部死黑,只会丢失细节。
我更希望建筑、石材和受光部分带一些古老的赭石、铜金、琥珀暖色,而云海、远山和阴影部分偏冷。
这样画面里就天然形成:
暖色古城 + 冷色云海。
即便后续没有额外做很多调色,画面也已经拥有比较明确的色彩关系。
第二个是世界观:
场景应该混沌一些,鸿蒙初开的场景,不是完全成型的人间古都。

因为如果只是普通中国古建筑,很容易像仙侠影视剧里的门派或者古城。
但我们现在做的是《山海经》。
所以场景也应该属于那个世界。
建筑可以更加原始、神造,与山体融合;空间中有巨大的断崖、深谷、翻涌云气、瀑布和祭祀结构。
整个世界应该有一种:
天地刚刚形成,文明也仍然处在神话时代。
场景提示词如下(使用Midjourney V8.2生成):
Shan Hai Jing primordial divine city, Hongmeng beginning, not a mortal city, not imperial China, non-human myth architecture, ancient sacred fortress fused with cliffs and mountains, colossal ritual structures, altars, hanging bridges, towering stone sanctuaries, chaotic genesis world, turbulent mist, cloud sea, broken peaks, abyssal ravines, waterfalls into void, warm ancient palette, ochre stone, aged bronze, muted amber, cool gray-blue atmosphere, cinematic warm-cool contrast, mysterious, primal, sacred, epic oriental fantasy, cinematic realism --ar 16:9 --hd


场景做好以后,它其实就成为了后面整条片子的色彩参考和世界观参考。
所以如果你的AI视频画面始终不好看,除了改视频提示词,也可以回头检查一下:
你的场景参考图,本身是不是就不够好看。
五、人物、穷奇、场景全部做好,再让AI重新设计分镜
到了这里,我已经有三份最重要的视觉资产:
人物、穷奇、场景。
这时候才真正进入分镜设计。
因为前面只有文字的时候,AI只能想象。
但现在人物长什么样、怪兽长什么样、古城在哪里,它全部都看得到。
我会把这些图片一起交给刚才一直在对话的AI,然后继续告诉它:
你是一名擅长东方奇幻电影、巨物叙事、怪兽调度和AI视频生成的导演。现在我已经准备好了人物、场景和凶兽参考图,请根据这些现有素材,为我完善一段30秒以内的巨物感短片剧本,并整理成可以继续用于 Seedance 2.5 视频生成的详细分镜提示词。
我提供的素材:
人物参考图:【上传人物图】 只用于确定人物的外貌、发型、服装、身材比例和整体气质,不重新设计人物。
凶兽参考图:【上传凶兽图】 只用于确定凶兽的外形、头部结构、角、翅膀、毛发、身体比例和整体视觉特征,不随意改变凶兽造型。
场景参考图:【上传场景图】 用于确定世界观、建筑风格、山体、云海、地形、光影、色彩和整体环境质感。场景图只作为场景与视觉风格参考,不固定原图的摄影机位置、视角和构图,每个分镜都可以根据剧情重新设计机位。
核心要求:
整条视频控制在30秒以内,不要按照时间轴书写,统一使用“分镜一、分镜二、分镜三……”进行划分。
整体叙事必须围绕巨物感、压迫感和尺度对比展开。不要一开始就完整展示凶兽,要先通过环境异动、风压、阴影、云层变化、低频震动等方式暗示某个巨大存在正在靠近,再逐渐揭露爪子、角、眼睛、头部等局部,最后才第一次完整展示凶兽。
巨物感不能只通过“凶兽非常巨大”这种文字描述体现。必须根据现有场景主动设计尺度参照。
从人物、城墙、塔楼、宫殿、悬桥、瀑布、山峰、峡谷、云层等元素中寻找可以比较的对象,让观众能够直接看懂凶兽到底有多大。
尺度关系可以按照类似:
人物 < 城楼 < 整座建筑群 < 山峰 < 凶兽局部 < 凶兽完整身体
的方式逐级建立。
不要通过把怪兽塞满画面来表现巨大。完整揭露凶兽时,应该适当拉远镜头,让人物、建筑、山峰、云海与凶兽同时存在于画面中,通过环境证明它的体型。
凶兽动作要符合巨物逻辑。
前期动作缓慢、沉重、克制,例如缓慢落爪、抬头、睁眼、低头靠近、展开翅膀、俯视人物。真正快速或具有爆发力的动作放在后段,例如振翼、抬爪、攻击,让前后产生明显力量反差。
不要让凶兽一出现就疯狂攻击。前期更适合表现它根本没有把人物视为真正威胁,通过注视、呼吸、靠近和环境变化制造压迫感。
人物也要有完整的动作和情绪递进。
不要一开始就拔剑迎战。人物应该先察觉环境异常,再寻找异动来源,看到凶兽后保持克制,通过抬头、眼神变化、握紧武器、调整重心、头发与衣摆被风吹动等细节进入戒备状态,最后再正式拔出武器迎战。
每个分镜都需要明确写出:
景别与摄影机位置; 高机位、平视、低机位、仰视或俯视关系; 人物、凶兽和环境分别位于画面什么位置; 摄影机是固定、推进、后拉、横移、上摇、下摇、跟随还是环绕; 运镜从哪里开始、移动到哪里、最后停在哪里; 前景、中景、远景分别是什么; 焦点主要落在哪里; 镜头结束时保持什么画面状态,并如何衔接下一镜。
运镜保持克制,不要为了炫技频繁运动。前期局部揭露可以使用缓慢推进、横移、仰拍和上摇;第一次完整展示凶兽时,可以使用大幅后拉、升高或超大远景,让整个空间尺度突然被打开。
环境必须对巨兽产生真实反馈。
凶兽出现时,不要只有怪兽本身在运动。根据它的体型和动作设计环境反馈,例如云层被身体顶开、雾气被呼吸推动、山体碎石掉落、悬桥摇晃、旗帜绷紧、瓦片被掀起、瀑布水雾被吹散、尘土和碎石滚动等,通过环境反应证明它的重量和力量。
如果凶兽拥有巨大翅膀,必须利用翅膀强化尺度感。翅膀完全展开时,要有明显横向张力,可以横跨山谷、覆盖建筑、进入云层甚至遮住部分天空,而不是普通地张开翅膀。
整条视频保持这样的节奏:
环境正常 → 出现异常 → 局部揭露 → 人物发现凶兽 → 尺度不断升级 → 完整展示凶兽 → 人物与凶兽对峙 → 凶兽第一次释放真正力量 → 人物迎战。
最后的战斗不需要完整打完,可以停在第一次真正交锋即将发生的位置。
声音也需要和画面同步设计。
前期以环境风声、瀑布声、旗帜声和远处低频震动为主,不要一开始就使用兽吼。随着凶兽逐渐显现,可以加入低频呼吸、山体震动、岩石开裂、空气摩擦等声音。完整展示或者凶兽真正释放力量时,声音再明显增强。重要动作前可以适当压低环境声或音乐,通过短暂安静加强压迫感。
输出要求: 不要写时间轴,不要使用传统分镜表,也不要把“景别、机位、人物动作、凶兽动作、摄影机运动、环境反馈、声音”拆成多个栏目。
统一按照:
分镜一: 一段完整、连续的画面描述。
分镜二: 一段完整、连续的画面描述。
分镜三: 一段完整、连续的画面描述。
的方式连续输出。
每个分镜必须写清楚动作发生顺序和画面变化,避免只堆砌“震撼、史诗、巨大、压迫”等形容词。
整体保持东方奇幻、山海经神话、真实电影感、巨物压迫感。不要增加新角色,不要加入字幕和画面文字,不要出现现代元素,不要做成游戏技能展示,不要滥用发光能量、法阵、爆炸等特效。
最终目标不是单纯把凶兽做得很大,而是通过人物、建筑、山峰、摄影机、环境反馈和动作节奏,让观众真正相信:这个凶兽巨大到已经改变了整个空间。
这里我特意要求:
不要时间轴,而是直接按照分镜一、分镜二、分镜三来写。
因为最终我要的是视频生成提示词,而不是传统拍摄通告。
相比“第几秒做什么”,我更关心的是每个镜头之间的视觉逻辑。
画面内容提示词如下:
分镜一 镜头从神都内部靠近高台的位置开始,前景掠过古老岩壁、暗色屋檐、石阶和垂落的旗幡,女主背对镜头站在高台边缘,面朝城外。远处能够看到中央悬桥、右侧孤立高塔和被冷灰云雾填满的深谷。古老建筑受到偏暖的金褐色天光照亮,谷底与远山则沉在冷青灰雾气中。起初一切平静,随后一阵异常强风从城外袭来,旗幡突然向同一方向绷直,女主的长发和衣摆被吹起。
分镜二 镜头缓慢靠近女主侧后方。她察觉异常,微微抬头,视线越过中央悬桥,看向右侧高塔之后更远的云海。石板上的细沙、落叶和碎屑开始朝城内滚动,悬桥上的长绳和垂挂物轻微震动。远处传来沉闷低频震动,但此时仍看不到穷奇。
分镜三 镜头顺着女主视线向城外移动。右侧高塔后方与中央深谷中的云层开始出现异常翻涌,大量冷灰雾气向两侧扩散,远处云海之下有一道极其巨大的模糊阴影缓慢经过。阴影先遮过远山,再覆盖孤塔和悬桥部分区域,让原本受到暖光照亮的建筑逐渐进入阴影。
分镜四 右侧高塔后方的云海突然大面积隆起,一只巨大的灰黑白兽爪穿破雾层,缓慢压上远处独立山体。兽爪的尺寸接近整座高塔,爪尖嵌入岩层,山体边缘出现裂纹,碎石沿悬崖不断坠入云海。中央悬桥受到震动开始轻微摇晃。镜头略低机位向上观察,突出巨爪与高塔之间的体型差。
分镜五 镜头沿巨爪和前肢向上抬升。两只细长、轻盈的异化牛角率先从冷色云雾中显现,随后穷奇的额头、暗金色兽瞳和部分艺术化神兽面部缓慢穿出云层。暖色天光只扫过它的牛角边缘和部分毛发,身体大部分仍隐藏在冷灰雾气与阴影之中。穷奇没有怒吼,只是缓慢睁眼,越过高塔和悬桥,俯视左侧神都。
分镜六 回到女主。巨大的阴影逐渐从深谷方向蔓延过来,覆盖中央悬桥、神都外墙,最后吞没她所在的平台。原本落在女主身上的暖光逐渐消失,只留下侧面的微弱金色轮廓光和来自谷底的冷灰环境光。她没有后退,只缓慢握紧武器,抬头与远处穷奇对视,风压越来越强。
分镜七 到这里第一次真正拉开镜头。摄影机从神都方向大幅后拉并略微升高,让左侧巨大神都、中央悬桥、右侧孤塔、瀑布、深谷、群峰和云海全部进入画面。穷奇庞大的灰黑白身躯从右侧与中央云海之间完全升起,两只前爪分别压在不同的山体上,肩背高过周围山峰。灰白黑巨翼缓慢向两侧完全展开,一侧掠过神都上方,另一侧延伸至远处群峰,部分翼尖消失在云层里。建筑原本已经十分巨大,但在穷奇面前明显缩小。
分镜八 镜头保持远距离,继续维持神都、孤塔和穷奇之间的尺度关系。穷奇缓慢低下巨大头颅,从云层上方向神都靠近。它的头部掠过右侧高塔上方,单独一个头颅已经接近高塔主体的尺度。随着它靠近,鼻息推动谷中的雾气向两侧翻滚,瀑布水雾也被气流带偏。女主仍站在远处高台边缘,只是画面中的一个极小身影。
分镜九 低机位回到女主。她缓慢拔出武器,向高台最前方迈出一步。背景可以保留中央悬桥和远处庞大的穷奇局部,让人物始终处在巨兽阴影之下。暖色建筑反光映在她一侧皮肤与服装上,另一侧则被冷色云雾环境光覆盖,形成明显冷暖对比。剑锋出鞘后,她正式进入迎战状态。
分镜十 穷奇第一次真正释放力量。它保持庞大的身体不动,只猛然振动一次完全展开的双翼。巨大的空气冲击横扫整个山谷,中央云海被向两侧推开,大片山体和谷底短暂显露;悬桥剧烈摇晃,绳索绷紧,神都上的旗幡、尘土、瓦片和碎石被卷起,右侧高塔周围的云雾瞬间被吹散,瀑布水流也被强风带偏。整个环境都在证明这一下振翼的力量。
分镜十一 镜头回到女主。狂风正面压来,她迅速压低重心,用武器撑住石面。碎石和尘埃从身边高速掠过,身后的旗幡几乎被扯成水平状态。她的头发、裙摆和装饰被猛烈向后吹动。随后她顶着风缓慢抬头,重新站稳,视线始终没有离开穷奇。
分镜十二 女主重新站稳后猛然向前冲出,踩过散落碎石,朝高台最外沿跃去。与此同时,穷奇终于抬起一只巨大的前爪,越过右侧高塔和中央深谷,朝神都方向缓慢压下。镜头先短暂跟随女主向前,再迅速大幅拉远,让女主、神都、悬桥、高塔和穷奇巨爪同时进入画面。女主小得几乎像一个黑点,而巨爪遮住大片天空,在双方即将第一次正面碰撞时结束。
分镜完成以后,我不会直接拿去生成。
我还会单独再问AI一次:
给我一段视频氛围质感提示词,包含摄影机、镜头、色彩、质感,精简一些。

得到的提示词如下:
电影级东方奇幻史诗质感,真实电影摄影,广角镜头为主,运镜克制缓慢。整体以古老暖色建筑对比冷色云海深谷,赭石、铜金、琥珀棕的受光建筑,与冷青灰、灰蓝、铅灰的云雾山谷形成强烈冷暖对比。右上方暖色天光穿透云层,暗部保留冷灰蓝层次,不要死黑。强化体积光、空气透视、翻涌云雾、瀑布水雾、飞尘和风压,石材古老风化,画面轻微欠曝,高反差但保留细节,整体神秘、混沌、古老、压迫,具有鸿蒙初开的东方神话电影感。
最后:把所有素材一起交给 Seedance 2.5
最后一步就很简单了。
把前面已经确定好的:
女主参考图、穷奇参考图、场景参考图、完整画面内容提示词、氛围质感提示词

一起交给 Seedance 2.5。
这里每张素材最好都明确自己的职责。