学习模式

【电商服装】不仅是换装：教你用 AI 生成连贯、真实的口播视频

5个月前 AI UGC 一镜到底视频生成 作者：西瓜
UGC
服装
电商
AI
Nike
口播视频
现在的 AI 视频与其说是“生成”，不如说是“抽卡”。但要在电商场景落地，我们需要的是精准控制，今天分享一套经过实战验证的 SOP 工作流，实现人物、服装、动作的高度连贯。

一起来看一下成品：

那么接下来，按照我的思路和步骤，你也可以做出这样的作品，一起来实操吧~

准备工具


方案一

Flowpix （https://www.flowpix.club） 一站式AI生成平台

工作提取：

https://www.flowpix.club/bj/694.html?token=aaa37ae49fd5eff35ceabf9259346f7e

image.png


方案二

Nanobanana pro https://gemini.google.com/

Gemini3 pro https://gemini.google.com/



第一步：构建人物“灵魂”


不管是 Nano banana pro 还是 Midjourney，高质量的底图是视频成功的一半。我们首先利用 Gemini 3 Pro 强大的逻辑推理能力，将抽象的需求转化为精准的绘画提示词。

image.png


核心参数输入模型： 为了保证人设的稳定性，我们需要先自定义以下标准化参数，将这些参数交给Gemini3pro

以下是我的参数


年龄： 20 - 22 岁。
性别： 女。
人种： 高加索人种（典型的英格兰长相，皮肤透着健康的红润）。
特点： 轮廓清晰，拥有经常运动带来的紧致下颌线。耳朵上排着几个精致的小银环（耳骨钉），展现出一种叛逆的活力。
年龄： 20 - 22 岁。
性别： 女。
人种： 高加索人种（典型的英格兰长相，皮肤透着健康的红润）。
特点： 轮廓清晰，拥有经常运动带来的紧致下颌线。耳朵上排着几个精致的小银环（耳骨钉），展现出一种叛逆的活力。
头发： 亚麻浅金色（Ash Blonde），扎成一个利落的高马尾，或者是一个略显随性的高碎发发髻（Messy Bun）。额前有几缕被汗水或微风拨乱的碎发，显得非常自然。
五官：
眼睛： 清澈的天蓝色，睫毛浓密，眼神中透着自信和一点“不好惹”的酷劲。
鼻子： 笔直且带有轻微的小驼峰，显得英气十足。
唇部： 饱满且涂了透明唇蜜，看起来自然湿润。
穿搭： 上装： 一件连帽卫衣
气质： 自信、充满生命力、阳光但带着一点街头冷淡感。她步履轻盈，看起来像是随时准备去健身房，或是骑着自行车穿梭在伦敦繁忙的街道上。





第二步：产品植入与换装


得到满意的人物底图（图1）后，为了展示我们真实的商品（如视频中的 Nike 卫衣）：


局部重绘/换装： 上传你的产品实拍图，直接使用Nano banana pro将人物原本的衣服替换为目标商品。

image.png

重点：这一步要确保衣服的材质、Logo（如 Nike 刺绣）、抽绳细节与实物一致。




第三步：绘制关键帧脚本


这是“一镜到底”最核心的步骤。我们要像画分镜一样，生成一组连续的静态图（图1 - 图7）。


图1（起始）： 人物看镜头。

image_node_9 (1).jpeg


图2（咖啡）： 人物手持咖啡，看镜头。

image_node_26 (1).jpeg


图3（展示）： 人物低头看衣服，手指指向 Logo 刺绣。

image_node_13.jpeg


图4（细节）： 镜头推近，展示领口和抽绳细节。

image_node_19 (1).jpeg


图5（面料）： 展示袖口紧实度。

image_node_17 (5).jpeg


图6（互动）： 人物拉起帽子准备戴上。

image_node_21 (1).jpeg


图7（戴帽）： 帽子完全戴好，包裹住头部。

image_node_11.jpeg


技巧： 每一张图都是基于上一张图进行微调，确保人物长相、环境光影严格一致，只改变动作。




第四步：首尾帧“桥接”生成


有了这一组连续的图片，我们不再盲目生成视频，而是使用“首尾帧”：


Clip A： 设置 [图1] 为起始帧，[图2] 为结束帧 → 生成视频片段。

Prompt：

女孩正在手持拍摄一个UGC风格的TikTok视频，自然地说着话，就像在社交媒体上和亲密朋友聊天一样。她21岁，就像在和朋友八卦一样。肢体语言和面部丰富。阴雨天气。她说："Honestly, I didn't expect it to be this cold today. Good thing I grabbed this hoodie before heading out for coffee; it's a lifesaver."说话的同时举起右手的咖啡

image.png


Clip B： 设置 [图2] 为起始帧，[图3] 为结束帧 → 生成视频片段。

Prompt：
女孩正在手持拍摄一个UGC风格的TikTok视频，自然地说着话，就像在社交媒体上和亲密朋友聊天一样。她21岁，兴奋地说着话，就像在和朋友八卦一样。肢体语言和面部表情非常丰富。阴雨天气。她说："It feels surprisingly thick. You know that heavy, cozy feeling that makes you feel secure? It’s got that."说话的同时她把咖啡放下，手指领口的logo

image.png


Clip C： 设置 [图3] 为起始帧，[图4] 为结束帧 → 生成视频片段。
Prompt

女孩正在手持拍摄一个UGC风格的TikTok视频，自然地说着话，就像在社交媒体上和亲密朋友聊天一样。她21岁，兴奋地说着话，就像在和朋友八卦一样。肢体语言和面部表情非常丰富。阴雨天气。她说：" I actually really like the embroidery here. And look at these colorful strings—a bit retro without being too much."说话的同时她镜头对准自己的领口logo，画面中间虚焦了一下

image.png


循环操作： 依次完成所有片段的生成。


这种方法完美解决了 AI 视频容易“崩坏”和“甚至变形”的问题，牢牢锁住了人物的一致性。




第五步：剪辑与合成


将生成的 Clip A, B, C... 按顺序导入轨道。

由于我们是首尾相连生成的，视频片段之间的衔接会非常丝滑，几乎看不出剪辑痕迹，形成“一镜到底”的视觉错觉。

只需要简单拼接即可。

image.png

加上字幕后导出视频

【免责声明】 本课程内容仅为AIGC技术教学与案例分析之目的，所引用的品牌名称、商标、Logo、广告素材等均属各自权利人所有。本平台与所提及的任何品牌方不存在任何形式的合作、联名、代言或授权关系。课程内容仅供学习参考，不构成任何商业建议。如权利人认为内容涉及侵权，请联系我们（联系方式 WX：Xiaofengguwen010），我们将在核实后第一时间处理。

最后在评论区上传您的作品，一起讨论吧～


速用卡

视频生成执行卡

把这节课压缩成一张可执行卡片：看重点、照步骤、避坑，再复制模板直接开做。

一句话重点

这节课不是先追求炫技成片，而是围绕「不仅是换装：教你用 AI 生成连贯、真实的口播视频」先把主体、动作、镜头和节奏稳住。

落地顺序

按原文节奏走最稳：先吃透「准备工具」，再把「第一步：构建人物“灵魂”」定住，接着处理「第二步：产品植入与换装」；最后用「第三步：绘制关键帧脚本」收口。

照着做清单
  1. 先把「准备工具」里的主体和动作定死。
  2. 这一段重点看镜头和节奏，别急着炫技。
  3. 做完「第二步：产品植入与换装」后，先查连贯性和穿帮。
  4. 先把「第三步：绘制关键帧脚本」里的主体和动作定死。
  5. 做完「第五步：剪辑与合成」后，先查连贯性和穿帮。
最容易踩坑

不要一上来就生成最终片；先拆镜头、定主体和运动，再逐段生成，否则容易跳轴、穿帮、节奏混乱。

成品自检

检查主体是否稳定；镜头运动是否明确；前后画面是否连贯；节奏是否服务主题；是否有明显变形或穿帮。

可直接复制的万能模板
请围绕「不仅是换装：教你用 AI 生成连贯、真实的口播视频」帮我做一个可直接执行的方案。
我的目标是：【填写你的具体目标】
我的素材/产品/角色信息是：【填写已有素材和限制】

请输出：核心创意、分镜表、每个镜头的画面描述、视频生成提示词、剪辑顺序和成片自检清单。要求主体稳定、动作明确、镜头连贯。