无尘阁日记

无尘阁日记

零基础AI短视频创作一本通:流水线画全了,每个工位只停七屏
silcano

微信读书《零基础AI短视频创作一本通》· 330 屏
逐页翻阅 330 屏 · p0006 核对书名,p0330 为末屏 · 2026-11-08
说明三点。第一,330 屏是这本书的全部:p0330 上写的是"已读完",微信读书统计已阅读 32 分钟,下面是评分卡——推荐值 67.1%,33 人点评,末尾还留了一个"配套资源验证码 242422"。第二,这本书的目录比正文好看:十章、四十五节,从选题一路排到流量,是标准的短视频生产流水线;但 330 屏除以 45 节,平均每节只有 7 屏,还要塞图和截图。第三,我只写截图里看到的东西:书名条在 p0006 为「零基础AI短视频创作一本通」,与目录名一致;抽样逐字核对 10 处:p0006 前言、p0030 "坚持力"、p0100 分镜 prompt 与十条脚本、p0120 DALL·E 一节、p0180 跟镜头与旋转镜头、p0230 滤镜库、p0270 艺术字做法、p0285 白日梦创作界面四步、p0315 谷穗儿账号数据、p0330 已读完与评分。

我先给结论:这本书的骨架是对的,血肉是空的。

说它对,是因为它的目录真的按"做一条短视频"的顺序排:第一章讲 AI 为什么改变了短视频,第二章讲准备工作和流程,第三章选题,第四章脚本,第五章分镜头,第六章生成画面,第七章配音配乐,第八章合成,第九章两个完整实例,第十章怎么拿流量。

这个顺序,恰好是一条片子的生命周期。市面上大多数 AI 书是按"工具"排的——这一章讲 Midjourney,下一章讲可灵,再下一章讲剪映。那种排法方便作者,不方便读者,因为读者拿到手要自己拼装流程。这本书没有犯这个错,它一开始就把流程摆出来了。

说它空,是因为每一站只停七屏。选题这一章两节,脚本这一章两节,分镜这一章四节,语音音乐三节。你可以算一下:一节七屏,其中两三屏是图,剩下四五屏文字,大约一千二百字。用一千二百字讲"怎么选题",能讲到什么程度?只能讲到"要选有共鸣的、要有反差的、要蹭热点的"这个层级。

微信读书那个"32 分钟"很诚实。330 屏,32 分钟,平均每屏 6 秒。6 秒是什么概念?是一眼扫过一张截图的时间,不是读一段话的时间。这个数字说明的不只是我读得快,更说明这本书的信息密度,撑不住"一本通"这三个字。

一、开篇两节:先用鸡汤暖场,再谈技术

第一章第一节叫"超级火爆的 AI 短视频",第二节叫"短视频创作者必备的能力"。第二节里有这么一段:

很多人把短视频制作当副业,简单尝试后往往因未上热门或未爆单而轻易放弃。短视频创作确实有一定的难度,创作者需要付出大量的时间和精力,但只有坚持做下去,才能在竞争激烈的短视频领域中脱颖而出。时间是壁垒,创作者坚持的时间越长,积累的经验和粉丝就越多,成功的机会也就越大。

这段话放在任何一本励志书里都成立,放在一本讲 AI 工具的书里,就有问题。因为它回答的不是"怎么做",而是"别放弃"。而"别放弃"这件事,恰恰是 AI 最帮不上忙的部分。

我不反对书里讲心态。但我要指出一个结构问题:这本书把最贵的位置——第一章、读者注意力最集中的地方——给了最不需要书的内容。一个买"AI 短视频一本通"的人,缺的不是毅力,是"我该用哪个工具、按什么顺序、每一步容易死在哪"。这一章本该是全书的方法论总纲,实际写的是一篇公众号式的开篇软文。

更要紧的是,这一节的写法暴露了全书的一个习惯:用形容词代替判断。"璀璨繁星般照亮了互联网的天空"、"如同汹涌澎湃的浪潮"(都出自 p0006 前言)——这类句子在书里很多。形容词不要钱,判断才要钱。一本工具书的价值,恰恰在于它敢不敢下判断:这个工具行,那个工具不行;这一步必须做,那一步可以省。

二、全书最有用的一页:一个 prompt 的格式

p0100。我把这一页单独拿出来,因为它是这本书里唯一一处可以被立刻抄走、并且抄走之后就比昨天强的东西。

页面上的提示词是这么写的:

注意:必须输出 10 个画面描述,每个描述不超过 50 个汉字,按下列格式输出。
【标题】
【画面描述】
【旁白】
【音效】

然后是一段真实的产出:

1.【标题】萌猫洗脸记
【画面描述】小猫咪认真洗脸,小爪子一抬一落。
【旁白】看这小可爱,洗脸都这么萌。
【音效】轻柔的舔舐声。

2.【标题】狗狗的意外摔跤
【画面描述】狗狗奔跑中突然滑倒,表现出困惑的表情。

书里接着说:"创作者将上述提示词输入到豆包等 AI 创作工具中,就可以一次性得到 10 个萌宠短视频的脚本文案。当然,如果你愿意,还可以一次生成 20 个或 30 个这样的短视频描述,甚至可以生成对应的图片提示词。"

这一页为什么有用?三个原因。

第一,它把"创意"变成了"填空"。新手最怕的不是不会写,是不知道写什么。给它一个固定四栏的格式,它就知道往每一栏里塞什么。这比"让 AI 帮你写脚本"这种空话有用一百倍。

第二,它用"10 条 × 50 字"给自己上了约束。50 字是个硬门槛:你写不了废话,只能写"小爪子一抬一落"这种能被画出来的动作。而"能被画出来"正是短视频画面描述的第一要求。限字数不是限制创意,是逼你把形容词换成动作。

第三,【音效】这一栏是加分项。绝大多数教 AI 写作的提示词模板,只到"画面 + 旁白"就停了。加上音效,意味着写脚本的人从第一步就在想"这条片子听起来是什么样",而不是等剪完了再找 BGM 配上。这是有制作经验的人才写得出的模板。

还有一点,书里没算,但值得算:为什么是 10 条?因为一条抖音短视频,10 个镜头、每镜 5 到 8 秒,刚好 60 到 80 秒——这是一个完整的短故事的长度。反过来推,如果你写 20 条,那不是一条片子,是两条;如果写 5 条,每镜就得 12 秒以上,画面会拖。"10 条"这个数字不是随手定的,它对应着一条片子的物理时长。书里没把这层意思说出来,是它习惯性只给"是什么"、不给"为什么"的又一个例子。

我把这一页的价值说这么重,是因为它反衬出后面三百页的问题:这本书明明有能力给出"可执行的格式",却大部分时候只给了"可复述的道理"。

三、工具那一章:一屏一个工具,一句一句断言

第五章第二节叫"AI 绘画工具的选择",里面的写法是这样的:

DALL·E 是 Open AI 推出的 AI 绘画工具,它采用封闭源代码开发。作为后来者,它在图像的连续性方面以及对提示词的理解上,比 MJ 有明显的进步。DALL·E 生成的图像质量开始接近 MJ,在理解提示词并生成与特定描述相匹配的图像方面表现得尤为出色。这使 DALL·E 在"以图表意"的场景下,具有更高的实用价值。

"比 MJ 有明显的进步"——这是一个排他性的比较判断。它要么需要实测数据,要么需要具体的对比图,要么至少需要一句"在哪些场景下"。书里给的是"图 5-13"那一张:一座蹲坐的肌肉男子雕像,灰白色调,带点石材质感。

我看不出这张图能证明什么。一张单图无法支撑"A 比 B 强"的判断,因为它既没有 B 的对照,也没有说清"强"是在哪个维度上。是文字渲染?是构图遵循?是角色一致性?两句话里出现了"连续性"、"理解提示词"、"图像质量"、"以图表意"四个维度,每一个都是一带而过。

这类断言在书里不止一处。它的问题不是错,是不可验证。读者读完,记住的是"DALL·E 比 MJ 好"这样一个结论,但他既不知道好多少,也不知道在自己那个场景(比如画一个中式门店招牌)里该选谁。等到他自己上手,发现 DALL·E 出不了他要的中文字,那句"有明显的进步"就变成了负资产。

我理解作者的难处:工具迭代太快,写细了容易过时。但"怕过时"的正确做法是给判据,而不是给结论。比如:"如果你的片子需要同一个角色出现在十个镜头里,优先选支持角色参考的模型;如果只需要单张氛围图,随便哪个都行。"这样的句子,五年后依然成立。而"比 MJ 有明显进步",保质期大概到下一个版本发布。

四、运镜那一章:把专业术语压成一句中文

第六章第三节是"AI 短视频运镜方法"。这一节的结构很清楚:先讲基本运镜(推、拉、摇、移、跟),再讲高级运镜(旋转等)。每一个运镜都是"定义 + 一句中文关键词 + 一句效果解释"。

比如跟镜头:

跟镜头(Follow)是指摄像机跟随被拍摄主体的运动而运动,始终保持被拍摄主体在画面中的位置不变。在 AI 短视频创作中,输入"镜头跟随一只奔跑的小狗,记录它的动作和表情"这样的关键词,AI 就会生成跟镜头的效果。

再比如旋转镜头:"输入'镜头以顺时针方向快速旋转,展示一个旋转木马的全貌'这样的提示词"。

这个写法有一个巨大的好处:它把影视行业的术语,翻译成了模型听得懂的中文。对零基础的人,"跟镜头"三个字是黑话,"镜头跟随一只奔跑的小狗"是可执行的指令。这一步翻译,是这本书真正的贡献之一,也是它比纯理论书强的地方。

但它同时也把这件事说得太顺了。

真正用过视频模型的人都知道,"镜头跟随一只奔跑的小狗"这句话,出来的结果大概率是:小狗在跑,镜头没动;或者镜头动了,小狗变形了;或者前两秒对,第三秒狗变成了两个。视频生成模型对运镜指令的遵循度,是这几年的核心技术难点之一,不同模型、不同版本、不同时长的表现差异极大。

书里对此一个字没提。整节读完,读者的预期是"我写一句,它就照做"。这个预期一旦落空,读者不会认为是模型的问题,会认为是自己写错了——而书里没有告诉他,这不是他的错,这是当前技术的边界。

我觉得这是这本书最应该补、也最容易补的一处:每个运镜后面加一行"翻车预警"。比如"跟镜头容易在中段丢失主体,建议单段不超过 4 秒"、"旋转镜头在小场景里容易穿模,尽量给开阔背景"。这类经验网上到处都是,作者不可能不知道,只是没写进去。

五、剪辑那一章:又退回了按钮说明书

第八章讲合成,第一节封面设计,第二节剪辑和特效,第三节合成实例。到这里,这本书的画风变了。

p0230 是"图 8-9 滤镜库",一张剪辑软件的滤镜面板截图,下面开始逐个解释:"基础滤镜:提供基本的调色效果,适用于大多数场景。秋日滤镜:以暖棕、深橘色调营造秋意,为视频增添深秋的视觉效果。影视级滤镜:通过高对比与饱和色彩增强视觉冲击力,适用于需要强烈色彩对比的场景。"

我必须说句不客气的话:这一段是把软件里的标签念了一遍。"秋日滤镜营造秋意"这句话,信息量为零——用户看到"秋日"两个字就知道它是秋天的感觉,不需要一本书来告诉他。

更可惜的是,这里本来有一个绝好的机会被浪费了。滤镜这一节真正该讲的是:AI 生成的画面,和实拍画面的调色逻辑不一样。AI 出图往往对比度偏高、饱和度偏艳、暗部细节少,你把它和实拍素材剪在一起,会明显"两张皮"。怎么办?要么统一往"低饱和、低对比"的方向拉,要么给实拍素材加颗粒去匹配 AI 的质感。这个知识,才是"AI 短视频"特有的,也是读者真正会卡住的地方。而书里给的是"基础滤镜适用于大多数场景"。

这一章的存在,让我看清了这本书的真实结构:它是一本"AI 部分 + 传统剪辑部分"的拼盘。AI 那几章有作者自己的观察(比如 p0100 的四栏格式、p0180 的中文运镜翻译),剪辑那几章则是通用软件教程的压缩版。两部分的手感完全不同,前者像有人在教你,后者像有人在念说明书。

六、它唯一敢碰"中文"的地方,在第九章

第九章是两个完整实例:文旅宣传、AI 绘本故事。p0270 是文旅那个例子里的一节,标题"4. 艺术字"。

正文是这么写的:

在文旅视频中,艺术字不仅能够吸引观众的注意力,还能传达出特定的文化氛围和情感。用 AI 来生成艺术字,可以使艺术字的创作过程更加便捷和多样化。可以用 Stable Diffusion 进行艺术字的制作,首先用 Photoshop 或者美图秀秀等修图软件生成一张白底黑字或者黑底白字的、符合需求尺寸的底图,如白底黑字的"山东",如图 9-9 所示。

这一页我读得很仔细,因为它回答了一个我在很多 AI 书里找不到答案的问题:中文怎么办?

绝大多数 AI 绘画书对中文是绕过去的——要么不提,要么给一张"AI 生成的中文海报",假装文字是模型自己写对的。这本书没有绕:它老老实实说,先做一张白底黑字的底图,再拿 Stable Diffusion 去做风格化。图上就是两个字,"山东",毛笔味,边缘有飞白。

这个方法的本质是"图生图 + 控制":文字的形状由你提供,风格由模型给。它不优雅,但它是真的能出活的路径。而且它承认了一件事——现阶段,中文文字不该指望模型一次性写对,该自己先把骨架搭好。

可惜,这一页只有一页。前面三百页讲 AI 生成画面,没有一页提醒"画面里的字要单独处理";到了第九章做实例,才在文旅这个具体场景里顺手提了一句。一个读者如果只读第六、七、八章(生成、配音、合成),他永远不知道有这回事,等他做出第一条带标题的片子,就会在字幕上耗掉一整天。

这本书最值钱的知识,被放在了最不显眼的位置。这是我给它最大的一个批评:不是它不会,是它不懂得把自己会的东西放到该放的地方。

同一章 p0285 讲"白日梦"这个工具的四步操作,写得反而比前面清楚:①确定比例(横屏还是竖屏,看投放载体);②选风格(比如星际旅行题材可以选赛博朋克);③按引导步骤走;④正文区最多支持 3000 字脚本,可以直接粘进来,AI 会自动识别并拆分。这一段有参数、有边界(3000 字)、有理由(为什么选赛博朋克),是全书信息密度最高的几页之一。

再往前翻一页,还有一处值得记。p0270 的上半部分是"图 9-8 图生图下的趵突泉场景图":水花翻起、绿树倒影、光线偏暖。这一张的意义在于它用的是"图生图",也就是拿一张实拍或半成品的底图去改,而不是从零"文生图"。为什么文旅片必须这么做?因为趵突泉长什么样是有共识的,纯文生图出来的泉池,本地人一眼就看出"这不是趵突泉"。先有真实底图,再有风格化,这是所有"给具体地点做片子"的人都得遵守的顺序。书里没解释这层道理,只放了一张图。但那张图本身已经把答案说出来了——如果你看得懂的话。

《零基础AI短视频创作一本通》知识图谱
这张图谱是我读完之后对这本书的判断:左边一列是它对的地方(骨架是真流水线、一个格式管十镜、中文给了办法),中间两列是硬伤与结构(工具排名凭感觉、运镜压成一句中文、剪辑退回说明书;四十五节七屏、开头两节鸡汤、工具铺成目录),右边一列是它的短板(32 分钟读完、零条自己的数据、67.1% 与 33 人点评)。中间是核心结论:流水线画全了,但每个工位都是空的。

七、它的短板

按规矩,这一节我老实列。

第一处:没有一条自己的数据。全书唯一的真实数字,出现在第十章 p0315:作者举了一个抖音账号"谷穗儿"做例子,说它"利用 AI 绘画工具,创造性地制作了很多趣味图片,并将其合成很多创意短视频,吸引了 6.2 万粉丝关注该账号(截至本书撰写完毕)",配图里能看到"6.2 万粉丝 20.8 万获赞"。

这是全书唯一一次给出"做成了是什么样"的证据。但它是别人的号。作者自己没有跑过一个账号,没有一条"我用这套方法做了 20 条,播放量从 300 涨到 8000"的记录。这就带来一个根本问题:读者无法判断这套流程是否被验证过。一本讲流量的书,如果作者自己没在流量里泡过,那第十章讲的算法和指标,就只能是转述。

第二处:45 节 × 7 屏,注定只能覆盖"是什么"。选题、脚本、分镜、运镜、配音、合成、封面、算法——每一个都是可以单独写一本书的题目。这本书把它们全部装进 330 屏,结果就是每一节都停在"定义 + 一句例子"的层级。它讲清楚了"分镜头是什么",但没有讲清"我这 10 个镜头怎么排顺序、每个镜头几秒、节奏怎么控"。而后者才是新手真正会卡住的地方。

第三处:没有失败案例,也没有成本。和很多同类书一样,这本书只展示成功:成功的脚本、成功的关键词、成功的账号。没有一条"这样写会翻车",没有一句"这个模型的免费额度大概够你试几次"。而 AI 视频这件事,成本恰恰是关键——生成一次要钱、要时间、要排队,一个零基础的人如果不知道"一天能试几次",他的学习曲线会被预算卡死,而不是被知识卡死。

第四处:67.1% 的推荐值,和 33 个人。p0330 上,这本书的推荐值 67.1%,33 人点评。我不认为这个分数能定性一本书,但它配合"32 分钟读完"一起看,信息就很清楚了:这是一本读完很快、但读完记不住多少的书。读者用 32 分钟翻完,给了个"一般",然后去找更细的教程——这个行为本身,就是对"一本通"这个定位的投票。

八、适合谁,以及一条修改建议

适合谁?三类人。

第一类是完全不知道怎么开始的人。这本书把流程摆出来了:先选题、再写脚本、再拆分镜、再生成画面、再配音、再合成。你现在知道该按什么顺序干活,这就值几十块钱。

第二类是需要一个 prompt 模板的人。p0100 那个【标题/画面描述/旁白/音效】的四栏格式,抄下来就能用,用在萌宠、美食、母婴、文旅上都成立。真的,就这一页,够很多人用半年。

第三类是想快速知道市面上有哪些工具的人。豆包、白日梦、Stable Diffusion、各类剪辑软件,书里都点了一遍。它不深,但够你搭起一个工具清单,然后自己去逐个试。

不适合谁?不适合已经做过几条片子、想解决具体问题的人。你的问题大概率是"为什么我的镜头总是糊"、"为什么人物一动就变形"、"为什么我的片子和实拍素材剪在一起像两张皮"——这三个问题,这本书一个都答不了。

如果只提一条修改建议,我会说:砍掉第一章和第八章的一半,把省下的篇幅全部给"失败"。

具体做法:每个技术点后面加一个"翻车档案"。跟镜头加一段"主体在中段丢失怎么办";艺术字加一段"底图边缘太硬,SD 会把它做成贴纸感,怎么处理";滤镜加一段"AI 素材与实拍素材的调色匹配"。每段配两张图:翻车的、修好的。全书加起来加三十个翻车档案,每个两屏,六十屏——刚好是砍掉的那部分篇幅。

这样做的好处是,这本书会从"介绍流程"变成"陪你走完流程"。前者告诉你路在哪,后者告诉你哪一段会摔。

最后一句:这本书最对的地方,是它知道一条短视频要经过十道工序;最可惜的地方,是它在每一道工序门口都只说了一句"这里是干嘛的",然后就带你走向下一道门。

阅读记录 微信读书 · 逐页翻阅 330 屏(p0001–p0330,止于「已读完」;微信读书统计阅读时长 32 分钟)· 书名条 p0006 为「零基础AI短视频创作一本通」
抽样核对:p0006 前言("璀璨繁星""汹涌澎湃的浪潮") / p0030 第二节"2.坚持力"("时间是壁垒…坚持的时间越长,积累的经验和粉丝就越多") / p0100 分镜提示词"必须输出 10 个画面描述,每个不超过 50 个汉字"与【标题/画面描述/旁白/音效】示例 / p0120 "DALL·E…比 MJ 有明显的进步"与图 5-13 雕像 / p0180 跟镜头、旋转镜头的中文关键词写法 / p0230 图 8-9 滤镜库与"秋日滤镜…营造秋意" / p0270 "4.艺术字"白底黑字底图 + SD 做法、图 9-9"山东" / p0285 图 9-20 白日梦界面四步(比例/风格/引导/3000 字脚本) / p0315 "谷穗儿"6.2 万粉丝、20.8 万获赞 / p0330 已读完、32 分钟、推荐值 67.1%、33 人点评、配套资源验证码 242422
核对方式:每屏截图 + 顶部书名条比对 · 笔记与图谱生成于 2026-11-08
关于作者 · 江天(楠哥)
AI 实战导师 / 企业 AI 落地顾问 / 智能体工程师,17 年跨界、15,000+ 小时 AI 实操、20+ 套已交付工作流。