AI绘画师：文案、图片与视频制作从入门到精通：操作会过期，方法只剩一页

2026-11-09silcano

微信读书《AI绘画师：文案、图片与视频制作从入门到精通》（AIGC 文画学院编著，前言自署 2023 年 6 月）· 抓取 580 屏 / 12 章
逐字核对 14 屏 · p0006 书名条核对为本书 · 抽样率 2.4% · 2026-11-09
两点说明。第一，这本书有明确的写作时间戳，先说清楚：前言末尾署「编者 2023 年 6 月」，p0130 的 ChatGPT 截图右下角印着「ChatGPT May 12 Version」，p0290 的 Midjourney 截图里挂着 --v 5.1。它是一本 2023 年中的书，不是新书，我按「一本三年前的操作手册在 2026 年还剩多少用」来评。第二，14 屏对 580 屏，抽样率 2.4%，凡是我说「全书没有」的地方，请按这个比例打折看——我能保证的是「我抽到的这 14 屏里没有」，不能保证作者一定没写在别处。

我先给结论：这本书的骨架比它的内容值钱。它想清楚了一件当年很少有人想清楚的事——文案、图片、视频不是三门手艺，是一条流水线；但它的血肉是软件说明书，而说明书的保质期只有一年。

这个结论分两半，都是认真的。前半句是夸奖：2023 年市面上讲 AI 绘画的书，绝大多数是「Midjourney 关键词大全」，把绘画当成一个孤立的出图动作。这本书不这么看，它把「写文案」放在最前面，把「生成视频」放在最后面，中间才是图。这个顺序是对的，而且它自己知道为什么要这么排，p0130 里有一句原话：「这本书的主题，文案是为绘画而服务的。」

后半句是批评，而且是那种三年后才看得清的批评：它的教学颗粒度落在「点击哪个按钮」上，按钮一改版，教程就归零。这不是作者不努力，是这类书的宿命——但作者其实预见到了，却没有为此改变写法，这才是我想说的重点。

一、它真正原创的地方：把「文案」接在了「画」的前面

先看它怎么把一个广告需求变成一张图。第 4 章「案例：广告、短视频与直播文案创作」里，汽车广告这一段是全书方法最完整的地方。p0130 的原话：

这本书的主题，文案是为绘画而服务的，接下来以本节制作的汽车广告文案为例，在文案中提取需要的关键词，如「自由之旅、途中无限可能、汽车广告、银白色外观」等，在 Midjourney 中生成相……

这句被排版截断了，但意思完整：它不是让你直接对着 MJ 憋关键词，而是让 ChatGPT 先把话说圆，再从成稿里抽词。这一步的价值，做过商业图的人都懂——甲方给你的从来不是关键词，是一段「我要高级但不冷淡、要自由感但别太野」的玄学描述。你能做的是先把它写成文案，再从文案里挑出可以画的部分。这个「先成句、再抽词」的动作，2023 年很多教程没讲，2026 年很多教程还是没讲，它们直接给你 200 个「赛博朋克 8K 高清」。

这条链子还往下接了两段。第 8 章用 Logo、插画、漫画三个案例，把「文案给方向、MJ 出图、人做取舍」走了一遍；第 12 章用自媒体、虚拟主播、口播三个案例，把图、配音、字幕、成片串起来。三篇一脉：字 → 图 → 片，12 章按这个顺序排，没有为了凑章数把「AI 音频」硬塞进来。这个结构我认为是对的，甚至比它自己的内容更对。

还有一处值得记下来。p0010 的「特别提示」写得很清醒，我从截图里逐字抄：

本书在编写时是基于当前各种 AI 工具和软件的界面截取的实际操作图片，但本书从编辑到出版需要一段时间，这些工具的功能和界面可能会有变动，请在阅读时根据书中的思路，举一反三，进行学习。此外，AI 工具和软件通过关键词生成内容仅作为教学演示，其内容不代表作者的观点。还需要注意的是，即使是相同的关键词，AI 每次生成的文案、图片或视频内容也会有所差别。

三句话，三件事：界面会变、内容只是演示、结果不可复现。这三句是给「操作类图书」划边界的标准动作，很多同题书一句都不写，装作自己的截图能管三年。它写了，说明作者知道自己的书有保质期。

但也正因为写了，后面那个问题才更刺眼：既然知道会过期，为什么整本书还是写成了「点这里、再点这里」？

二、它是一本 2023 年 6 月的产品说明书，而且没有留下「可迁移的那一半」

我把它当成一份 2023 年 6 月的快照来读，会发现里面到处是当时的界面遗迹。p0130 的 ChatGPT 输入框底下，灰色小字写着「Free Research Preview. ChatGPT may produce inaccurate information about people, places, or facts. ChatGPT May 12 Version」；p0290 的 Discord 截图里，机器人回复尾部挂着「--v 5.1-」，用户名后面还跟着「(fast)」——那是 MJ 的快速模式标记，现在的计费和模式早就换过几轮。p0230 是文心一格的下单界面，字段名写着「修饰词 0/15」「艺术家 0/10」，右下角一行「实付：2 电量」。

这些遗迹本身不是错。错在书没有把「遗迹」和「机制」分开写。举一个具体的例子：p0230 教的是「单击立即生成」，p0225 到 p0254 这 30 屏（6.2 文心一格的进阶玩法）教的是怎么填参考图、怎么选艺术家。但文心一格真正的门槛从来不是「点哪个按钮」，是「修饰词只能填 15 个字以内，而这 15 个字里到底该放风格还是放光线」。书里给了字段上限（0/15、0/10 这两个数字就印在截图上），却没有一节讲「15 个字怎么分配」。这是把「输入框有几格」当成了「怎么写」。三年过去，输入框可能从 15 字变成 50 字，也可能被参考图彻底替代，那这种教法留下的东西就是零。

反过来看 p0335，那是我在全书里找到的唯一一句「能穿越版本」的话，藏在第 8 章 Logo 案例的「专家提醒」小框里：

在开始设计 Logo 时，尽量不要限制 Midjourney 的范围，让 Midjourney 先生成一个大概的图像，然后根据这个图像再做一个范围的限制，优化图像，最后得到想要的效果。

这句话放到 2026 年任何模型上都成立，因为它是关于收敛顺序的判断：先发散、再收窄，而不是一次把话说死。糟糕的是它只出现在一个「专家提醒」的小方框里，占三分之一个页面；而「修饰词只能填 15 个字」这种一次性的界面事实，占了整整 30 屏。这本书的篇幅分配，是按「能不能截到图」来的，不是按「三年后还有没有用」来的。

三、颗粒度问题：它教你点按钮，不教你看图

书名里有「绘画师」三个字。我按这三个字的标准去读，读到的是一个软件操作员培训班。

整本 580 屏，我按章节页数算了一笔账：文案篇（第 1—4 章）约 151 屏，图片篇（第 5—8 章）约 216 屏，视频篇（第 9—12 章）约 197 屏。三大篇的算法是均衡的，这说明结构上没偷懒。但把镜头推近，你会看到不均衡长在别处：教「软件在哪里」的篇幅，远大于教「图好不好」的篇幅。第 2 章（ChatGPT 入门 + 技巧 + 行业应用）38 屏，第 6 章（文心一格）50 屏，第 7 章（Midjourney）66 屏，第 10—11 章（剪映 + Premiere）77 屏。这些章节的主体是「步骤 01、步骤 02、步骤 03」，每一步配一张带红框箭头的截图。

那「怎么看一张图好不好」写在哪？我抽了 14 屏，没有找到。所有的评价标准都是同一个句式：「效果如图 X-XX 所示」。p0450 是剪映识别字幕，图 10-39 四格并排，让读者「预览剪映识别的语音文字效果」——但它没有告诉你识别错了怎么办、错在哪一类字（同音、方言、专有名词），只是让你「预览」。p0560 是数字人模板，图 12-38 让你点「使用此模板创作」，模板画面是「The smallest bird in the world / 世界上最小的鸟 蜂鸟」，中英对照——这个模板的中文是设计好的版式字，不是模型生成的；书里没有一句说明这件事，而读者极容易以为是「AI 把中文字写对了」。这是全书最危险的一处误导，因为它不撒谎，它只是不说。

更具体的一点：这本书里所有带中文的成品图，中文都是后期叠上去的或版式自带的。第 12 章口播视频那一段（p0575），数字人嘴里念的是「我们为什么要使用背屏模拟曝光功能呢……」，屏幕上的中文字幕是剪映语音识别出来的文本层。也就是说，在 2023 年最痛的那个问题——「AI 直接生成中文字」——全书一个字没提。它绕过去了，用后期排版绕过去了，然后当作这个问题不存在。做电商图、做海报的人翻开这本书，会发现最想解决的那件事，目录里没有入口。

四、原理章与操作章是两张皮，而且撕得很干净

第 5 章 5.1 节（23 屏）讲「AI 绘画的基础知识」，是我抽样里最意外的一段，因为它是真的在讲原理。p0175 把 CNN 在绘画里的用法分成三条：图像分类和识别（卷积、池化、特征提取）、图像风格转换、图像生成和重构。第二条给了例子：图 5-5 应用了美国艺术家詹姆斯·古尼（James Gurney）的哑光绘画风格，关键词是「史诗哑光绘画，微距离拍摄，在花丛中，金叶，红花，晴天，春天，高清图片，哑光绘画」。

p0195 更进一步，讲到了文心一格底层的 ERNIE-ViLG：

ERNIE-ViLG 通过视觉、语言等多源知识指引扩散模型学习，强化文图生成扩散模型对于语义的精确理解，以提升生成图像的可控性和语义一致性。
同时，ERNIE-ViLG 引入基于时间步的混合降噪专家模型来提升模型建模能力，让模型在不同的生成阶段选择不同的降噪专家网络，从而实现更加细致的降噪任务建模，提升生成图像的质量。

这段话水平不低。「让模型在不同的生成阶段选择不同的降噪专家网络」，是把 MoE 和时间步两个概念咬在一起说清楚了，比很多论文摘要还干脆。问题是——然后呢？

第 6 章教你用文心一格，界面上的可调项是「修饰词 0/15」「艺术家 0/10」，外加一张参考图和「实付 2 电量」。「混合降噪专家模型」这个机制，在这 50 屏操作里没有任何一个参数和它对应。读者读完原理，得到的知识是「哦，它内部是这么算的」，然后合上书去点按钮，两者之间没有一条可走的路。这就是我说的两张皮：原理章负责证明作者懂，操作章负责证明软件能用，中间缺的那一段——「这个机制决定了你该怎么写提示词」——一句没有。

再举一个更扎心的例子。p0175 那条关键词是把六类东西混在一串的：「史诗哑光绘画」（画风）、「微距离拍摄」（景别，还是个摄影词）、「在花丛中」「金叶」「红花」（题材与元素）、「晴天」（光线）、「春天」（季节）、「高清图片」（画质）。六类混排，读者根本不知道哪个词该放前面、哪个词是噪音。第 3 章 3.2 节叫「生成 AI 绘画关键词的技巧」，20 屏，正是该给这张六类表的地方。书里没给。它给的是「多试几次」「关键词越具体越好」这类无法执行的话。一本自称「从入门到精通」的书，最该有一张自己总结的表，结果它把最难的活儿留给了读者的手感。

五、「AI 视频篇」其实是「AI 辅助剪辑篇」

这是我认为书名与实际内容落差最大的一处。

第 9 章讲 AI 视频的概况与工具（9.1 八屏、9.2 八屏，总共 16 屏，是三篇里最薄的入门章）。第 10 章剪映，第 11 章 Premiere。这两章加起来 127 屏，占了视频篇的六成半。而这两章实际教的是什么？p0450 是「在播放器面板中单击播放按钮，预览剪映识别的语音文字效果」，接着 10.3.4 讲「运用『视频防抖』稳定画面」。第 11 章 11.1 是「使用 Premiere 自动剪辑视频片段」，11.2 是「使用 Premiere 的智能化功能」。

自动字幕、场景检测、视频防抖、自动踩点——这些确实是 AI，但它们是剪辑软件的智能功能，和「生成一段不存在的视频」是两回事。2023 年 6 月，Runway、Pika 已经能用，Sora 还没来，可灵要到下半年；作者选了剪映和 Premiere，是当时最务实的选择（门槛低、能交付）。我理解这个选择，但不能接受它不做区分。全书没有一节告诉读者：「本篇讲的是 AI 辅助你剪已有的素材，不是 AI 帮你生成素材；后者要另找工具，且当时还不成熟。」这一句不写，读者买回去会以为学完能做「输入一句话出一段片」。

第 12 章三个案例里，真正沾「生成」的只有一个：12.2 虚拟主播，用的是腾讯智影的数字人模板（p0560 的「使用此模板创作」，12.3.2 是「更改主播形象气质」）。而这一段恰恰暴露了另一个问题：数字人是别人做好的形象，你只是换脸、换词、换背景。p0575 的截图里有一条产品自带的提示条，写着「轨道中的数字人·仅支持预览静态形象，合成后可查看动态效果」——作者看到了这条提示，把它截进了书里，却没有在正文里解释「静态预览」和「合成后」差在哪、为什么预览不能信。这属于「素材里有答案，正文里没答案」。

还有一处细节，我认为很能说明这本书的写作姿态。p0575 数字人口播的台词是：

我们为什么要使用背屏模拟曝光功能呢？因为这样可以使我们拍照更加方便、更利于观察照片的效果。如果你想深入学习背屏模拟曝光的技术，可以学习《幻境：风光摄影与后期从小白到大师》这本书。

这是「风光摄影」案例的口播稿，说了二十秒，最后半句是给自家另一本书做的广告。作为案例，它当然能用；但作为教学，它把最应该展开的东西（口播稿怎么写才像人说话、停顿怎么标、数字人的口型和音频怎么对齐）压缩成了「把文案粘进去」。案例是营销素材改的，这一点书里没打算藏，但也没打算讲。

六、案例章失踪的那一段：失败的样子

第 4、8、12 三章是案例章，加起来 162 屏，占全书 28%。三个案例的打法完全一致：给一个成品（汽车广告图、水果店 Logo、山水国风插画、卡通少女漫画、旅行风光视频、旅游博主、风光摄影口播），然后倒推步骤。

这种写法能教会人「跑通」，教不会人「改对」。因为它把迭代过程剪掉了。真实的出图流程是：第一版手是六根指头，改词，第二版风格飘了，加参考图，第三版构图对了但字糊了，只好后期叠字。这本书里没有任何一页展示「第一版不行、第二版更差、第三版才对」。所有图都是「效果如图 X-XX 所示」，一次成功。

我不认为这是作者不会，我认为这是取舍：一页放四张失败图，编辑大概会说「排版乱」。但一本讲「从入门到精通」的书，最值钱的恰恰是失败样本——因为入门的人不缺「成功长什么样」，缺的是「我这张为什么不对」的判读能力。p0335 那句「先生成大概的图再做限制」，其实就是一句失败经验的浓缩，但它被写成了一句口诀，没有配任何一张「限制过早导致什么样的图」的对照。

这一节我不算进「短板」，因为它属于写法层面的遗憾；下一节才是硬伤。

七、它的短板

按老规矩，短板的每一条我都给页码，也标注它的边界。

第一，全书停在 2023 年 6 月，且没有留「迁移层」。p0010 前言自署 2023 年 6 月；p0130 截图印着 ChatGPT May 12 Version；p0290 是 Midjourney --v 5.1。三年后，这两个界面、这两个模型号都不在了。作者在特别提示里承认「界面可能会有变动，请举一反三」，但整本书的结构没有为这句话付出代价——它没有在每一章末尾加一小节「这一章里哪些是会变的、哪些是不变的」。承认会过期，和为此重新安排篇幅，是两件事，这本书只做了前一件。

第二，不谈成本。p0230 的界面上明明白白写着「实付：2 电量」，这是全书唯一一次露出价格，而它是以截图形式露出的，正文没有解释「一张图 2 电量是多少钱、一个案例下来要花多少、失败重生成要不要再扣」。Midjourney 那边更明显：p0290 的截图里挂着「(fast)」，这是快速模式，额度消耗更快，正文同样没提。一本教人干活的工具书不算成本，等于教人开车不看油表。这一条我态度很硬，因为成本是这类工具的第一约束，比参数重要。

第三，没有版权与授权这一节。第 8 章用 Midjourney 做「水果店标志」，第 12 章用腾讯智影做虚拟主播，p0290 的图片混合还用了别人的图（截图里 @BettyNelson 的 bot 在跑混合）。三个场景，三种授权问题：AI 生成图的商用权归谁、平台条款怎么规定、拿别人的图做 blend 算不算改编、数字人用真人形象模板要不要肖像授权。全书零字。2023 年这些还是灰色地带，可以理解；但一本要卖到 2025 年以后的书，至少该有一页「这里有个坑，你自己去查条款」。它连提醒都没有。

第四，没有验收标准。如前所述，所有评价都是「效果如图」。没有一次「这张不合格，因为手指结构错了 / 画风偏了 / 中文字糊了」。这意味着读者学完无法自评，只能靠感觉；而感觉，正是这门手艺里最难教的部分。

第五，中文直出被整体跳过。书里所有中文成品字都是后期叠的或模板自带的（p0560 的中英对照版式、p0575 的剪映字幕）。这是 2023 年国内做图最大的痛点，也是这本书最该有一节的地方，目录里没有。

第六，课后习题只是操作的复述。p0580 两道题：「使用剪映的『剪同款』功能快速生成一段宝宝成长的视频」「使用腾讯智影快速创作出一个有关职业培训的虚拟主播视频」。两题都是「把第 12 章再做一遍」，没有一题要求判断（比如「同一段文案出三版图，说明你选哪版、为什么」）。习题的水平，暴露了这本书对「学会」的定义：能复现，就算会。

第七，也是最根本的一条：它没有回答书名里的那个词——「绘画师」。580 屏里，没有一页讲构图、色彩、风格的判断依据；没有一页讲「什么样的图能商用、什么样的图只是好看」；没有一页讲客户说「不够高级」时你该改哪里。它教的是「怎么让软件出图」，不是「怎么做一个画画的人」。这两件事在 2023 年差别还小，在 2026 年差别巨大——因为「让软件出图」这件事，现在一句话就能做到，而「知道要什么图」依然要人。

八、适合谁，以及一句不算安慰的话

适合一类人：要给团队或学生做「AI 内容生产入门」的培训者。这本书的体例是现成的课表——12 章、每章有小结、有习题、有案例，三篇的顺序（字→图→片）可以直接搬去当大纲。你不需要照它的步骤讲，你需要它的骨架。这是我唯一会推荐它的场景。

不适合两类人。第一类是 2026 年想学出图的新手：你会被 2023 年的界面带偏，学到的操作有一半已经不存在，而且书里没有告诉你哪些已经不存在。第二类是想解决「我的图为什么不对」的人：这本书没有失败样本，也没有判读标准，它帮不了你。

那它还剩什么？我认为剩两样，都不在正文的显眼处。

一样是 p0130 那句「文案是为绘画而服务的」。这句话在 2026 年比在 2023 年更值钱：模型越强，「说什么」就越比「怎么点」重要。今天你让任何模型出图，卡住你的从来不是参数，是你自己没想清楚要什么。这本书三年前就把「先写清楚、再画出来」排在了第一章，这个顺序判断是对的。

另一样是 p0335 那句「先生成大概的图，再做限制」。它其实是同一个道理的另一种说法：先发散，再收敛。出图如此，写提示词如此，做产品也如此。

所以最后一句，不算安慰，是实话：这本书的操作部分已经过期了，方法部分还剩一页——而那一页，恰好是三年后唯一还在用的那一页。它的问题是，那一页被印在了一个「专家提醒」的小方框里，而三十屏的按钮教学占据了正文。