影视飓风的AI高能片段，是怎么做的？【万字复盘！AIGC制作幕后】

你们看了影视飓风最新的这期关于 AI 的节目了吗，老感人了😭

实不相瞒，我第一次看的时候还是粗剪版，就已经把我给看哭了。

这是我上个月跟飓风导演 Aki 的聊天记录：

这两天节目发了之后，我特意找个安静的时间又看了一遍，在同一个地方，再次流下了不争气的眼泪。。。

如果你还没看过，这里是原片，强烈推荐你去看看：

言归正传，作为一个 AI 博主，我肯定还是来讲 AI 的。

节目中，满屏“卧槽”的 Tim 变成假人的那段，是我做的：

还有 AI 版的列车镜头也是我做的，其实做了很多颗，不过为了节奏更好，最后节目只用了其中一两颗。

不过在这里，倒是可以再给各位看看，纯用 AI 做的这些镜头们：

（银河列车 AI镜头混剪）

（Tim 72 变 AI片段）

是不是感觉还行？

所以这篇文章，就跟大家分享一下，我一个新人博主，是怎么被影视飓风“盯上”、如何跟他们合作、以及上面那些镜头到底是怎么做的。

快搬好小板凳🪑

谈起这个项目，时间还要回到两个月前。

在一个寂寞的夜里，Tim 老师突然给我发微信说，有个两年前的大项目正在重启，其中涉及到一些复杂的 AI 镜头，问我是否感兴趣一起参与。

要我说，Tim 要么是低估了自己，要么是高估了我，这么好的项目居然问我感不感兴趣，直接把我塞麻袋里拐走干项目干他个十天半个月的，我都不带眨眼的。

说到这，其实还有个故事背景想跟各位分享。

2024 年，我其实在飓风工作过一年，也是担任导演，像这些节目 ⬇️ 都是我做的，不知道你有没有看过。

后来在今年年初的时候，因为太痴迷于 AI，我就决定出来全身心研究 AI，其实在当时很多人不理解我的选择，身边都是“这么好的工作你真是一点都不懂得珍惜”之类的声音。

他们说得对，飓风真是我待过最好的公司，无论是福利、工作内容还是人性化的体验，我觉得找不到第二家了。

但我还是认为：哪怕眼前的境地已经很完美，但如果你想开启新的征程，就必须要学会放下。

就像一开始决定加入飓风的时候，我其实也“放下”了很多东西：

我扔掉自己开了 4 年的影视公司、卖掉了一屋子的器材设备、放弃了无数个日夜才积累起来的客户资源，从上海举家搬到杭州。

究其原因，只是因为在那个阶段，我觉得自己有必要来飓风“进修”。

所以年初当我再次选择离开的时候，面对那些不理解的声音，我在心里悄悄定下了一个小目标：

早晚有一天，我会在这个全新的领域，也能获得飓风的认可。

因此直到两个月前，Tim 老师问我有没有兴趣的时候，我真的非常开心：

实话说，那会儿我刚开始做 AI IP 才不到一个月，没什么作品、更没什么行业影响力，按理说飓风也该找一些经验丰富的头部 AI  创作者来合作的。

所以很多朋友也会问我：大羽你为什么总能获得一些奇妙的机遇？

那顺着这事儿，我也顺便跟大家分享一个我受益无穷的观点。

在我的逻辑中，一个人或一个创业项目，如果要发展的好，必不可少的因素就是资源和机会，而资源和机会传递的主要载体是“信息”。

比如你手里有个大项目，需要物色一个大佬来带队，那你只能通过“熟人引荐”、“招募”、“搜索”等路径来找到你需要的那个人，这些路径本质上就是信息的传递。

那我作为一个普通人，没有特牛的人脉和行业影响力，该如何让机会通过信息来主动涌向我呢？

答案只有一个：公开表达。

比如拿这次和飓风的合作来举例，纯从功利客观的角度来看待的话，整件事情的发展路径其实是这样的：

首先，我经常在朋友圈分享我关于 AI 的思考、或研究 AI 的进展，以至于大多数朋友都知道我在做 AI 相关的事情，这是一切的前提。

所以有一天，有一位朋友找到我，问我有没有兴趣去参加海浪电影周的一个 AI 黑客松比赛，于是我就去了，顺便拿了个金奖。

如果事情到此结束，此后我只是把“拿奖”这件事当做一个背书，那其实就没有然后了。

但拿了奖之后，我打磨了一篇非常深度、且尽量有趣的创作复盘，就是这篇 ⬇️（有兴趣可点开查看文章）

万字复盘！电影周金奖AI短片 创作幕后与AIGC干货教学：如何48小时完成一部AI获奖短片

至此，事情开始变得好玩起来。

你很难轻易的向别人证明你有真材实料，但一篇深度的文章可以做到、你持续公开表达的一个账号可以做到。

于是通过那篇文章，多了非常多的机会找到我，包括平台方找我联合出品长片、艺术家邀请我一同创作短片、甚至还有AI 科技公司喊我当合伙人 ，包括这次飓风的邀约，也是源于他们读了这篇文章，认为我可以胜任这次合作。

所以回溯整个链路，不管是发朋友圈也好、发自己的作品、心得总结也好，你可以看到每个关键节点，都是因为我在持续地“公开表达”，机会和资源才能“看得见我”、“信得过我”、最后“找得到我”。

一定有无数个 AI 技术比我强得多的人，但因为他们没有公开表达，所以就算再厉害，逻辑上也压根不可能被看到，这其实非常可惜。

但也正因为“公开表达”不是每个人都有勇气尝试、都善于去做，我们普通人才有机会享受这样一种“红利”。

因此，我还是这个观点：对于普通人来说，如果你想获得更多机会，最需要做的事情其实就是公开表达。

就像你在看的这篇文章，如果我羞于启齿或懒得写，你可能就永远看不到我，我可能就错过了一个认识富婆的机会（不是

讲完了创业上的心得，接下来我们讲讲幕后创作。

如果你是 AI 小白，也不用担心，我会用最简单易懂的语言向你解释复杂的逻辑，这是我擅长的事情。

这期节目，我主要负责的是两个部分的 AI 制作：

第一个核心需求，是这支片子里需要一些“展示 AI 技术”的镜头，比如几年前的 AI 生成效果和当下的 AI 生成效果进行对比，所以我制作了很多银河列车的 AI 镜头：

另一个核心需求，也是这次制作的难点，就是配合 Tim 的一段 Talking（台词），来呈现“模糊掉 AI 与现实的界限”的效果。

如你所见，就是开头那段视频中的内容，先把 talking 背景“破坏”掉、从室内转成大峡谷、再到 Tim 变成猪猪侠、最后很多个屏幕作为收尾的那一段。

在讲解具体制作逻辑之前，我先解答三个你大概率会感兴趣的问题：

这些东西做了多久？花了多少钱？用到了什么工具/模型？

答案是：

1 、把零零散散的制作时间累计在一起的话，大概做了一两个星期；

2 、主要的成本是算力成本和订阅工具，花了大概四千块钱左右；

3 、工具用到了 Gemini、Midjourney、Tapnow、MiniMax、Veo3.1、海螺 AI、即梦 AI、可灵 AI、Runway、VIDU、switchlight、infiniteTalk、WAN animate、Davinci 、Topaz 等。

懵逼了吧，这么多工具... ...

不过别怕，其实并不复杂，后面你会知道它们都是干啥用的。

我们先从最简单的说起：

那些银河列车的 AI 镜头，到底是怎么做的。

首先你需要知道的是：当前市面上有几种不同的视频生成逻辑。

比如文生视频，就是说两句话描述一下你想生成的视频效果，纯靠文字描述，来直接生成视频。

再比如图生视频，像大家可能比较熟悉的“首尾帧”，提供一个开头图片、提供一个结尾图片，然后让 AI 帮你生成中间的视频内容。

再比如视频转绘，就是你直接扔一个现成的视频，然后告诉 AI 你想怎么改，它来帮你改成一条新的视频。

大多数情况下，我们需要根据不同的需求和模型的优缺点，来决定到底用哪种制作逻辑、以及哪种工具。

因此很多人问我：大羽你觉得哪个模型效果最好？

我的答案会是：没有最好，只有最适合，就跟找男女朋友的道理是一样的。

而这次片子的列车镜头的部分，由于这艘酷酷车车是飓风他们CG建模出来的，所以我得尽可能确保：AI 镜头中的列车也得长成那个样子。

这被称之为“一致性”。

此外，因为要对比两年前和两年后的，不同 AI 的生成效果，我还得精准控制画面的质感。

因此，最适合的制作逻辑就显而易见了：图生视频。

也就是说，得先有足够精确的图片，再把图片转为视频。

第一步是生图，而生图的第一步，就又要我们的老朋友 Midjourney 出场了，这是当下审美最好的生图模型。

我以下面这颗镜头为例，来向你展示从 0 到 1 的整个制作过程：

首先，我们要在 Midjourney 中，做出一张基础图，比如我写了这么一段提示词：

你别看这么长一大串英文感觉很唬人，其实吧，我也看不懂。

因为这是我结合翻译软件和大语言模型，不断迭代出来的提示词。

反正大概意思就是：一辆白色的列车在城市中呈现一种怎样的形态，以及画面的视觉风格和摄影机参数等。

总之把提示词给到 Midjourney 之后，它帮我生成了这么几张图片：

感觉还不错对吧，我个人比较喜欢右上角的那一张，让我们放大来看看细节：

嗯，蛮有氛围感的，但是这张图有几个大问题：

1 、列车的样子不对，现在看起来像磁悬浮高铁，不像我们的列车。

2 、我们的列车是会飞的车，但现在这车的屁股底下多了个轨道。

3 、城市的建筑风格不对，现在整的跟在哥谭似的。

4 、落日感蛮好的，但天上的云有点阴暗，我想要一个相对晴朗的天气。

理论上，上面这些问题都可以通过优化提示词、或用 Midjourney 的参考图功能来优化，但请注意，那只是优化，而不是彻底解决这些问题。

因此相比于去磨提示词，我通常会选择更精准更高效的方案：P 图。

当然了，作为 AI 玩家，咱肯定不能用 PS，那是违背祖宗的选择，所以我们选择地表最强 P 图 AI 模型：Google 的 NanoBanana 🍌

你或许还记得前段时间，全网很火的把人做成手办的那波热点 ⬇️ 罪恶之源就是 banana 这个模型。

（你怎么知道我钓到鱼了）

具体怎么用呢？

首先，我把刚才的那张全是问题的基础图片，丢进 Tapnow 里（后面你会知道这是什么工具）：

最需要解决的问题是，列车的一致性问题。

而我要把图里的高铁换成外观正确的列车，就一定需要正确列车的三视图作为参考，于是我先从影视飓风他们给我的素材中，截图截出了几张列车不同视角的样子：

接着把它们全部喂给 banana🍌，再写一句提示词：根据列车的不同视角，帮我生成一张列车全貌的白底图。

经过 banana 的一波“思考”，我就得到了这么两张，类似概念设计图的图片：

这样我们就有后面“换车”的参考图了。

然后我们把那张全是问题的基础图片，和现在的白底列车图一块儿喂给 banana，再写一句提示词：

“把白底图中的列车换到主图里，并去掉主图中的铁轨；呈现一种列车在空中飞的感觉；合成效果要真实自然。”

经过 banana 的又一波“思考”，我们就得到了一张列车外观正确、且已经去掉铁轨的新图：

按照同样的逻辑，接下来我们通过喂参考图、或提示词描述，完成换建筑、换云彩、以及修复其他 BUG 的工作。

比如你看这个制作过程好像挺复杂，其实就是一步一步的修改图片，一次只修改一个小点：

最终，我们就得到了一张合格的、可以直接拿去生视频的图片了🎉：

（P 图前 by Midjourney）

（P 图后 by Banana）

至于其他的列车镜头，基本逻辑也都一样，不再赘述。

总之经过一波简单操作后，你就获得了各种各样的“成品图片”了：

那么有了这些图片，接下来就要让他们动起来，也就是生成视频，核心逻辑很简单：

把图片直接丢给不同的“图生视频”模型，然后不断优化提示词来获得最好的效果。

这个过程，就是俗称的“抽卡”。

比如你看 ⬇️，像这颗镜头我就试用了 6 个不同的视频模型，让它们比赛看谁生的多、生的好：

当然，你不能指望一次性就能生出比较好的效果，如果第一波提示词不太靠谱，那就得根据生成结果继续优化和迭代提示词。

所以这一步其实还蛮花钱的，因为 AI 模型像个黑盒，你如果不去真正的点击生成，就永远没法预料它会生出来个什么玩意儿，比如你看看这颗废弃素材颠成什么样了：

按照这个逻辑一波简单的操作后，我们就获得了若干颗被精选出来的、合格的AI列车视频素材 ⬇️

你也看到了，之所以用 Tapnow 这种聚合平台，而不是在各大模型的官网去生成视频，最大的好处就是，你可以在一个界面中随意选择你想引用的模型，新建一个节点就能生成，效率非常高。

最后，我把混剪再贴一次，感兴趣可以再感受一波：

那么接下来就是我们的重头戏，这次项目最麻烦的、呈现 Tim 72变的部分。

说实话，我一开始非常犹豫，到底要不要写这一 part，因为要实现这个相对丝滑的效果，整个制作逻辑非常繁杂，细节极多，除了 AI 工具的相互配合，还涉及到很多合成、剪辑的处理：

从流量的角度来说，这么长、甚至有点枯燥的内容会非常影响我的完播率。

但我仔细想了想，其实市面上还是非常缺少这种实战类 AI 项目的“经验拆解”，像这一 Part 就有很多我自己摸索出来的“大力出奇迹”的解决方案。

而影视飓风他们都可以花两年时间，只为了帮 57 他们做一条满意的 MV，那我多花点精力写点大家真正用得上的东西，又算得了什么。

所以接下来的内容虽然很多，我会写的尽可能清晰易懂和有趣，让小白能理解原理、学到东西，从业者也能获得不一样的启发。

那么我们开始！

首先，面对这种相对复杂的需求时，我们可不能闷头就是干，否则很可能做到一半发现技术上行不通，那就得推翻重来了（别问我为什么知道）

所以需要先完整的评估需求，最好能设计一个可落地的技术方案。

比如，这里是 Tim 当时已经录好的 talking 稿：

同时我拿到的原素材，就是 Tim 坐在影棚里录制这段 Talking 的一条视频：

所以我首先需要将这一整段 talking，按照最终要呈现的视觉效果，拆解成不同的段落，以便后面对症下药：

如上所示，我一共拆成了 8 段效果，如果单看每一段效果，感觉都蛮好实现的。

比如第 4 段的 “talking 场景丝滑的变化为一座大峡谷，然后 Tim 再次入画”

逻辑上，我只需要一张 talking 景的图片作为首帧、以及一张大峡谷的图片作为尾帧，然后用“首尾帧功能”生成视频就好了：

但仔细想一想，事情可远远没这么简单，比如：

1 、这一段的首帧跟上一段的结尾帧，必须能丝滑的衔接起来，但上一段结尾的效果是“Tim 也是假的”，所以如何用视觉来呈现“Tim 是假的”？

2 、这段的效果需要从 Talking 景丝滑过渡到峡谷景，那么到底如何过渡？是运镜？还是直接渐变淡化？

3 、这段的后半部分，需要Tim 在峡谷中重新入画，那怎样让这件事的逻辑显得合理、不那么刻意？

4 、 以及 Tim 入画的视觉呈现，是靠摄影机运动还是人物走进画面？或者最简单的用固定镜头，直接让 Tim 淡化出现？

5 、 如果让 Tim 在峡谷中自然的入画以及讲话，就得生成一个 AI 版 Tim，但 AI Tim 该如何完美融入场景？融入后又该如何对口型？

6 、这段结束后，Tim 就需要变身成蜘蛛侠等人物，所以如何丝滑的衔接？

7 、... ...

这个道理，其实跟你小时候应付老师是一样一样的。

老师问你怎么作业没带，你说：“早晨走太急了，需要的话我现在回家拿”

单看这一句话，就像单做那一颗镜头，天衣无缝、完美无缺。

但实际上，你作业压根就没写，如果老师作罢，那最好不过；如果老师让你回家拿，你到家了火速补完作业再回学校，多完美的计划。

但如果老师说：“给你妈打电话，让她给你送过来。”

那你就完犊子了。

这可能是你一辈子脑子转的最快的时候，正当你终于想到一个你妈不在家的完美理由的时候，老师掏出自己的手机亲自打去了电话... ...

总之你看，做一整段效果和只做一颗镜头的难度是不一样的，做一整段效果，就跟撒一个天衣无缝的谎似的，要逻辑自洽、丝滑、自然，就已经有难度了，而这还只是技术上的最低要求。

再往上走，你甚至还得考虑到视听的美感、传递的情绪、节奏的变化等等。

这就是我前面为什么说，面对相对复杂的需求，在正式开干前，你最好先做一个可落地的技术方案。

有了大致的方案之后，接下来我们正式进入制作，让我们再来看看开头几段效果：

首先第一段不需要处理，直接沿用 Tim 的 Talking 素材画面即可。

第二段的主要内容，是 Tim 说到 “你注意到了吗？这些都是假的... ...” 的时候，我们要把背景做个变化。

因此，我一开始的逻辑是：

Tim 身后的背景虽然是假的，但我要做的尽可能真，让观众看不出来是假的，然后在 Tim 指出这件事的时候，再通过背景变化来呈现。

按照这个逻辑，我就需要先把本来实拍的背景换成我用 AI 生成的假背景，  所以我还得把 Tim 全部“抠”出来：

说干就干。

大家都知道，要抠视频，最好是在用绿幕来拍摄，然后后期手动抠图。

但我们的素材不是绿幕，而且我作为一个 AI 玩家，怎么能手动抠 Tim 呢？（MD 怎么听起来这么怪）

所以我用了一个抠视频的AI工具——Beeble，来完成这一步：

这里就不展示怎么使用这个工具了，简单说就是它能把人物用 AI 自动分离出来，去掉背景，只保留人物。

所以去掉原素材的老背景之后，接下来我就要生成新背景了，这里再次用到了 Midjourney。

而且，为了确保 Tim 本身的光照和AI背景浑然一体，尽可能削弱“人是 P 上去”的感觉，我就不能纯靠提示词来生成一张全新的图，而是用到了 Midjourney 的“编辑功能” ⬇️

这个界面看似很复杂，其实逻辑简单得很，就是手动擦掉大部分的原背景，像上图一样，只保留人物和背景的一些局部，然后让 AI 根据保留的这些内容，重新生成画面，来填满被擦掉的空白区域。

这样的话，就既能确保“背景是假的”，又能确保融合的“真实感”。

好家伙，原来又要假又要真的需求真的存在。。。错怪甲方了

比如我给你看几张生成效果：

效果还行对吧。

那么接下来，我们再次使用 P 图神器 Nano banana🍌，把 Tim 给他 P 掉，就能得到干净的新背景了：

最后，你还记得前面我们抠出来的 Tim 吗，把他往背景上一扔，你看看，这背景咱就轻易的换好了：

解决了换背景的事儿，我们就要根据 Tim 的 Talking，让背景真正动起来了。

原素材中，Tim 的手边指着身后背景不同的位置，边说：“这是假的、这也是假的、这些都是假的。”

所以我就得配合 Tim 的节奏，分区域对背景进行处理，以呈现出“Tim 手指向着哪里，哪里就开始发生变化”的视觉效果。

要实现这个效果其实很简单，主要用到的是“首尾帧”的功能。

简单来说，其实和做动画的逻辑是一样的：

Tim 讲话的节奏点就是关键帧，我们只需要设计好关键帧的位置和样子，再把两个关键帧之间的视频用首尾帧生出来就可以了。

比如你看看我的操作：

我来解释下 ⬆️，最左边的图中，可以看我是先确定背景图中需要变化的区域，画了一个红色的框框，然后告诉 banana：把这个框框中的元素变成其他画面。

这样我们就得到了第一张“关键帧”。

（当然，你不画框框，直接用提示词来描述你想变化的区域也行，但画框会更精准一点。）

接着在第一张“关键帧”的基础上，把另外一个区域也画上一个框框，就像第三张图一样，再让 banana 把这个区域也变化一下，我们就得到了第二张“关键帧”：

那么有了这几张关键帧，我们来到即梦，或随便什么支持首尾帧的视频模型，让 AI 帮我们把中间的变化过程生成为视频就好了。

这里我随便截一个版本的提示词，感兴趣的可以放大感受下：

看起来有点糙，但至少证明这个方向是可行的，后面继续优化细节就好了。

但，，，不出意外的话，意外就来了。

就在我准备继续往后做的时候，我突然想通了一件事，以至于我决定把前面已经做好的内容全部推翻。

我的逻辑是这样的：

虽然 Tim 说：后面的背景、以及这一切其实都是假的。

但我不一定非得拿一个假背景来伪装成真背景，因为这样的话，观众只会觉得：“哦！原来你把假东西做的这么真！”

而如果我把逻辑反过来，直接让真背景本身就会变化！观众就会觉得：“卧槽，这全片的背景都是假的？不对，应该是只有这一段处理了，等等，似乎也不对... ...”

这就是我的目的：让你搞不懂到底什么是真、什么是假。

其实这也是飓风这期节目想探讨的，AI 与现实的关系。

如果你还是不明白，可以继续往后看。

首先我新建了一个工程，这次我保留了实拍的真实背景，用 Banana🍌做出了两个新的关键帧：

生视频也是跟上面同样的逻辑，用“首尾帧功能”，打磨提示词来生成视频就好了。

这次，由于全片都是这个“实拍背景”，它的样子已经印在观众潜意识里了，而这时候它再突然发生变化，所能带给观众的“震撼感”就会更加深刻：

Tim 说：“甚至连我，也是假的。”

这可把导演和我搞头秃了，该怎样呈现这个效果最好呢？

把 Tim 变成另外一个人？不行，后面的段落还有变身的效果，不能提前用。

把 Tim 直接消失掉？不行，那是传统“抠图”或“特效”就能做到的效果，体现不出 AI 的特质。

把 Tim 变成一堆数据组成的人形？一开始我是这个想法，毕竟 AI 本质上就是一堆数据，但仔细一琢磨，我又觉得这效果太老套了。

总之经过效果、寓意、成本等多方面考虑，最终我决定让 Tim 变成一个全透明的 Tim，他还在说着同样的话、做着同样的动作，但他是透明的。

这不像“突然消失”的效果一样，用特效随随便便就能做出来；

也不像“数据人体”一样，一看就是传统科幻电影常见的表现方式。

我最终做出了两个感觉的效果，考虑后选择了效果 B ，给你看看：

提示词大意是：“将画面中的男人变成一种透明的状态，以及一些变化效果的细节描述”

等待一会儿后，Runway 就帮我生成了想要的效果了，背景不变、 Tim 的形象和动作都不变，但他是透明的：

接着，把这个透明 Tim 素材丢进剪辑时间线上，逻辑如下 ⬇️

这里有个小细节可以跟大家分享一下，就是 Runway 生成的视频是带背景的，它没法真正生成带透明通道的 Tim ，而它生成的这个背景呢，跟原素材的背景又有一些像素级的差异，所以直接剪切会出现“跳帧”的感觉。

因此我们在达芬奇里，手动将透明 Tim 给它真正变透明，就像下图这样，我用蒙版把 Tim 圈出来，加了一个透明通道。

你可以简单理解为这里又手动“抠”了一下 Tim：

这样，咱们第三段的效果就总算做好了🎉，来瞅瞅感觉：

接下来第四段，开始上难度了，整个场景变成大峡谷：

Tim 的原话是：“Hey，帮我把背景变成大峡谷怎么样？”

那么最简单粗暴的呈现方式，就是直接变化背景，比如你看，这是我一开始做的效果：

或许你跟我的想法一样：这样不够酷。

因为在上面一段中，观众已经知道了“背景可以变”这件事，那么如果在这里还是固定机位，就算背景变出花儿来也不会再“触动”观众了。

考虑到这点，我最终想到了一个相对好的逻辑：镜头拉出，观众才发现之前的背景其实是在一个影棚里，而这个影棚，坐落在一座峡谷中。

就像这样：

其实这个逻辑和呈现效果也还行，对吧，但综合来看，这个效果却不可行：

因为下一段是 Tim 要变成猪猪侠等各种人物形象，也就是说，镜头拉出来之后，Tim 还需要再次入画，并且要站在一个合适的位置和构图，以便让 AI 去做接下来“人物变化”的效果，这是从“技术”的角度考虑的。

此外，从“感受”的角度来考虑，我们还得让“ Tim 重新入画”这件事变得合理且自然。

像这些考虑，其实就是所谓的“调度”，包括摄影机调度和演员调度。

而导演的核心职责之一就是设计这个调度，让技术可落地、让感受舒服，甚至你要是再往上翻一番，还得考虑如何让情绪到位、让节奏舒适。

所以与节目导演 Aki 探讨之后，我们决定：

让演员（Tim）不要走动，摄影机也不要做范围过大的运动，而是轻轻一甩，摇到已经站在旁边的 Tim。

直观来看，呈现效果如下：

但这样还远远不够。

因为这时候，我遇到了全片最最最最难解决的一个问题。

逻辑复杂到我光讲清楚都会影响阅读体验，所以我放个图，感兴趣的自己琢磨，不感兴趣的直接跳过：

总之，虽然问题存在，但该测试还是得测试，这是最终效果比较好的一条：

乍一看似乎还行，但仔细一看，尤其是说话的时候，Tim 就变得很怪，大概就是这么个意思。

所以在节目上线的前几天，我们导演本着对作品精益求精的态度，做出了一个惨绝人寰的决定：

放弃 AI，这段的 Tim ，用实拍来合成进去。

总之，重新组装好被我砸散架的电脑，我单独生成了一段不含 Tim 的空背景素材，以便于给他们来合成：

这是他们的实拍合成效果，有一说一，确实比 AI 好得多：

其实，从这里也能看得出来，仅从技术的角度而言，当前阶段还是有很多 AI 无法做到的事情的。

如果非要让我向各位打个比喻来形容的话，我会觉得当下 AI 的状态很像是在“捡石头”。

以往如果我们想要一块长得像五角星的石头，我们可以去河边捡一块差不多的石头，回来把它雕刻成你想要的五角星，虽然费力，但你想要多大的、什么材质的五角星，都可以。

而现在，有这么一台自动售卖机，它里面藏着各种形状的、已经被精心挑选过的石头，你不需要再去河边找石头、也不需要再花时间雕琢，按一个按钮，它就可以给你吐出一块精美的五角星。

但注意，那只是一颗看似精美的、五角星形状的石头而已，而不是那个宽度 2 厘米 、厚度 2 毫米、重量 10 克的，刚刚好可以镶嵌进项链的那颗石头。

所以你不能说这个售卖机不好，毕竟它以很便宜的价格和很快的速度，给了你一块漂亮得可以拿得出手的石头，甚至比很多手工雕琢还要漂亮的多，这么漂亮的石头甚至值得向全世界展示。

但你也不能说这个售卖机颠覆了一切，毕竟很多时候，我们需要的是一根浑然一体的、独一无二的、一切都刚刚好的宝石项链。

对了，“精品石头售卖机” 只是我的一个比喻。

现实中，这个机器吐出来的是个石头、还是个粑粑，我也拿不准，不信你看看这个：

扯远了，言归正传，经过实拍“救场”后，上面那段就 OK 了🎉。

我们继续第 5 段，让 Tim 开始变身：

这段其实好做，因为上一段的结尾，我们已经特意设计成是一个偏固定机位的中近景的构图了，那么这段只需要在同样的构图下，把 Tim 变掉就好了。

那么如何让变化出来的新形象，既完美的融合进这个峡谷里，又方便我们精准操控 Tim 的变化速度呢？

很简单：保持固定机位，使每张图的背景完全一致的情况下，单独生成每个形象，然后把这些素材直接在时间线上摆到一块儿，播放起来就是“72 变”的效果了。

这里我用的依然是 Runway 的 Aleph 功能，把 Tim 站在峡谷中的这几秒上传给 Runway，然后告诉它：“把画面中的男人换成 xxx ”，它就能给你吐出来一条换了人物的新视频了⬇️

接着我们在剪辑时间线上，将各种人物摆在一起进行一个“快剪”，必要的剪切点再加上“淡化过渡”之类的转场就可以了：

至于再往后，变成猪猪侠和蝙蝠侠的部分，技术上其实没什么可说的，只需要将上面最后一个人物的结尾帧，当做这段的起始帧，用“首尾帧功能”，加上“先变成蜘蛛侠再变成蝙蝠侠”的提示词就可以了：

技术的底层逻辑确实不难，但由于镜头运动、和变化效果还是比较复杂的，所以要控制的比较精确的话，还得下点功夫。

核心工作在于抽卡、优化提示词、抽卡、优化提示词、继续抽卡... ...，你看我抽的卡 ⬇️

反正一波操作后，我们终于把最难的几个部分，都搞定了🎉：

胜利在即！

接下来第 6 段，我们就需要想个办法，从当前的“蝙蝠侠”顺利过渡到结尾的“银河列车”：

按照 Tim 的台词，他说：“不需要任何人花心思工作，你只要说就好了”，所以导演想要一个 Tim 在敲电脑的镜头，其实就是让 Tim 扮演那个“随口一句话就能生成银河列车”的演员。

这个镜头设计本身很合理，但从前后衔接的角度来看，如何从蝙蝠侠的尾帧，合理的转场到 Tim 敲电脑的首帧呢？

最简单的方式是再做一次变身，直接从蝙蝠侠变身为 Tim。

但你知道的，影视飓风的企业文化是“讲究”，而前面我们变过好多次身了，这里再变的话就有点无聊了。

还有种方式是：镜头从蝙蝠侠往后拉，接着从电脑屏幕里无缝拉出来，呈现出一种“蝙蝠侠其实是电脑屏幕上的画面”的效果。

这似乎是一个好办法，但这段的结尾是电脑屏幕上出现银河列车的画面，镜头往电脑屏幕里推。

所以你刚从屏幕拉出来，又往屏幕里面推进去，就有点傻，而且很难大范围展示 Tim 所处的环境，想象一下，摄影机从屏幕里拉出来之后，绕着 Tim 转一圈，再钻进屏幕里，想想就有点鬼畜。

那最后我的转场方案各位也看到了，就是从 Tim 的瞳孔中拉出来，再转个 180 度反打电脑屏幕：

实话讲，这个处理手法有点老套，像很多片子都是动不动就穿梭一下眼球，把眼球搞得跟冬天的棉裤似的，谁都想穿一下。

但仔细一想，其实也合理，因为在当前的设定下， Tim 一直坐在这个电脑前操作 AI，前面的所有镜头都是他用 AI 生成的，包括那个蝙蝠侠，所以屏幕上的内容倒映在了他的眼球上，然后我们很自然的从眼球中过渡出来。

是不是我这么一说，你就觉得没那么老套了？

你以为这是我独具匠心的的设计？

不是，我就是没招儿了。

最后看看这颗镜头到底是怎么实现的吧，先说结论：

首尾帧做不到这个穿梭眼球的效果，虽然理论上能做到，但经过无数次实验，反正我没能呈现出很好的效果。

要么眼球穿梭不丝滑，要么 Tim 完全不像本人。

仔细想想这个道理，这段的首帧如果是眼球，那么就没有 Tim 的形象作为参考了；首帧如果是 Tim，那么就没有穿梭眼球的效果了；用“多帧生成”的功能效果也不好。

所以在这种情况下，你猜最后是我上面提到的哪个功能救了场？

VEO3 的参考生视频。

官方叫法是这个：“素材转视频”

简单说，就是不以你的上传的图片为基准直接生视频，而是只“参考”你的图片，比如其中的氛围、人物的长相等，除了参考内容外的其他部分，就由提示词来操控。

像下图这样，我上传了一张中景的 Tim、以及一张 Tim 脸部的特写，让 AI 能够精准参考 Tim 的长相，至于运镜、场景内的元素、人物的动作等，全部靠写提示词来指挥操控：

如你所见，效果还不错，但深究的话，你或许会发现两个问题：

1 、你又没上传蝙蝠侠的图片，那开头的眼球穿梭，是怎么能无缝跟蝙蝠侠连接在一起的？

2 、结尾你也没上传银河列车的图片，结尾的电脑屏幕又怎么跟银河列车连在一起的？

我给你看看这条素材本来的样子，你就懂了：

没错，其实我用 AI 生了一个绿幕版的电脑屏幕，然后人工把屏幕里显示的内容给他合成进去。

这样做的目的是，我们可以精准的操控电脑屏幕中显示的界面、中文、以及动效。

因为如果你要纯靠提示词，来控制 “电脑屏幕显示的内容” 这么细的细节的话，那可有的玩了，估计头都能给你干秃，而且众所周知，大多数 AI 模型对中文的支持并不好。

这里再次印证了我上面“捡石头”的那个例子，在某些情况下，AI 还是没法独当一面的。

这是结尾，那开头蝙蝠侠到眼球转场的效果呢？

其实也是人工做的，有点繁杂，我就不文字描述了，如果你对细节感兴趣，可以点击下图仔细研究一波：

看起来有点麻烦，实际上确实有点麻烦。

如果你了解 AIGC 比较多的话，或许有见过，像 higgsfield 这种平台，其实是有专门的“眼球穿梭”的预设效果的，就跟 AE 插件似的，你直接上传一张图片，它就能自动帮你实现从眼球里穿出来的效果，而且效果还不错。

那为什么我还要吭吭哧哧的手动来做呢？

还是那个原因：单做一个效果，很好实现，但要衔接上下文、控制节奏、运镜丝滑，很多技术方案就不可行了。

反正相信我，我的最终方案大概率是当下情况的最优解。

至此，我们来看看已经完成的内容：

哇 🎉！

就剩最后一段了，还好，导演告诉我一个振奋人心的消息：

最后一段 AI 与 CG 摆在一起对比展示的效果，他们用实拍来呈现：

拍的真的很不错对吧，我一下子都没分辨出来，还问导演这到底是实拍的还是 CG 做的。

总之，最后让我们再来看一遍这一整段的效果，对了，这次我们来看弹幕版的，满屏的问号和卧槽，让我觉得前面所有的工作和“完美主义”的坚持，都变得无比有意义了😭！

感谢你能看到这里，也再次感谢 Tim 和飓风团队、导演、文君，给予我的信任❤️。

能参与进这样有意义的节目，真的很开心。

这两天我还在加班加点的制作本幕后的视频版本⬇️

到时候会上线到各个视频平台，各位想看视频的可以去支持一波（一万四千多个字，，，写到这里的我还不知道视频得有多长。。。）

感谢你的点赞、转发、和关注。

我是大羽，下期见！

（剧透一波，最近我又入围了海南岛国际电影节，其中中的 AIGC 创作黑客松了，看样子，又要有好玩的片子可以跟大家分享了！！！）