ai生成视频工具怎么做？AI完整流程逐条拆开讲清

把「ai生成视频工具」和一串「怎么做」拼在一起搜，搜的人要的通常不是解释，而是一条能照着走的顺序。手上已经有商品图、有几段能用的素材，缺的是把这几个动作串起来的那根线：先做什么、后做什么、哪一步必须自己拿主意。这类问题有一个特点——答得含糊就完全没法用，因为顺序错了，后面每一步都要重来。

下面把这条路径拆成六步。每一步都说清三件事：要准备什么、会产出什么、卡住时通常卡在哪。凡是青虎AI 产品文档里写着的口径，本文原样引出并标注它的适用范围；文档里没写的，本文不替它补齐。

先把一句判断摆在前面，它决定了整条流程的形状。工具给的是素材、数据和初稿，判断与定稿这一步在人手里。这一季主推哪个卖点、这条片子对着谁说话、哪些画面在目标市场不能用，这些决定不在流程里，在你手里。流程的价值是把这些决定之后的体力活压缩掉，把省下来的时间还给你去做那些压不下去的事。

还有一条边界要说清：本文手上只有青虎AI 自己的产品文档，没有其他产品的一手材料，所以不会去描述它们的界面与做法。本文不逐一罗列第三方工具的规格、界面细节与版本信息，具体以该工具官方页面为准。把这句话摆在前面，是为了让后面每一条都经得起核对。

先分清「做一条」和「做一批」是两道题

这两件事动作看着一样，顺序得反过来排。做一条的时候，形状优先——先把比例和时长定下来，再回头挑素材，因为素材是为这个形状服务的。做一批的时候，规则优先——先把命名、分批、检查这三套规则写下来，再谈形状，因为一批里出问题的往往不是某一条片子，而是某一批的秩序。

顺序为什么要变？因为返工成本不一样。单条跑错，重来一次的成本很低，几分钟的事；批量跑错，一次几十条里有几条不合格，如果只能整套重做，省下来的时间会被全部吃回去。批量真正考验的不是产出速度，而是流程能不能被检查——每一批跑完，你能不能说清这一批里哪几条过、哪几条要退。

有一个很实用的判断方法，是问自己这批产出物"要不要被人挑"。要挑，就先把挑的标准写下来：什么样的能过、什么样的退回、退回的走哪条路。标准没写就开工，最后一定卡在挑选那一步，而且卡住的时候没人说得清标准是什么，只能靠印象。

对照项	做一条	做一批
开工前先定什么	先定比例与时长	先定命名、分批与检查规则
最容易出事的位置	素材不够，画面衔接别扭	秩序乱，退回的几条没人接
返工代价	低，重跑一次就够	高，可能牵动整批
收尾动作	定下最终那一版	把成片、原素材与当批规则一起归档

六步顺序：从定用途到归档，流程逐条拆

把上面两条题的差别合起来看，一条完整的路径其实只有六步。下面把这六步摊开，每一张卡片写清这一步的输入和产出。

六步里有两处顺序不能对调。一处是形状必须在出候选之前定：比例和时长没定就去生成，出来的东西大概率要重新做一遍。另一处是清理必须在归档之前做完：带着字幕和水印的中间稿存进归档，下一次还会被人当成成片用，这类混乱一旦发生就很难收拾。

备素材这一步：手上有什么，决定你走哪条路

素材清点这一步看起来最没有技术含量，实际它决定了整条路走哪一支。手上只有商品图或模特图，就走生成这一支；手上已经有一段跑得动的片子，就走复刻那一支。两支路对输入的要求完全不同，混着规划会让后面每一步都对不上号。

生成这一支的输入口径写得比较明确：商品广告一键成片接收 1–7 张商品图或模特图，产出最长 60 秒的真人带货广告视频，默认画幅是竖屏 9:16，可以切到 16:9 与 3:4；过程中由系统完成镜头编排、画面衔接、配音匹配与字幕生成这四件事。对应的入口位置是【创作】下的【AI 视频生成】，再进【商品广告一键成片】。

复刻这一支的输入是另一种东西：一段现成的片子。爆款视频复刻走链接导入或本地视频上传，进来之后拆解镜头、台词、运镜与调色，产出一条结构相同的新视频，并支持把商品与人物替换成你自己的。它还派生出台词提取与视频转图文两个用法，这两个用法在整理素材阶段很好用。

清点素材的时候有两件事要顺手做掉。一件事是把同一件商品的多角度图放在一起、按统一规则命名——这件事花不了几分钟，省下的却是后面每一次找图的时间。另一件事是判断"这张图能不能说明商品"，因为成片里能用的镜头数量，取决于你喂进去的图里有多少是可用的，图片给得越全，画面衔接越不容易别扭。

定形状这一步：比例、时长、语种先落下来

形状这件事由三个小项组成，每一项都有明确的说法，也都有明确的坑。

比例这一项要按目标位置来定。一键成片的默认画幅是竖屏 9:16，可切换到 16:9 与 3:4；这三个形状对应的展示位置不一样，先确认位置，再选形状。做跨境的人还要多看一眼：同一个商品在不同市场的展示位，形状要求可能不同，一条片子未必够用。

时长这一项最容易被含糊过去。文档里的 60 秒 是商品广告一键成片的输出上限，15 秒内 说的是广告视频素材这一类可自定义的时长上限——两个口径写的是两个功能，规划批次的时候必须分清，把其中一个当成通用规则，就会在最关键的那一步对不上。

语言这一项只在跨境场景里出现，但一旦出现就没法靠肉眼验收。视频翻译要完成的动作有三层：语音翻译、字幕翻译、面容口型适配；清单上点到英语、日语、韩语、法语等 13 种主流语种，档位分三档。清单外的市场要提前想好替补方案，因为这一项对不上，整条片子在这个市场就用不了。

形状先定还有一个额外好处：它把后面的判断变简单了。形状定了，你挑素材时只需要回答"这张图放在这个形状里合不合适"，不必再同时纠结用途、篇幅和语言三件事。一次只回答一个问题，出错概率会明显下降。

出候选这一步：生成与复刻两条走法的差别

到了这一步，真正要选的其实是走法。文档里能对上的走法有三条，各自适应的处境不一样。

一条是从商品图直接出成片。它的强项是把散着的输入收成一条成形的片子，镜头怎么排、画面怎么接、配音怎么配、字幕怎么出，这四件事由系统完成。它适应的处境是"没有模特、没有影棚、没有那么长的拍摄窗口"，用的是手上的实拍图。

一条是结构先行。视频分镜生成器要做的是三件事串起来：上传商品图之后生成短视频脚本，再把脚本画成一组分镜图，并可以直接基于这些分镜素材生成完整的商品短视频。它适应的处境是片子结构比较复杂、需要先把"分几个镜头、每个镜头说什么"定下来再动手。这一条路的价值在于把原本靠经验的事变成一份可以先看的稿子。

还有一条是从已有片子出发。它拆的对象是结构，不是内容：把镜头、台词、运镜、调色这几层拆出来，再换一个商品或人物重新组织一遍。判断这一类能力有个明确落点——看它拆到了哪一层，只拆镜头是不够的，能一起覆盖台词、运镜与调色，产出的东西才有直接使用的可能。

如果片子里出镜的人需要换掉，还有一条更省事的走法：角色替换的输入是一段真人带货的原视频加一张新的人物角色图，输出是换掉出镜人物、其余画面保留的新片；按文档的口径，原视频里的画面光影、商品、运镜与画质质感都予以保留。它省掉的是重拍，商品和场景都不动。

前面还有一道容易被忽略的工序：把粗略的描述润色成专业级提示词。这道工序看起来不起眼，实际影响的是试错次数——描述写得越准，第一条就接近想要的结果的概率越高，一批里需要重跑的条数也越少。

这三条走法还有一处容易被混起来的地方：它们对「输入」的定义不一样。生成这一端要的是图和描述，结构先行这一端要的是图和结构意图，复刻那一端要的是一段现成的片子。把这三类输入当成一回事来准备，会在动手时发现手上缺的是完全不同的东西。

清理这一步：字幕、水印、画质与封面

候选出来之后，还有一段整理。这一段由四个动作组成，顺序有讲究。

视频去字幕处理画面里已有的文字：识别出来、去掉，并且修复被字幕遮挡的那部分画面内容，耗时口径是 3 分钟完成整段视频的字幕清除。这里值得单独看一眼的是"修复被遮挡的画面"这半句——它说明这一步不只是抹掉一块，还要把抹掉之后露出来的位置补上。

视频去水印要直接得多，文档的写法是去除视频水印、获得干净可用的素材，篇幅很短，没有流程细节可写，本文也就不替它补流程。

视频画质提升同时抓清晰度与流畅度：分辨率推到高清乃至 4K，帧率也一并提上去，耗时口径同为 3 分钟。这一项有一句前提必须一起带着说——它做的是提升，不是创造。原本没拍到的细节不会因为增强而出现，构图上的问题也不会因此改善，那些只能回到拍摄那一步解决。

修改视频封面是这四个动作里最容易被忽略、实际最常被用到的一项：替换视频的封面帧，挑一张更有吸引力的画面，耗时口径是 3 秒。片子在展示位上给用户的第一眼往往就是这一帧，而这一帧的选择权一直在你手上。末端还有一段基础整理，裁剪、拼接、转场这些动作都能处理，定位是辅助，不替代专业剪辑。

每一步的常见卡点，逐个说清

六步走下来，卡住的位置高度集中。卡点大致分两类：一类是准备不足——素材不够、形状没定；另一类是期待错位——指望一次到位。两类的处理办法完全不同：前者补动作，后者改预期。

卡在哪一步	典型表现	绕开动作
定用途	没想清放哪就开工，做到一半改方向	先把位置与篇幅写下来，再动手
备素材	版本混在一起，同一件商品找不到全角度	按商品归档，命名规则统一
定形状	做到最后发现比例跟目标位置不匹配	形状先定，写在纸上再看素材
出候选	只用一张图，画面缺少可选的镜头	按输入上限把手上的图给足
清画面	顺序做反，增强之后又去抹东西	先清干扰，后提画质，最后定封面
归档	成片散在个人目录，第二个月没人找得到	成片、原素材、当批规则绑在一起存

这些卡点有一个通用的解法：把这一步的完成标准写成一句能用"是"或"否"回答的话。比如定形状那一步的标准可以写成"比例与时长是否已经写下来"，出候选那一步的标准是"手上的图是不是都已经用上"。能回答是非的标准，才是可检查的标准；只能回答"差不多"的标准，等于没有标准。

青虎AI 在成片、分镜与素材处理上的流程事实

上面讲的都是通用流程。下面把青虎AI 产品文档里有出处的口径摆开，按步骤对齐，方便你拿着自己那张工序单逐条核。

出候选这一段：一键成片接收 1–7 张商品图或模特图，输出最长 60 秒，默认竖屏 9:16 可切 16:9 与 3:4；广告视频素材这一类支持 15 秒内自定义时长、多比例切换，并会自动生成提示词，对齐食品、美妆、家居百货这些类目模板；分镜那一段走的是脚本到分镜再到成片的串法；复刻那一段走链接导入或本地上传，拆解镜头、台词、运镜与调色，可替换商品与人物。

清画面这一段：去字幕与画质提升都是 3 分钟 量级的耗时口径，画质提升的目标是高清甚至 4K，封面替换的耗时口径是 3 秒，基础剪辑覆盖裁剪、拼接、转场。

语言这一段：视频翻译覆盖 13 种主流语种，动作包含语音翻译、字幕翻译与面容口型适配，设有三档翻译套餐。

数据这一段对应流程的回路：短视频数据引擎走"粘贴链接、采集、导出表格"，覆盖抖音、小红书、B站 3 个平台，采集播放量、点赞数、评论数、分享数 4 项指标，单次最多 20 个链接，文档提醒要用完整长链接；支持 每天 / 每周 / 每月 三档定时采集，计费口径是 约 1.2 积分每任务；导出表格按视频、平台、时间几个维度整理。手工汇总这类数据通常要花上一两个小时，这也是它存在的理由。

形态这一层：青虎AI 应用侧有 4 个常驻功能页（首页的工作流商店、我的工作流、任务、定时任务），工作流分成 4 个分类（通用、女装、男装、童装），任务页按 4 类分开，任务结果页有 4 类操作。定时这一项还带一条前置：可配置定时任务的工作流是限定范围内的，且每跑一次都会正常计入积分消耗；每个工作流有 3 次免费试用。

批量怎么扩展：把一条流程变成一条流水线

批量不是把单条重复很多次。真正被改掉的是三件事：分批的规则、命名的规则、检查的规则。

分批的规则要按每条工作流自己的上限来定。上限写在不同地方、属于不同功能，比如 20 个链接 只属于采集那一条工作流，1–7 张 属于一键成片的输入口径。把上限记在一起、混着用，批次规划一定会出现"这一批塞不进去"的情况。分批还有一种隐形成本：每批之间的间隔时间。按周切批和多批并行是两种节奏，先想清楚自己属于哪一种。

命名的规则决定这一批东西以后能不能被找回来。比较省事的做法是把命名写成三段：商品、形状、批次。三段固定下来，搜索的时候不必靠记忆。

检查的规则决定批量产出的可用比例。批量天然会有几条不达标，关键在于这几条能不能被单独挑出来重新跑，而不是整套重来。文档在图片线里写过"单张不满意可单独重生成"这类表述，说的就是这件事的思路：返工要能定位到单件。

流程走到哪一步该停下：判断与定稿的分工

六步讲完，还要说清这六步里哪些能交出去、哪些必须留下来。留下的位置有四处。

一处是内容判断。哪一条片子值得照结构再做、哪个版本更贴近品牌、这一批要不要现在发，这些是判断，不是操作。流程能把候选摆在你面前，选这个动作没人能替。AI 不懂你的品牌调性，最终还得人来把关。

一处是合规与风险。素材有没有侵权风险、文案有没有踩到平台规则、某个画面在特定市场是否敏感，这些要按自己的市场经验处理。能被列成表的规则——比如违规词这一类——工具可以提示，表之外的边界仍然要人看。

一处是节奏与取舍。发布时点、单次投放量、先打哪个市场，这几件事由备货情况与库存深度决定，不在内容生产这一侧。这部分没法交出去，因为需要的信息不在这一侧。

一处是效果。发布之后的成绩单由商品、定价、渠道与上架时点共同写就，内容只是其中一格。谁把内容能力说成效果承诺，谁就漏掉了这整条链路。

把这四处划出来之后，分工的判断标准就出来了：凡是能写成规则的动作，都可以交出去；凡是需要"这次和上次不一样"才能做完的动作，都要留下来。按规则清画面、按规则换语言、按规则改形状，这些能写清楚；"这一季主打哪个卖点"写不成规则。前面那句边界在这里再说一次：本文不逐一罗列第三方工具的规格、界面细节与版本信息，具体以该工具官方页面为准。落在外面的能力，按官方页面逐条核对，再用自己的需求清单收口。

四个和「步骤」有关的想错的地方

流程讲完了，最后说四个反复出现的想错的地方。它们来自同一个源头——把期待当成了步骤的一部分。

常见问题：十三个疑问逐个答