如何製作不像 AI 劣質作品的逼真 AI 影片:來自真實影片的 5 個修正方法

要製作逼真的 AI 影片，需導演真實攝影機會記錄的內容。讓每個場景基於真實地點，從固定構圖建立每個靜幀，將光線、材質和焦點寫成可檢查的事物，然後將攝影機、表演和動作寫成物理行為。以下是 Jaime Yao 在《In 'twixt Vows》（一部在 Flick 中製作的 16 分鐘逼真影片）中使用的 5 個修正方法，每個都附有真實提示詞，以及影片的製作成本。

如何製作不像 AI 廢片的 AI 電影，與 Jaime Yao（Flick YouTube 頻道）。以下 5 個修正方法來自他的五個技巧。

提示詞、畫面與數據來自 Jaime Yao 的《In 'twixt Vows》（Flick Residency）。Jaime 在他自己的幕後製作文章中講述了這部影片的故事。

使用草圖轉影片在您自己的鏡頭上嘗試這個方法：您的草圖設定構圖，Nano Banana Pro 繪製照片級真實畫面，然後由影片模型製作動畫。

打造逼真 AI 影片的關鍵：破綻在哪裡,以及各自的修正方法

「AI 劣質感」指的是當模型用最平均的猜測來填補提示詞中的每個空白時,所產生的那種光滑、毫無特色的外觀。

破綻所在	修正方法
場景與服裝可以是任何地方	修正 1:以真實的地點、年代和材質為基礎
塑膠般的皮膚、乾淨嶄新的表面	修正 2:說明每種材質經歷了什麼
平淡的「電影感」光線、所有東西都均勻打光	修正 2:指明光源、照射到什麼,以及什麼地方保持暗部
所有東西都過於銳利且太乾淨	修正 2:指明焦點主體,然後最後再加入顆粒感和鏡頭柔化
毫無重量感地滑動的攝影機	修正 3:寫出攝影師的步伐、漂移和修正動作
誇張、概略的演技和過大的嘴型	修正 4:指導行為和時機,而非情緒
漂浮的打鬥場面,攻擊毫無力道	修正 5:在時間區間內呈現接觸、力量和反應

AI 影片的七個破綻,以及五個修正方法各自解決哪些問題。

修正 1:讓每個場景、服裝和道具都以真實事物為基礎

這是什麼

為什麼有效:當你要求「奇幻村莊」時,模型會給你它見過最多次的平均村莊。真實地點能提供你可以指明和檢查的細節。

在影片中:Jaime 以哈德良長城作為影片中前哨站的基礎,研究讓他得到了裸露的深色岩石、淺層土壤、山脊上的短草,以及下方受遮蔽山谷中較茂密的植物。

如何取得

先做研究:針對每個場景、服裝和道具,選擇一個真實的地點、年代或物件。記錄地形、植物、建築材料和光線。

編寫手冊:請代理將研究轉化為環境手冊:每個地點一份簡短文件,涵蓋地形、植被、材料和光照。

在每個提示詞中遵循:Jaime 讓代理在撰寫設定於該地點的提示詞時「嚴格」遵循手冊,因此土地總是被指明為一個特定的地方:

注意:引用自影片工作流程的一行,摘自其公開分析

… a late-autumn upland ridge in northern Britain near Hadrian’s Wall …

修正 2:讓每個靜態畫面看起來像拍攝的,而非算圖的

大多數逼真的鏡頭都從靜態畫面開始,所以靜態畫面決定了片段的外觀。這也是讓 AI 圖像看起來真實的方法。

2.1. 先以白模方式構圖鏡頭

這是什麼

白模:鏡頭的純白版本,所有表面都是相同的白色,僅透過陰影展現形狀與深度(也稱為泥塑算圖)。用它來規劃鏡頭:在任何材質產生之前,先確定攝影機角度和所有物件的位置。

為何優先:Jaime 在這裡使用 GPT Image 2,因為他認為它最擅長理解空間關係。保持白色也能避免他在完成影像中有時會遇到的「斑駁材質」問題。

如何取得

僅提示佈局:攝影機位置與角度、主要形狀,以及空間如何連接。以白模外觀結尾,避免材質混入。偏好手繪?我們的維京影片文章展示了手繪草圖的路徑。

模型:GPT Image 2 · 註:省略標記為 …

3D white-model environment concept.

Semi-overhead three-quarter view. The camera is positioned above the environment and looks diagonally downward, placing the main architectural masses, platform relationships, hanging layers, and winding circulation paths within the same frame.

A half-open silversmith workshop constructed beside water. …

Unified 3D white model / clay render. All architecture, platforms, hanging elements, tools, and small objects use the same clean white modeled surface. Soft ambient shading defines volume, occlusion, spatial depth, and structural relationships.
…

2.2. 鎖定佈局,然後僅改變物件的算圖方式

這是什麼

編輯目標:將白模作為照片寫實模型要編輯的影像,而非鬆散的靈感參考。正如 Jaime 所說:「我在改變現有物件的算圖方式,而非要求更多物件或到處增加更多細節。」

如何取得

先鎖定:為每個已確定的元素寫一行「保持 … 100% 不變」:構圖、攝影機、取景、佈局。

然後轉換:用一句話描述變化,這裡是從白模到實景拍攝。

給每張影像一個任務:當鏡頭中有人物時,為每個角色加入一張參考。在他演講中的鐵匠鏡頭,Jaime 給 Nano Banana Pro 三張影像:佈局,加上兩個角色各自的參考。

模型:Nano Banana Pro · 註:一個參考,即上方的白模,以其畫布名稱顯示;省略標記為 …

Keep composition 100% unchanged.
Keep camera position 100% unchanged.
Keep framing 100% unchanged.
Keep the entire architectural layout, platform structure, hanging-object density, spatial layering, and all object placement 100% unchanged.

Transform [Silversmith Workshop White Model] from a 3D white-model render into a live-action environment.
…

2.3. 將光線、材質與焦點寫成可檢查的項目

這是什麼

可見的指示:「電影感」或「寫實」無法讓模型檢查任何東西。說明光線來自何處、什麼被照亮、什麼保持黑暗,以及每種材質經歷了什麼。Jaime:「這些是我可以在結果中檢查的具體關係。」

如何取得

光線:一個主要光源、它照射到什麼、什麼落入陰影,以及場景中的任何小光源,例如燈具。

材質：每個表面的歷史：潮濕、磨損、修補、氧化。這些歷史讓木頭和金屬看起來經過使用。

焦點：指明焦點主體以及失焦的部分。在他的鐵匠鏡頭中，鐵匠是畫面中最清晰的部分，但「不是不自然的銳利」。

模型：Nano Banana Pro · 注意：同一個提示詞的延續；標記…處為刪減

All timber posts, beams, platforms, hanging racks, roof edges, shelves, tables, stools, and wooden boxes become real aged wood.

The wood has been exposed to damp air and waterside conditions for a long time. Most surfaces are deep wet brown, dark gray-brown, and weathered aged brown. Timber close to the water is darker and visibly more moisture-soaked. The surfaces show natural wear, slight warping, small cracks, repeated repair marks, and reinforcement pieces of slightly different ages. …

The silverwork is mainly aged silver-gray and pale oxidized gray rather than fresh bright silver. Frequently touched and rubbed edges retain small cold metallic highlights, while recesses and gaps are darker. …

The main light source is cool gray-white natural daylight from an overcast sky, entering through the open edges and structural openings.

Timber edges near the open sides, cloth edges facing the sky, and selected silver surfaces receive brighter cool light. Deeper work areas, spaces beneath the roof, areas behind hanging layers, and the undersides of platforms remain distinctly darker.

One work area contains a very small oil lamp. The lamp creates only a small local pool of warm light, mainly touching the nearby workbench and a few silver objects.
…

發揮作用的字詞：「rather than fresh bright silver」排除了閃亮的新品外觀。「remain distinctly darker」告訴模型哪裡不要增加光線。

2.4. 最後加入顆粒感和鏡頭瑕疵

這是什麼

收尾細節：真實的攝影機會留下痕跡：底片顆粒、感光元件雜訊、稍微柔和的鏡頭以及邊緣的色差（色像差）。Jaime 稱它們為「克制的收尾細節，而非光線和材質的替代品」。

如何取得

在結尾加一行：將它放在光線和材質之後，並在每個靜態畫面中重複使用，讓鏡頭保持一致。我們檢查的這部影片所有 5 個 Nano Banana Pro 提示詞都以顆粒感、感光元件雜訊和鏡頭柔和度結尾。

模型：Nano Banana Pro · 注意：同一個提示詞的最後幾行

Live-action realism.
Include subtle film grain, slight sensor noise, mild lens softness, very slight chromatic aberration, soft bloom on small highlights, and natural imperfect real-camera rendering.
Wood, fabric, metal, water, and damp surfaces all have tactile, physically realistic material detail.

注意：顆粒感無法拯救弱的畫面。如果光線和材質錯誤，顆粒感只會產生一個雜訊滿布的假畫面。

修正 3：像有人手持般移動攝影機

這是什麼

手持：攝影機由人持握，而非固定在支架上，因此會上下晃動、飄移和修正。你透過描述持機者的身體如何影響畫面來提示。

如何取得

定位操作者：說明攝影機的位置以及持握者的動作。這裡他們在她前方向後走。

將晃動寫成步驟：每一步帶來的上下晃動、飄移、翻轉、操作者跨過某物時的較大傾斜，然後是修正。允許一次短暫的失焦然後恢復。

要求乾淨的輸出：沒有剪接、沒有字幕、沒有背景音樂。在剪輯時加入音樂。

模型：Seedance 2.5，參考轉影片 · 註：30 秒，720p；較長提示詞的開場和鏡頭部分；修剪處標記為 …

Live-action photographic realism.
No cuts.
No subtitles.
No background music.

Camera

Chest-up medium close-up from directly in front of her.
She keeps walking forward while the camera operator walks backward facing her.

Use strong, heavy handheld throughout:
irregular vertical bobbing from every backward step,
slight lateral drift, slight roll, slight height changes,
and occasional stronger dips or side shifts when the operator steps over roots or moves around trunks, then quick correction within one or two steps.
Allow one very brief natural focus slip, then quick recovery to her face.
…

當提示詞無法達成動作時：對於精確的路徑，例如 Jaime 某個鏡頭需要的 90 度轉向，在 3D Stage（Flick 的 3D 空間，用於錄製鏡頭運動）中封鎖鏡頭，並將錄製內容作為鏡頭參考提供給 Seedance。我們的 AI 鏡頭運動和如何製作 AI 電影指南會展示這兩個步驟。

修正 4：將表演導演為行為而非情緒

這是什麼

為何有效：Jaime：「問題不在於 AI 無法呈現好的表演，而是我們沒有足夠仔細地導演它。」「悲傷地唱」只會得到模型對悲傷的平均呈現。

在影片中：Lady Caerwyn 冰冷、疲憊、悲傷，但仍試圖繼續唱下去，因此提示詞詳細說明這如何影響她的呼吸、身體和面部。

如何取得

先了解角色：與代理商討論他們是誰、經歷過什麼、想要什麼，然後找出他們會如何反應。

描寫身體，保持臉部細微：姿勢和動作方式；嘴巴張開的幅度、眼神的方向、眨眼的頻率。

為台詞計時：為每句台詞提供時間範圍，並說明特定字詞出現時會發生什麼。

提供聲音參考：這次拍攝使用了她唱歌的片段，用於她的聲音和口音。

模型：Seedance 2.5，參考轉影片 · 註：與修正 3 相同的 30 秒拍攝，表演部分；修剪處標記為 …

Overall performance

From the first frame she is already walking and already singing.
She does not walk upright and composed. She moves with fatigue and slight disorientation:
upper torso slightly folded inward,
shoulders low,
neck loose,
head slightly pitched forward,
chin slightly lowered.
…
While singing, do not use large mouth shapes.
The singing stays quiet, breathy, slightly unstable in pitch, uneven in phrase timing, with no stable vibrato.
Many phrase endings leak softly toward near-speech.
Lips open only as much as quiet speech,
jaw movement stays small,
…
gaze drifting toward distant points beside the camera rather than meeting the lens,
blinks infrequent and slow.
…
On "remember," raise the inner brow ends slightly more and lift both mouth corners very slightly for less than one second, with no teeth.

發揮作用的詞語：「不使用大幅度的嘴型」和「嘴唇張開程度僅如輕聲說話」阻止了過度演唱的外觀。「在鏡頭旁而非直視鏡頭」讓她留在場景內而非對著鏡頭表演。

修正 5：將動作描寫為接觸、力量和反應，並給予時間範圍

這是什麼

節奏：當攻擊落下時沒有重量感，被擊中的身體也沒有反應時，就會出現飄浮的打鬥。將每個動作分解為四個節奏：接觸（什麼碰到什麼）、力量（多大力、從哪裡來）、反應（另一個身體做什麼）以及下一個動作。

如何取得

為節奏提供時間範圍：如果三次攻擊發生在一秒內，提示詞必須在該秒內容納每次攻擊、其目標和反應。

讓代理寫分鏡: 你只需陳述時間點。Jaime 告訴代理的內容:

注意: 來自 Jaime 演講的範例請求

his attacks are extremely fast. He delivers 3 consecutive strikes in 1 second, so make sure the timing reflects that.

這部影片的完整時間打鬥提示詞在我們的指南中:如何用 AI 編排打鬥場景。

讓代理寫提示詞,然後自己檢查

Jaime 對於冗長、詳細提示詞的原則是不要自己打字:「不要自己寫提示詞。讓代理來寫,然後自己審查和修正。」

1. 給代理規則。 Flick 的文檔針對本頁的每個部分都有指南:圖像生成提示詞指南用於靜態圖像,Seedance 表演指南用於演技,以及Seedance 動作指南用於動作場景。要求代理在寫提示詞時遵循這些指南。
2. 給它你的研究資料。 來自修正 1 的環境手冊,以及你在修正 4 中為每個角色整理的內容。
3. 在生成前閱讀每個提示詞。 構圖是否鎖定,光線是否命名,演技是否細膩?如果沒有,明確指出問題所在,這樣代理就不會重複。與代理對話(文檔)展示如何保存它記住的規則。

哪些 AI 模型能製作寫實影片,以及成本是多少

In 'twixt Vows 為每個模型分配了一項工作:創意、構圖、最終靜態圖像,然後是影片。

模型	在影片中的工作	為影片製作	每次生成點數(中位數)	每次生成時間(中位數)
Midjourney	創意和初步視覺	84 張圖像	總計 210(21 次生成)	約 20 秒
GPT Image 2	白模構圖	158 張圖像	新建約 11,編輯約 18	約 1.5 至 2 分鐘
Nano Banana Pro	最終照片級靜態圖像	903 張圖像	約 30	約 30 至 40 秒
Seedance 2.0	影片鏡頭	157 個片段	使用參考約 540	約 5 分鐘
Seedance 2.5	影片鏡頭	190 個片段	使用參考約 360	約 5 分鐘

「為影片製作」來自 Flick 對該影片的公開分析,包括廢棄的鏡頭。點數和時間是該影片專案中每次成功生成的中位數,Midjourney 的點數除外,它是總計(Flick 數據,2026 年 7 月 24 日至 10 月 14 日)。

• 靜態圖像便宜,影片則不然。該影片 1,549 次成功生成中有 72% 是圖像,但影片消耗了 223,959 點數中的 86%(Flick 數據,2026 年 7 月 24 日至 10 月 14 日)。在製作動畫前先確定畫面。
• 每完成一分鐘約 14,000 點數:16 分鐘影片消耗 223,959 點數(相同數據)。
• 生成影片是影片長度的 5.6 倍:960 秒影片生成了 5,381 秒影片(Flick 公開分析),所以大部分都未被採用。

在 Flick 製作你的第一個寫實 AI 影片

註冊,打開畫布,在一個鏡頭上嘗試 5 個修正。

每個帳號在註冊時可獲得 100 點數,每週一再獲得 100 點數。

建立您的免費 Flick 帳號 →

繼續探索

• In 'twixt Vows 幕後花絮 Jaime Yao 的完整演講原文。
• Nano Banana Pro 指南 靜態圖像模型的優勢,包括匹配 3D 預覽。
• AI 鏡頭運動 12 種鏡頭運動及真實提示詞,以及何時在 3D Stage 中繪製運動。
• 如何製作 AI 電影 從分鏡到剪輯的完整流程,包含 9 部在 Flick 製作的影片數據。
• 如何用 AI 編排打鬥場景 來自 In 'twixt Vows 的定時、編號打鬥鏡頭。
• Omni Reference(文檔) Flick 的參考轉影片模式如何使用每個參考:起始幀、角色、鏡頭運動和語音。

關於作者

Bilguun Bayarkhuu 是 Flick 的增長工程師。本指南基於 Jaime Yao 的 In 'twixt Vows 公開工作流程、Jaime 在 Flick YouTube 頻道上的教學,以及 Flick 對該影片的生成數據。

常見問題

哪個是最逼真的 AI 影片?

沒有絕對的贏家,而且模型的重要性不如導演手法。在 16 分鐘的照片級寫實影片 In 'twixt Vows 中,Jaime Yao 使用 Nano Banana Pro 製作最終靜態畫面,並使用 Seedance 2.5 和 2.0 製作影片。讓它看起來像真實拍攝的關鍵在於輸入:一張本身就看起來像照片的靜態畫面,以及將光線、材質、攝影機和演技描述為實體事物的提示詞。

如何製作逼真的 AI 影片?

將每個場景都建立在真實地點的基礎上。從固定的構圖開始構建每個靜態畫面,包含具名的光源、材質磨損和焦點主體,最後再加上顆粒感。將攝影機描述為手持它的人,將演技導演為細微的定時行為,並將動作描述為時間窗口內的接觸、力量和反應。

AI 如何生成如此逼真的影片?

當你留給模型的填補空間越少,它看起來就越真實。影片模型會用最平均的猜測來填補提示詞中的每個空白。這種平均的外觀就會顯得像 AI。從一個已經看起來像照片的畫面開始,並將光線、材質、攝影機和演技描述為實體行為。

如何讓 AI 圖像看起來逼真?

先將鏡頭佈局為純白色模型,然後使用照片級寫實模型(例如 Nano Banana Pro)保持該佈局「100% 不變」,同時僅改變材質和光線。指定光源和保持黑暗的部分,說明每個表面經歷過什麼,最後加上一行描述底片顆粒、感光元件雜訊和輕微鏡頭柔化。

什麼是好的 AI 影片提示詞?

描述你可以在螢幕上檢查的事物的提示詞。In 'twixt Vows 不是寫「手持、情感化」,而是寫「攝影師面對她向後走」和「嘴唇只張開到輕聲說話的程度」。鎖定你的參考已經顯示的內容,只描述會改變的部分,如果你稍後會為影片配樂,請加上「無背景音樂」。

人們如何製作逼真的 AI 影片?

先製作照片級寫實的靜態畫面,然後將其動畫化,每個工作使用一個模型。在 Flick 中製作的 16 分鐘影片 In 'twixt Vows 中,Jaime Yao 使用 Midjourney 來構思創意,GPT Image 2 來構圖,Nano Banana Pro 來製作最終靜態畫面,以及 Seedance 2.0 和 2.5 來製作影片。