如何制作不像AI垃圾的逼真AI视频:来自真实影片的5个修复方法

要制作逼真的AI视频，需要指导真实摄影机会记录的内容。将每个场景基于真实地点，从固定的布局构建每个静态画面，将光线、材质和焦点写成可验证的元素，然后将摄影机、表演和动作描述为物理行为。以下是Jaime Yao在In 'twixt Vows中使用的5个修正方法，这是一部在Flick中制作的16分钟写实影片，每个方法都附有真实提示词，以及影片的制作成本。

如何制作一部不像AI生成内容的AI影片，与 Jaime Yao 对话（Flick YouTube 频道）。以下5个修复方法遵循他的五个技巧。

提示词、静帧和数据来自 Jaime Yao 的《In 'twixt Vows》（Flick Residency）。Jaime 在他自己的幕后文章中讲述了这部影片的故事。

在你自己的镜头上尝试这个方法，使用草图转视频：你的草图设定布局，Nano Banana Pro 绘制照片级真实画面，视频模型为其添加动画。

什么造就真实的 AI 影片：常见破绽及对应解决方法

"AI 敷衍内容"是指当模型用最平庸的猜测填补提示词中的空白时，产生的那种光滑、千篇一律的外观。

破绽所在	解决方法
可能是任何地方的布景和服装	解决方法 1：基于真实的地点、年代和材质
塑料般的皮肤，崭新干净的表面	解决方法 2：说明每种材质经历了什么
平淡的"电影感"光线，一切都均匀照亮	解决方法 2：指明光源、照亮的对象和保持阴暗的部分
一切都过于锐利清晰、过于干净	解决方法 2：指明焦点主体，然后最后添加颗粒感和镜头柔化
毫无重量感地滑动的镜头	解决方法 3：描写操作者的步伐、漂移和修正
夸张、泛化的表演和过大的嘴型	解决方法 4：指导行为和时机，而非情绪本身
轻飘飘的打斗，击打毫无力量感	解决方法 5：在时间窗口内描述接触、力量和反应

AI 影片的七个常见破绽，以及 5 种解决方法分别解决哪些问题。

解决方法 1：让每个布景、服装和道具都基于真实事物

这是什么

为什么有效：如果要求一个"奇幻村庄"，模型会给你它见过最多次的平庸版本。而真实的地点会给你可以具体指明和检验的细节。

在影片中：Jaime 将影片中的前哨基地设定在哈德良长城，研究为他提供了裸露的深色岩石、浅层土壤、山脊上的短草以及下方受庇护山谷中更茂密的植被。

如何获得

先做研究：对于每个布景、服装和道具，选择一个真实的地点、年代或物品。记录地形、植被、建筑材料和光线。

编写手册：让 AI 助手将研究转化为环境手册：每个地点一份简短文档，涵盖地形、植被、材质和照明。

在每个提示词中遵循手册：Jaime 让 AI 助手在编写该地点的提示词时"严格"遵循手册，因此场景始终被指定为一个具体的地方：

注意：引自该影片工作流的一行内容，在其公开解析中有引用

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

解决方法 2：让每个静态画面看起来像拍摄的，而非渲染的

大多数真实的镜头从静态画面开始，因此静态画面决定了片段的外观。这也是让 AI 图像看起来真实的方法。

2.1. 先用白模构建镜头

这是什么

白模：镜头的纯色版本，每个表面都是相同的白色，仅通过阴影显示形状和深度（也称为泥塑渲染）。用它来搭建镜头：在任何纹理存在之前，先确定摄像机角度和所有物体的位置。

为什么先做：Jaime 在这里使用 GPT Image 2，因为他认为它在理解空间关系方面最强。保持白色还能避免他在完成图像中有时会出现的"斑驳纹理"。

如何获得

仅提示布局：摄像机位置和角度、主要形状，以及空间如何连接。以白模外观结尾，这样就不会混入任何材质。更喜欢手绘？我们的维京影片文章展示了手绘草图路线。

模型：GPT Image 2 · 注意：省略部分标记为 …

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. 锁定布局，然后只改变渲染方式

这是什么

编辑目标：将白模作为照片级写实模型要编辑的图像，而不是作为宽泛的灵感来源。正如 Jaime 所说："我是在改变现有物体的渲染方式，而不是要求更多物体或到处添加更多细节。"

如何获得

先锁定：为每个已确定的元素写一行"保持……100% 不变"：构图、摄像机、取景、布局。

然后转换：用一句话说明变化，这里是从白模到实拍效果。

让每张图像只完成一项任务：当镜头中有人物时，为每个角色添加一个参考。在他演讲中的铁匠镜头里，Jaime 给 Nano Banana Pro 提供了三张图像：布局，加上两个角色各自的参考。

模型：Nano Banana Pro · 注意：一个参考，即上面的白模，通过其画布名称显示；省略部分标记为 …

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. 将光照、材质和焦点写成可检查的具体内容

这是什么

可见的指令："电影感"或"写实"不能给模型任何可检查的内容。要说明光从哪里来、什么会反射光、什么保持暗部，以及每种材质经历了什么。Jaime："这些都是我可以在结果中检查的具体关系。"

如何获得

光照：一个主光源、它照射的位置、落入阴影的区域，以及场景内的任何小光源，比如灯具。

材质：每个表面的历史：潮湿、磨损、修补、氧化。这些历史使木材和金属看起来像用过的。

焦点：指定焦点主体以及失焦的部分。在他的铁匠镜头中，铁匠是画面中最清晰的部分，但"不是不自然的剃刀般锐利"。

模型：Nano Banana Pro · 注意：相同提示词的延续；省略部分标记为…

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.
…

起作用的词语："rather than fresh bright silver"（而非新鲜明亮的银色）排除了闪亮的新外观。"remain distinctly darker"（保持明显更暗）告诉模型不要在哪里添加光线。

2.4. 最后添加颗粒和镜头瑕疵

这是什么

收尾细节：真实相机会留下痕迹：胶片颗粒、传感器噪点、略微柔和的镜头以及边缘的色边（色差）。Jaime 称它们为"克制的收尾细节，而非照明和材质的替代品"。

如何获得

末尾一行：把它放在光线和材质之后，并在每个静帧上复用，使镜头保持一致。我们检查的影片中所有 5 个 Nano Banana Pro 提示词都以颗粒、传感器噪点和镜头柔和度结尾。

模型：Nano Banana Pro · 注意：同一提示词的最后几行

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：颗粒无法拯救弱画面。如果光线和材质有问题，颗粒只会制造出嘈杂的假象。

方法 3：像有人手持那样移动相机

这是什么

手持：相机由人手持，而非固定在设备上，因此会晃动、漂移和校正。你可以通过描述持机者的身体对画面的影响来提示它。

如何获得

确定操作者位置：说明相机在哪里以及持机者在做什么。这里他们在她前面倒退行走。

将抖动写成步骤：每一步的晃动、漂移、翻滚、操作者跨过某物时更大的下沉，然后是校正。允许一次短暂的焦点滑移并恢复。

要求干净的输出：无剪辑、无字幕、无背景音乐。在剪辑时添加音乐。

模型：Seedance 2.5，参考转视频 · 注意：30 秒，720p；一个较长提示词的开场和镜头部分；省略部分标记为…

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.
…

当提示词无法实现运镜时：对于精确路径，比如 Jaime 在某个镜头中需要的 90 度转弯，可以在 3D Stage（Flick 的 3D 空间，用于记录镜头运动）中规划镜头，并将记录作为镜头参考提供给 Seedance。我们的 AI 镜头运动和如何制作 AI 影片指南展示了这两个步骤。

修复 4：将表演导演为行为，而非情绪

这是什么

为什么有效：Jaime："问题不在于 AI 无法呈现出色的表演。而在于我们的导演不够细致。""悲伤地唱"只会得到模型对悲伤的平均理解。

在影片中：Lady Caerwyn 寒冷、疲惫、悲伤，但仍在努力继续歌唱，因此提示词详细描述了这如何影响她的呼吸、身体和面部。

如何获得

首先了解角色：与 agent 讨论他们是谁、经历了什么、想要什么，然后推导出他们会如何反应。

描写身体，细化面部：姿势和动作方式；嘴巴张开的幅度、眼睛的朝向、眨眼的频率。

为台词计时：为每句台词设定时间窗口，并说明在特定词语上发生什么。

提供声音参考：这个镜头使用了她唱歌的片段，用于她的声音和口音。

模型：Seedance 2.5，参考转视频 · 注意：与修复 3 相同的 30 秒镜头，表演部分；省略部分标记为…

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.

起作用的词语："不要使用大幅度的嘴型"和"嘴唇张开程度仅限于轻声说话"阻止了过度演唱的外观。"看向镜头旁边而不是直视镜头"让她保持在场景内部，而不是对着镜头表演。

修复 5：将动作描写为接触、力量和反应，并设定时间窗口

这是什么

节拍：飘浮的打斗发生在击打落下时没有重量感，被击中的身体也没有反应时。将每个动作分解为四个节拍：接触（什么接触什么）、力量（多大力、来自哪里）、反应（另一个身体做什么）以及下一个动作。

如何获得

为节拍设定时间窗口：如果三次攻击发生在一秒内，提示词必须在那一秒内适配每次攻击、它的目标和反应。

让代理编写节拍：你只需说明时间点。Jaime 告诉代理的内容：

注意：来自 Jaime 演讲中向代理发出请求的示例

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

这部影片中完整的定时打斗提示词可以在我们的指南如何用 AI 编排打斗场景中找到。

让代理编写提示词，然后自己检查

Jaime 对于长篇详细提示词的原则是不要自己输入："不要自己编写提示词。让代理编写，然后自己审核和修正。"

1. 给代理规则。Flick 的文档为本页的每个部分都提供了指南：静态图像的图像生成提示词指南、表演的 Seedance 表演指南和动作的 Seedance 动作指南。要求代理在编写提示词时遵循这些指南。
2. 提供你的调研资料。修正 1 中的环境手册，以及你在修正 4 中对每个角色的设定。
3. 生成前阅读每个提示词。布局是否锁定，光线是否命名，表演是否细腻？如果没有，准确说明问题所在，这样代理就不会重复错误。与代理对话（文档）展示了如何保存它需要记住的规则。

哪些 AI 模型能制作真实视频，以及成本如何

In 'twixt Vows 为每个模型分配了一项工作：创意、布局、最终静态图像，然后是视频。

模型	在影片中的作用	为影片制作的内容	每次生成积分（中位数）	每次生成时间（中位数）
Midjourney	创意和初步外观	84 张图像	总计 210（21 次生成）	约 20 秒
GPT Image 2	白模布局	158 张图像	新建约 11，编辑约 18	约 1.5 到 2 分钟
Nano Banana Pro	最终照片级静态图像	903 张图像	约 30	约 30 到 40 秒
Seedance 2.0	视频镜头	157 个片段	带参考约 540	约 5 分钟
Seedance 2.5	视频镜头	190 个片段	带参考约 360	约 5 分钟

"为影片制作的内容"来自 Flick 对该影片的公开分解，包括废弃的镜头。积分和时间是该影片项目中每次成功生成的中位数，Midjourney 的积分除外，为总计（Flick 数据，2026 年 7 月 24 日至 10 月 14 日）。

• 静态图像便宜，视频则不然。影片 1,549 次成功生成中有 72% 是图像，但视频消耗了其 223,959 积分中的 86%（Flick 数据，2026 年 7 月 24 日至 10 月 14 日）。在制作动画之前先确定画面。
• 每分钟成片约 14,000 积分：16 分钟影片消耗 223,959 积分（相同数据）。
• 生成视频是成片时长的 5.6 倍：960 秒影片生成了 5,381 秒视频（Flick 公开分解），所以大部分内容都没有进入最终剪辑。

在 Flick 中制作你的第一个真实 AI 视频

注册，打开画布，在一个镜头上尝试 5 个修正方法。

每个账户在注册时获得 100 免费积分，每周一再获得 100 积分。

创建你的免费 Flick 账户 →

继续探索

• In 'twixt Vows 幕后花絮 Jaime Yao 的完整演讲原文。
• Nano Banana Pro 指南 该静态图像模型的优势，包括匹配 3D 布局。
• AI 镜头运动 12 种镜头运动及真实提示词，以及何时在 3D Stage 中绘制运动。
• 如何制作 AI 影片 从节拍到剪辑的完整流程，以及来自 Flick 中制作的 9 部影片的数据。
• 如何用 AI 编排打斗场景 来自 In 'twixt Vows 的定时编号打斗镜头。
• Omni Reference（文档） Flick 的参考转视频模式如何使用每个参考：起始帧、角色、镜头运动和台词。

关于作者

Bilguun Bayarkhuu 是 Flick 的增长工程师。本指南基于 Jaime Yao 的 In 'twixt Vows 公开工作流程、Jaime 在 Flick YouTube 频道上的教程，以及 Flick 对该影片的生成数据。

常见问题

哪个是最逼真的AI视频?

没有单一的赢家,模型的重要性不及导演手法。在16分钟的照片级真实影片《In 'twixt Vows》中,Jaime Yao使用Nano Banana Pro制作最终静帧,并使用Seedance 2.5和2.0制作视频。让它看起来像真实拍摄的关键在于输入:一个本身就像照片的静帧,以及将光线、材质、镜头和表演描述为物理事物的提示词。

如何获得逼真的AI视频?

将每个场景建立在真实地点的基础上。从锁定的布局构建每个静帧,使用具名的光线、材质磨损和焦点主体,最后添加颗粒感。将镜头描述为持机的人,将表演导演为有时间节奏的微小行为,并将动作描述为时间窗口内的接触、力和反应。

AI如何生成如此逼真的视频?

当你留给模型的空白越少,它看起来就越真实。视频模型会用最平均的猜测填充提示词中的每个空白。这种平均化的外观会让人感觉是AI生成的。从一个已经看起来像照片的画面开始,并将光线、材质、镜头和表演描述为物理行为。

如何让AI图像看起来逼真?

将镜头布局为纯白模型,然后让Nano Banana Pro等照片级真实模型在保持该布局"100%不变"的同时仅改变材质和光线。命名光源和保持黑暗的区域,说明每个表面经历过什么,最后添加一行胶片颗粒、传感器噪点和轻微镜头柔化。

AI视频有哪些好的提示词?

描述你能在屏幕上检查的事物的提示词。《In 'twixt Vows》不用"手持、情感化",而是写"摄影师面对她向后走"和"嘴唇张开程度仅限于轻声说话"。锁定你的参考已经展示的内容,只描述变化的内容,如果你稍后会为影片配乐,添加"无背景音乐"。

人们如何制作逼真的AI视频?

先制作照片级真实的静帧,然后将其动画化,每项工作使用一个模型。在Flick中制作的16分钟影片《In 'twixt Vows》中,Jaime Yao使用Midjourney获取创意,使用GPT Image 2进行布局,使用Nano Banana Pro制作最终静帧,使用Seedance 2.0和2.5制作视频。