2026最新指南：如何用AI做出爆款视频（保姆级教程）

AI 视频生成已经成熟到：任何人花几分钟，就能做出一条像样的短片。

这篇指南会带你走完全程：从生成第一条视频，到讲好一个故事，再到选题和变现。

读完收获： 3 分钟生成你的第一条 AI 视频，并搞懂爆款视频背后的逻辑。

适合谁读： 零基础，想用 AI 快速上手短视频创作的人。

本文摘要： 文生视频、图生视频、参考生视频、多镜头叙事、故事结构、声音与剪辑、选题与变现、避坑指南。文中所有视频都是在 Kensa 上真实生成的，提示词原样附上，可以直接复制去试。

文 / Kensa 内容团队

序言：做视频的门槛，已经塌了

以前，拍一条 10 秒的短片，要演员、要场地、要设备，还要花大量时间剪辑。

现在，你需要的只是：一句话，或者一张照片。

剩下的事，交给 AI。

说门槛已经塌了，一点都不夸张。真正拉开差距的，不再是设备和预算，而是你会不会「说清楚你想要什么」，以及你有没有一个好故事。

这篇文章，就是教你这两件事。

一、第一式：文生视频

很多人觉得，做 AI 视频很难。

其实不是。

打开 Kensa 的文生视频，找到那个最大的输入框，输入：

一只柯基在海边奔跑

模型选 MiniMax H3（Kensa 的默认模型），点生成，等一两分钟，你会得到这样一条视频：

很神奇吧？

你只打了几个字，AI 就给了你一条有画面、有声音的视频。放在几年前，这就是魔法。

现在，我们弄清楚刚才发生了什么：

• 你输入的那句话，叫 提示词（prompt），它告诉 AI 你想要什么；
• 输入文字、得到视频，这个过程叫 文生视频。

1.1 好提示词的公式

说实话，刚才那句提示词写得太随意了。

随意的提示词，结果也很随机：狗是什么品种、海边是什么时间、镜头从哪拍，全靠 AI 自己猜。

想要稳定、好看的效果，按这个结构写：

主体 + 动作 + 场景 + 光线 + 镜头 + 画面风格

对比一下：

❌ 随意版

一只柯基在海边奔跑

✅ 讲究版

一只橘白相间的柯基在清晨的海滩上全速奔跑，
耳朵被风吹向后方，爪子踩起细小的浪花和沙粒。
金色逆光，海面闪着碎光，低机位跟拍镜头，浅景深，电影级画质。

讲究版好在哪？看这张表：

同一个模型，换成讲究版提示词，生成的效果是这样：

是不是像样多了？逆光、浪花、跟拍，全是你在提示词里点过名的东西。

一个小技巧： 每次只改一个要素。比如这次只改光线，下次只改镜头。这样你很快就能摸清：哪个词在起作用。

1.2 文生视频的长处与短板

长处很明显：脑子里想到什么，写成文字就能变成视频，最快、最省事。

短板也有：

• 同一句提示词，每次生成的结果都不一样；
• 角色的长相、画面的构图，没办法锁定。

如果你只是做一条好玩的视频，这无所谓。但如果你要做系列内容、做品牌、做短剧，需要「每一集里的主角都是同一个人（同一只狗）」，文生视频就不够用了。

二、第二式：图生视频

为了解决「锁不住画面」的问题，有一个很直接的办法：先给 AI 一张图。

你给 AI 文字的同时，再给它一张照片。AI 就不用自己猜画面长什么样了，它只需要让这张照片动起来。

这就是 图生视频。

比如，我准备了这样一张比格犬的照片：

在 Kensa 的图生视频 里上传它，模型选 Veo 3.1，提示词写：

这只比格犬在公园的小路上欢快地奔跑，耳朵上下甩动，
低机位跟拍镜头，自然光。

一两分钟后，得到这条视频：

还是照片里那只狗，连项圈都没变。

2.1 图生视频的长处与短板

长处：最终的视频和你给的照片高度一致。先有图，就大概知道视频会长什么样，返工少、浪费少。这对做产品视频、做品牌内容的人来说，意义很大。

短板：

• 你得提前准备好这张图；
• 画面被照片「框」住了，灵活度低。照片里是公园，视频基本就在公园。

顺便说一句： 如果你不想自己琢磨提示词，可以直接用 Kensa 的视频模板。它就是图生视频的「套餐版」：上传一张产品或宠物照片，模型、时长、画幅和提示词都已经配好，一键套用。

三、第三式：参考生视频

图生视频太「死板」，文生视频又太「随机」。有没有折中的办法？

有，叫 参考生视频。

它和图生视频的区别，看这张表：

一句话：参考生视频，能同时拿到「可控」和「自由」。

举个例子。我准备了两张照片：一只穿毛衣、总是一脸不高兴的黑色巴哥，和一只永远在笑的比格犬。

把这两张图上传到 Kensa 的参考生视频，模型选 Seedance 2.0，提示词写：

图1里的黑色巴哥犬和图2里的比格犬，在温馨的客厅地毯上抢同一个黄色毛绒玩具，
巴哥一脸不情愿，比格犬兴奋地摇尾巴。
中景，自然光，生活感。

生成的视频是这样：

同样两张图，只把场景换掉：

图1里的黑色巴哥犬和图2里的比格犬，在洒满阳光的公园草地上并排散步，
比格犬蹦蹦跳跳，巴哥慢吞吞地跟在后面。
中景，跟拍镜头，自然光。

对比这两条视频，你会发现：

• 场景完全不一样：一个在客厅，一个在公园；
• 客厅和公园都不是我给的，是 AI 自己补出来的；
• 两只狗的样子没变：巴哥还穿着那件毛衣，比格犬还戴着那个项圈。

我们想保持不变的（角色），保持住了；我们想变的（场景），轻松变了。这就是「可控」和「自由」之间的平衡。

注意： 参考图请用宠物、产品、插画或 3D 角色。真人、名人、儿童的照片，模型方会直接拒绝。

四、第四式：多镜头叙事

有了前三式，你其实已经能做视频了。

但如果你想讲一个有来有回的小故事，一个镜头一个镜头地生成，效率太低：每个镜头都要重新上传图片、重新写提示词。

于是有了 多镜头：让 AI 在一条视频里，一次生成好几个镜头，并自动衔接起来。

还是那两只狗，提示词这样写：

图1里的黑色巴哥犬和图2里的比格犬在客厅里。
[镜头1] 0-3秒，近景，巴哥犬皱着眉头，对着镜头不满地哼了一声。
[镜头2] 3-6秒，近景，比格犬歪着头，开心地吐舌头，尾巴摇个不停。

生成的视频：

看到了吗？第 3 秒左右，镜头从巴哥的近景，切到了比格犬的近景。一条视频里有了两个镜头，还有了「一个生气、一个开心」的反差。

写多镜头提示词的要点：

• 先交代角色和场景，再分镜头写；
• 每个镜头写清楚：时间段、景别（近景 / 中景 / 远景）、谁在做什么；
• 相邻两个镜头，景别或视角最好不同，切换会更自然；
• 我这里只写了两个镜头，你可以写更多，但单条视频越短，镜头越多，每个镜头就越赶。

五、第五式：讲好故事

学到这里，你已经能做出小短片了。恭喜你，基本功已经到手。

这一节，我们聊最核心的东西。

为什么有的视频，你会一口气看完、还想转发；有的视频，你两秒就划走了？

答案有很多：画面好、声音好、角色可爱……但几乎所有能被记住的作品，都有一个共同点：有故事。

既然你已经会做视频了，就别浪费这个本事。用它讲故事，你的作品才有机会火。

5.1 故事的骨架：三幕式

如果你只做一条几秒的短片，想到哪做到哪，完全没问题。

如果你要做稍长一点的内容，就得先搭骨架，就像盖房子要先有图纸。

最经典的结构是 三幕式：

• 第一幕：开端。 交代主角是谁、日常是什么样。
• 第二幕：冲突。 出事了。主角遇到麻烦，一波接一波。
• 第三幕：结局。 主角解决麻烦（或者没解决），故事落地，观众得到满足。

5.2 短视频版：15–60 秒的 5 拍结构

短视频没有时间慢慢铺垫。我们把三幕式压缩成 5 拍，专门给 15–60 秒的视频用：

新手提示： 先把这 5 拍写在纸上，每一拍对应一到两个镜头，再按第四式的写法逐个生成。

等你熟练了，可以去读编剧布莱克·斯奈德的《救猫咪》，他的 15 个节拍更细，是很多商业片编剧的工具书。不过那是为 90 分钟的电影设计的，用在短视频上要大幅压缩，别生搬硬套。

六、第六式：声音与剪辑

有了故事，有了一堆镜头，最后一步就是把它们拼起来。

拼接 相对简单：按你写好的 5 拍顺序，把镜头首尾相连就行。手机上的剪映、CapCut，电脑上的任何剪辑软件都可以。

真正拉开差距的，是 声音。

脚步声、风声、雨声、玩具被叼起时的「吱」一声、狗的哼哼声……这些细节一加，作品立刻上一个档次。

好消息是：本文用到的 MiniMax H3、Veo 3.1、Seedance 2.0，生成的视频本身就带声音。上面的示例视频，打开声音就能听到。

一个实用建议： 如果你要把多个镜头拼成一条完整的片子，最后通常要统一配一段背景音乐。这时候，生成单个镜头时最好只要环境音和音效。可以在提示词末尾加一句「只要环境音和音效，不要背景音乐」。不同模型对这句话的执行程度不一样，不满意就多生成一次。

七、第七式：爆款选题与变现

到这里，你已经能完整做出一部作品了。

离爆款，只差最后一步：选题。

同样的制作水平，选题不同，结果天差地别。想做爆款，从选题这一步就要想清楚。

7.1 经久不衰的爆款原型

翻一翻电影史和短视频平台，最受欢迎的故事，内核总在重复。这些原型被验证了几十年，同样适用于 AI 视频：

原型一：逆袭与反差。 普通人突然变强、突然变富，或者一个反差巨大的身份错位。它满足的是观众对「命运逆转」的渴望。经典电影：《蜘蛛侠》《当幸福来敲门》。

原型二：萌宠拟人。 给猫狗加上人的情绪和台词，就像本文的巴哥和比格犬。宠物不需要翻译，全世界都看得懂，这是最适合 AI 视频新手的题材之一。可以从 宠物跳舞、滑板狗 这类模板开始。

原型三：视觉奇观。 现实里拍不到、拍不起的画面：从街头一路拉远到太空，产品像冰淇淋一样融化，礼盒像气球一样鼓起来。看的就是「哇」的那一秒。试试 地球拉远、融化特效。

原型四：探险与未知。 神秘的遗迹、陌生的星球、深海里的巨物。激发的是好奇心。经典电影：《夺宝奇兵》《侏罗纪公园》。

原型五：节日与情绪。 圣诞、新年、黑五……节日自带流量，观众在这几天本来就想看、想转。可以从 圣诞产品视频、新年视频 这类模板开始。

原型六：好物种草。 一个产品，用最好看的方式展示出来：360 度旋转、开箱、细节特写。这是最直接能卖货的题材，也是商家最愿意花钱的内容。参考 产品视频模板、开箱视频模板。

核心心法： 原型是「心法」，AI 是「招式」。只学招式，容易做出一堆好看但没人记得住的视频；心法练熟了，用 AI 这个新招式，就能把这些经典故事讲给全世界的观众听。

当然，选了这些方向不等于一定会火。它们只是被市场反复验证过、值得借鉴的起点。你还是要有自己的故事，讲出自己的观点。

7.2 变现路径

做 AI 视频，常见的变现方式有这四种：

路径一：平台创作者分成。 TikTok、YouTube、抖音、视频号等平台都有创作者激励或广告分成。门槛最低，适合个人创作者起步。注意：各平台对 AI 生成内容的标注要求和分成规则不一样、变化也快，发布前一定先看平台的最新规定。

路径二：系列内容和 AI 短剧。 固定角色、固定风格，一集一集更新。比如本文的巴哥和比格犬，完全可以做成一个系列。角色立住了，粉丝会追更。参考生视频（第三式）和多镜头（第四式），就是做系列内容的基本功。

路径三：给商家做视频。 电商卖家、本地商家、品牌方，都需要大量的产品视频和广告素材，而且需求一直在。这是最直接、最稳定的现金流。可以先看看 AI 电商视频的做法。

路径四：品牌合作。 当你的账号或角色有了稳定的粉丝，品牌会主动找你做定制内容。这是利润最高的方式，但需要前面三条路的积累。

变现心法： 先用最低成本把作品做出来、发出去，看数据、找方向；跑出一个有反馈的题材，再持续投入。不要一开始就追求大制作。

八、第八式：避坑指南

Q1：为什么提示词写了很多，AI 就是不照做？

A：通常是一句话里塞了太多要求，或者要求互相矛盾（比如「清晨」又写「霓虹灯」）。按第一式的公式重写，一次只改一个要素，找出是哪个词没起作用。

Q2：为什么拼接后的视频，总感觉跳帧？

A：最常见的原因，是用上一个镜头的最后一帧，当下一个镜头的首帧。AI 生成的首帧和你给的图并不完全一样，人眼对这种细微差别很敏感，就会觉得跳。

解决办法：做好分镜，相邻镜头换景别、换视角，甚至换主体。简单说，不要让相邻两个镜头的构图一模一样，跳帧感就会大幅减少。

Q3：同一个角色，前后长得不一样怎么办？

A：每次都用同一张参考图。参考图本身也要处理：画面里只留这一个角色，尽量是正面、清晰、主体占画面大部分，背景越干净越好。

Q4：为什么我上传的照片被拒了？

A：真人照片、名人、儿童，以及带品牌 logo、版权角色的图片，会被模型方的审核拒绝。Kensa 在提交前会先预检，被拦下的请求不扣积分。换成宠物、产品、插画或 3D 角色就可以。

Q5：生成失败了，积分会扣吗？

A：不会。生成失败时，冻结的积分会自动退回。

Q6：AI 生成的视频有版权问题吗？

A：请确保你用的参考图、提示词里提到的角色名、背景音乐等，都不侵犯第三方的权益。不同平台对 AI 内容的规则也不同，发布前请查看各平台的相关规定。

结语：开始你的第一支作品

到这里，你已经掌握了从一句提示词，到讲好故事，再到选题变现的全流程。

现在，放下这篇文章，去做三件事：

1. 打开 kensa.cc 注册一个账号（新用户注册送 15 积分）；
2. 用「主体 + 动作 + 场景 + 光线 + 镜头 + 画面风格」写一句 30 字左右的提示词；
3. 生成你的第一条视频。不想写提示词，就直接 套用一个模板。

不要追求完美，先把它做出来。你的第一支作品，就从这几秒开始。

祝你的视频，早日爆火。