如何用 AI 做出真实的视频:介质、光线、运动、细节

可信的 AI 视频来自生成前的四个决定——拍摄介质、光的方向、镜头运动、普通场景细节——再加上一次固定的审核流程。

真实感是一种瑕疵模式,不是一个分辨率设置

当有人要一条「真实的视频」时,他们通常指的比说出来的更窄:这段素材应该像一个人在真实房间里手持相机拍出来的,而不像机器渲染的图像。锐度、帧率和色彩深度都制造不了这种印象。破坏印象的破绽几乎都是结构性的,而且早在第一帧生成之前就已被决定。

四个杠杆贡献了大部分效果。每一个都是可以提前做出的决定,每一个都对应一种典型错误——即使渲染在技术上完全干净,这些错误也会让片段显得虚假。

杠杆

它在画面上改变什么

常见错误

拍摄介质

镜头感、颗粒、对比度、运动模糊、色彩漂移

选择一个外观词(「电影感」)而不是一台设备

光的方向

阴影落在哪里,房间变暗有多快

均匀的、没有来源的光——好看但读起来像渲染

镜头运动

画面感觉是被身体携带还是被摇臂驱动

组合任何操作员都无法同时完成的运动

场景细节

房间看起来是否被拥有和使用过

完美干净的表面、对称的凌乱

把表格当作工作顺序,而不是选项菜单。介质和光线都对了、但画面里塞满礼品店物件的片段仍然会失败,而光线来路不明的素材,再多细节也救不回来。

先决定拍摄介质,再做其他任何事

真实感从一个简单的问题开始:这是用什么设备录的?一只手拿着的手机、一盘 90 年代的家用摄像机磁带、一台 16mm 摄影机、一台锁定的数字电影机——每一种都自带一套观众能瞬间辨认的预期,哪怕他们说不出名字。

手机素材通常有广角镜头与大景深、轻微手持抖动、窗边过曝的高光,以及日光下略显过饱和的色彩。家用录像带边缘更柔,色彩漂移,常有日期戳或磁迹线。胶片的颗粒会在帧间流动而不是静止,还有轻微的片门晃动。

点名介质的意义在于一致性。一旦你说了「厨房里的手机」,其他所有参数都必须与它一致:焦段感、抖动量、对比曲线、颗粒。胶片颗粒叠加在完全顺滑的稳定器运动上,读起来令人不安,因为两个信号互相矛盾。

在生成任何东西之前,把答案写成一句话,例如:「冬天下午四点左右,在小厨房里用胸高手机拍摄。」这句话对真实感的贡献比任何风格形容词都大。

设定一个光的方向,并守住它

先选定光源,再检查每个镜头是否服从它。画面左侧一扇窗、主体身后一盏实用灯、阴天的平光、一面墙的反射——具体选什么没那么重要,重要的是答案是唯一的。

三个检查能抓住大多数光线失败:

  • 衰减。 亮度随远离光源而下降吗?四面八方均匀照明的房间没有衰减,而没有衰减是最强的渲染签名。
  • 阴影侧。 同一场景的所有镜头里,阴影落在同一侧吗?应该如此,除非故事里的什么东西改变了光。
  • 色温。 光的颜色与所述的时段以及房间里的灯匹配吗?混合光源没问题,而且常常更可信,但混合必须保持一致。

如果一条看起来假的片段你只能修一件事,修这个。观众原谅柔边和奇怪道具的意愿,远高于原谅没有来路的光。

使用身体真的做得出来的镜头运动

先决定相机是手持、上三脚架还是被携带,然后只使用这个选择的动作词汇。手持意味着缓慢的摇摆、偶尔的小幅修正,以及地平线的轻微漂移。三脚架意味着画面稳定,任何运动都是受控的摇或推。携带意味着脚步在纵轴上以节奏形式出现。

失败集中在组合运动上:一边推近一边环绕、一边升降一边摇摄、一边走动一边变焦。一个人无法用手机同时完成这些,所以眼睛会把镜头归档为「生成的」,哪怕说不出为什么。如果故事需要更多能量,换镜头,而不是加运动。

用普通的、被使用过的细节填满画面

真实的房间是不对称地凌乱的。真实的衣服在关节处起皱,而不是整齐的折痕。真实的桌子有杯印、线缆、没拆的信。每个场景加两三件具体的普通物件,让背景不均匀地忙碌着。

细节有上限。均匀的污垢、撒得均匀的道具和「艺术性凌乱」的背景读起来都是设计过的。目标不是更多物件,而是暗示有一个具体的人住在这里的物件:一种笔迹的购物清单、侧倒在桌上的马克杯、斜推回去的椅子。每个镜头都应该展示一个真人会做的动作,发生在一间看得出有人住的房间里。

用 AI 做出真实视频的配图。

从动作构建故事,而不是从参考帧

参考片段值得研究的只有一件事:结构。它的开场、镜头顺序、节奏、兑现的时刻。这些是你能学习并用自己材料重建的手艺决定。帧本身、声音和音乐是别人的作品,找到参考不授予你复用其中任何东西的权利。

把故事写成一连串可信的动作,每拍一个。一个可用的例子,用一个关于夜班出门的五拍场景:

  1. 一只手拍了两次夹克口袋,什么都没找到。
  2. 此人走向玄关桌,从碗里捞起钥匙。
  3. 钥匙挂在了挂绳上;此人头也不低地解开它们。
  4. 此人在门口停下,回头看了一眼亮着灯的厨房。
  5. 门关上;一秒后厨房灯熄灭。

每一拍都是带有物理后果的动作,没有一拍需要复制其他创作者的镜头。每个镜头要么展示一条新信息,要么推进一个动作;两者都不做的镜头,剪掉。这也是修复无聊片段最便宜的地方:改写一拍不花一分钱,而重新生成一拍要点数。

确认你想要的风格真的可用

命名的视觉风格很方便,但可用性取决于配置。在把故事托付给某种外观之前,先确认你所在的工作区提供它,并且在最短、最不重要的镜头上预览,而不是关键时刻。优先选择预览里能看到你想要的确切质感——颗粒大小、柔和度、偏色——的风格,而不是名字听起来更接近你意图的风格。

有两个限制值得提前知道。风格通常会被保存并可在视频之间复用,这有助于系列保持连贯,但复用风格并不保证跨输出的角色或声音一致。片段之间的一致性仍然要你逐镜头去管理。

用同一份检查清单审核成品片段

按这个顺序审看片段:人物、动作、声音、环境,然后是小的非自然细节。以固定顺序观看,防止你被碰巧最显眼的那个瑕疵分心。

用 AI 做出真实视频的工作流程图。
  • 人物。 手、手指数量、牙齿、眼睛与视线方向、运动中的肢体数量、头发与衣领相接的方式、脸在镜头之间是否变化。
  • 动作。 重量与接触:脚落在地板上还是穿过地板,手是否真的握住物体,一个人跨剪辑是否继续朝同一方向走。
  • 声音。 冲击处的同步、与空间匹配的房间底噪、属于这些脸的声音、真实房间会有的嗡嗡声位置却是静音。
  • 环境。 背景连续性、映出正确房间的反射、读起来是文字的文字、剪辑后仍在原地的门窗。
  • 小的非自然细节。 画幅边缘附近扭曲的边缘、帧间漂移的纹理、站着一动不动的背景人物、无风自动的织物。

在开始审核之前设定完成标准,否则审核会漂移:片段通过的标准是五项检查在一次不中断的观看中全部清零,并且承载故事的两个镜头逐帧再看一遍也通过。第二轮仍然失败的项目进修复清单,而不是回生成队列。

按能改变结果的顺序修问题

审核后仍然显假的片段大多有同一个根因,而且很少是表面细节。按这张清单往下排查:

  1. 介质错配。 颗粒、运动模糊、镜头感与所述设备不符。
  2. 没有来路的光。 均匀覆盖、阴影侧错误、颜色与场景矛盾。
  3. 不可能的物理。 打滑的接触、消失的重量、身体做不出来的运动。
  4. 环境断裂。 镜头之间背景与反射发生变化。
  5. 表面细节。 最后那百分之十,也是每次尝试里最不值得花的地方。

在修好第一或第二项之前换风格几乎从不会有帮助,因为风格是叠加在错配之上的,而不是错配的原因。

像 Meltica 这样的工作区在这个流程里的位置

四个杠杆都不需要工具,如果你更愿意在纸上规划、去别处生成,这篇文章本身也独立成立。工作区的价值在于把风格决定具体化,并让它可复用。

Meltica 的风格库提供命名的预览,涵盖实拍外观、插画和 3D,包括一个日常手机外观和一个 90 年代家用录像带选项,风格会被保存并可在视频之间复用。这正好对应介质决定:与其向文本模型描述「胸高持握的手机」然后祈祷,不如选择最接近的预览,并在其上写你自己的故事和镜头顺序。有两个限制被预先声明:每种风格的可用性取决于你的工作区与账户配置,而且复用风格不保证跨输出的角色或声音一致。把风格当作起点的质感,而不是一致性保证,并把上面的逐镜头审核留作你自己的质量关卡。

花点数之前先确认什么

在项目依赖它们之前,有四件事值得在你自己的工作区里确认,因为它们会变:

  • 风格可用性。 你想要的外观中,今天哪些已为你的工作区和套餐启用。
  • 尝试成本。 某种外观通常需要几次生成才能通过你的审核,每次尝试花费多少。
  • 修改成本。 修改请求是重跑整段还是其中一部分,这对预算意味着什么。
  • 修改还是重新生成。 成品片段有多大范围可以调整,什么情况下从头开始比修补更便宜。

AI 视频里的真实感首先是一种规划纪律,而不是渲染设置。选定设备、守住光线、让运动保持人的样子、用普通物件填满房间、写你自己的动作,并对照你信任的检查清单审核。「照片级真实」不是任何人能替你许下的承诺——但读起来像「被记录」而不是「被渲染」的素材,是你可以刻意做出的决定。