让 Claude 当导演做短视频,把错挡在花钱之前

从一个想法到一条 10 秒竖屏成片,让 Claude 当总导演:故事、分镜、每一步都请一个「第一次看」的审核、配音、配乐、最后复核。全程一条原则:能在文字里改的错,不留到图;能在图上改的错,不留到视频。思路来自 X 上一篇传得很广的 AI 视频长文,我们按自己做 Reel 的步骤和踩过的坑重写。

从这里开始

怎么用这块画布

一条原则:在最便宜的地方改错

做完你会得到

先改文字(改错不花钱)

第一步 · 一个想法,一个痛点,一个数字

我做的产品叫:产品名,一句话说它做什么。为一条 10 秒竖屏视频写 5 个开头句。每句都要点出我的用户真实感受到的一个具体痛点,并带一个他们一看就认得的真实数字。第一句里不要出现产品名。然后选出最好的一句,说明理由。

我们自己 Instagram 上的数:开头点出痛点并带数字的 3 条帖子,每条 131 到 139 次播放;用功能名开头的只有 60 到 70 次(2026-10 底到 2026-11-07 发的帖子,按单条播放数比)。样本很小,只当一个提示。

第二步 · 分镜表

把这个开头变成一条 10 秒竖屏视频的分镜表。用表格,列出:第几秒、画面上有什么、屏幕大字、配音台词。3 到 4 个镜头。开头那句话在第一帧就出现在屏幕上。最后一句台词说完后 1 秒内结束。

控制在 3 到 4 个镜头。每多一个镜头,就多一个出错的地方。

第三步 · 请一个「第一次看」的人审文字

开一个新对话,只贴分镜表,别的什么都不给。

你是第一次看到这份分镜表。你是观众,不是写的人。把所有会让你看不懂或觉得不对的地方列出来:东西变了样或凭空出现、屏幕上核对不了的数字、字在屏幕上停留太短读不完、台词和画面对不上。什么都不要改,只列问题,最严重的放前面。

2026-11 在 Claude 上试过,用的是我们自己写的 3 个镜头的分镜表:它抓到了一个杯子在两个镜头之间换了颜色、一个画面里看不到的数字、一处时间上的空档。全在文字里改掉,没花一分钱。

图(改错便宜)

第四步 · 画图之前先定一页画风

请 Claude 写一页:颜色(最多 5 个,带色号)、光线、机位高度、主角或主要物件长什么样,以及哪些东西在镜头之间绝对不能变。之后每一段画图提示词,开头都先贴这一页。

第五步 · 画图提示词分七段写

每个镜头都请 Claude 按同样的七段来写:
1. 画面里是谁或什么
2. 在做什么
3. 镜头开始时是什么样
4. 镜头结束时是什么样
5. 机位:在哪、怎么动
6. 光线和画风(照抄画风那一页)
7. 和上一个镜头比,什么必须保持一样
写你要什么,别写你不要什么:画图模型常常无视「不要」「别」。

第六步 · 做视频之前先审图

开一个新对话,把画风那一页和图一起给审核,请它两张两张地对比:同一个角色、物件大小一样、颜色一样、没有凭空多出东西。只有过了的图才拿去做视频。

视频和声音

第七步 · 配音:一句一句来

第八步 · 拼起来,调好声音

音乐比人声低约 14 dB,整条我们用的是 -16 LUFS。用 ffmpeg:

ffmpeg -f concat -safe 0 -i shots.txt -c copy picture.mp4
ffmpeg -i picture.mp4 -i voice.wav -i music.wav -filter_complex "[2:a]volume=-14dB[m];[1:a][m]amix=inputs=2:normalize=0,loudnorm=I=-16:TP=-2[a]" -map 0:v -map "[a]" -c:v copy -c:a aac -shortest final.mp4

shots.txt 里每行写一个片段,格式是:file 'shot1.mp4'
第一行的 `-c copy` 要求每个片段编码和尺寸都一样;不一样会报错,这时去掉 `-c copy`,让 ffmpeg 重新编码。
2026-11 用三段测试片段跑过:9.0 秒,测得 -16.0 LUFS。

最后复核:关声音看一遍,开声音看一遍

在新对话里或请一个朋友,看两遍:
- 关声音:每句字都读得完吗?第一秒就看得懂开头吗?
- 开声音:有没有哪句听起来像提问?音乐闷不闷、刺不刺耳?
- 最后一句说完后一秒内结束了吗?

我们踩过的坑和改法/老实说

我们自己做 Reel 时踩过的坑

| 出了什么错 | 改法 |
|---|---|
| 配音把「Claude」念成了「Cloud」 | 配音稿里写成「Clawd」,再用语音转文字核对 |
| 长段旁白越往后越闷、有沙沙声 | 一句一句生成 |
| 陈述句听起来像提问 | 每句都要求结尾往下走,并且听一遍确认 |
| 结尾拖太长 | 最后一句说完后一秒内停 |
| 音乐听起来像旧收音机 | 高频被切掉了;保留高频 |
出自我们自己的制作记录,2026-10。

画图和视频模型常犯的错

| 出了什么错 | 改成这样写 |
|---|---|
| 一个东西在镜头之间变了颜色或大小 | 每段提示词里用同一个叫法,带上颜色和大小 |
| 有东西凭空出现 | 写清楚它在镜头开始时就在哪 |
| 好几个人同时做同一个动作 | 给每个人单独写动作 |
| 「不要有字」被无视 | 写清楚那里应该是什么 |
用我们自己的话总结;整理这样一张表的做法来自 Eian 的长文。

我们没测的,和要花钱的

这周试一次/来源

围绕一个真实痛点做一条 10 秒视频

挑你的用户提得最多的那个痛点,只跑第一到第三步,然后停下来,读审核结果。图还没画,大部分价值已经在这里了。

整个项目放在一块画布上

开头句、分镜表、画风页、审核记录和最终成片,在 put·here 的一块画布上各放一张卡。下一条视频从复制这块画布开始。

来源

put·here
made by puthere