做AI視頻工具這一年我最大的感受就是提示語(yǔ)模版才是真正拉開(kāi)差距的東西。于是今年我干了一件挺“笨”的事——把散落在各個(gè)平臺(tái)、群里、教程里的463條AI視頻逐條拆解整理成了一套可復(fù)用的Skill和提示語(yǔ)模版并且全部開(kāi)源。這篇文章把整個(gè)拆解過(guò)程、編碼思路、踩坑經(jīng)歷都寫(xiě)清楚希望對(duì)同樣被視頻提示詞折磨的朋友有點(diǎn)幫助。做這件事之前我自己也被“提示詞玄學(xué)”坑過(guò)無(wú)數(shù)次同一個(gè)Prompt上午生成絲滑運(yùn)鏡下午就變成了鬼畜抽搐換個(gè)風(fēng)格詞結(jié)果連主體都變了。后來(lái)我意識(shí)到問(wèn)題不在于AI模型不穩(wěn)定而在于我的提示詞沒(méi)有結(jié)構(gòu)。視頻生成和圖片生成最大的區(qū)別是必須同時(shí)控制“空間畫(huà)面”和“時(shí)間運(yùn)動(dòng)”這兩條線一旦纏繞在一起生成結(jié)果就完全失控。所以我把463條能跑出好效果的視頻全部拆成了可復(fù)用的Skill和結(jié)構(gòu)化提示語(yǔ)模版開(kāi)源出來(lái)讓更多人直接“抄作業(yè)”不用再?gòu)念^摸索。我的目標(biāo)很簡(jiǎn)單讓一個(gè)完全不懂提示詞的人也能通過(guò)這套模版生成80分以上的AI視頻。接下來(lái)我按項(xiàng)目實(shí)際推進(jìn)的順序從為什么做、怎么拆、怎么落地到開(kāi)源后用戶(hù)反饋的問(wèn)題完整復(fù)盤(pán)一遍。1. 項(xiàng)目緣起為什么把463條AI視頻變成Skill1.1 視頻生成提示詞是個(gè)體力活先說(shuō)個(gè)反常識(shí)的結(jié)論AI視頻生成瓶頸早就不在模型了而在提示詞的組織方式上。你看網(wǎng)上那些炫酷的AI短片鏡頭運(yùn)動(dòng)、主體動(dòng)作、環(huán)境光影、風(fēng)格質(zhì)感全都嚴(yán)絲合縫背后幾乎都有一套精心打磨過(guò)的提示詞結(jié)構(gòu)。但問(wèn)題是大部分人拿到一個(gè)視頻片段后只能靠肉眼去猜“它大概用了什么詞”然后自己反復(fù)試錯(cuò)。這個(gè)過(guò)程極其低效一條35秒的視頻可能背后是30多次抽卡。我做這個(gè)項(xiàng)目的直接導(dǎo)火索是有一次為了復(fù)刻一個(gè)“雨夜霓虹街區(qū)跟拍”的效果整整花了兩個(gè)晚上。同一組描述詞在A工具里能出效果換到B工具里就完全變味。后來(lái)我把那條視頻的提示詞逐幀拆開(kāi)才發(fā)現(xiàn)人家不僅寫(xiě)了“雨夜、霓虹燈、潮濕地面”更重要的是寫(xiě)了“鏡頭跟隨人物從背后緩慢推進(jìn)、前景有車(chē)輛經(jīng)過(guò)產(chǎn)生動(dòng)態(tài)模糊、光線在濕地面形成拉長(zhǎng)的反射”。真正決定視頻質(zhì)量的是后面這些運(yùn)動(dòng)與時(shí)間維度的描述而大多數(shù)初學(xué)者只寫(xiě)了前一半。當(dāng)時(shí)我就在想如果能把大量成功視頻的提示詞結(jié)構(gòu)抽出來(lái)做成類(lèi)似“表情包”一樣可以隨時(shí)調(diào)用的Skill和模版是不是就能讓普通人繞開(kāi)那些坑于是這個(gè)項(xiàng)目就立項(xiàng)了。立項(xiàng)時(shí)我給自己定了幾條硬規(guī)矩第一只收真實(shí)生成出來(lái)且效果可驗(yàn)證的視頻不要那種“看起來(lái)很美但完全復(fù)現(xiàn)不了”的案例第二,每條必須拆出可復(fù)用的骨架而不是簡(jiǎn)單復(fù)制原視頻的提示詞第三全部開(kāi)源包括中間的拆解表格和腳本不留獨(dú)家。1.2 從散裝提示詞到結(jié)構(gòu)化Skill“Skill”這個(gè)概念在Agent開(kāi)發(fā)和大模型應(yīng)用里已經(jīng)不新鮮了。你可以把它理解成一個(gè)封裝好的能力包里面既有觸發(fā)條件、執(zhí)行流程也有寫(xiě)好的提示詞片段和參數(shù)規(guī)則。我這次做的事情相當(dāng)于把傳統(tǒng)上只屬于文本對(duì)話的Skill模式遷移到了AI視頻生成領(lǐng)域。視頻Skill和平時(shí)大家聊的ChatGPT Prompt最大的區(qū)別在于它必須包含“時(shí)間軸”信息。舉個(gè)直觀的例子普通提示詞寫(xiě)“一只橘貓?jiān)诖芭_(tái)上打盹”視頻Skill里我會(huì)把它拆成“開(kāi)場(chǎng)全景交代環(huán)境——推進(jìn)到貓的臉部特寫(xiě)——貓咪耳朵抖動(dòng)、睜眼、伸懶腰——鏡頭緩慢后拉回到全景”。同樣的主體加了時(shí)間軸和沒(méi)有時(shí)間軸出來(lái)的視頻完全是兩個(gè)物種。所有463條視頻至少包含三個(gè)維度主體描述、運(yùn)動(dòng)描述、鏡頭描述缺一個(gè)就只能靠運(yùn)氣。這套思路成型之后我立刻意識(shí)到不能只做純文本模板必須做成機(jī)器可讀的Skill文件才能在不同工具之間流轉(zhuǎn)。具體來(lái)說(shuō)我最終把每個(gè)Skill定義成一個(gè)YAML文件里面包含meta信息、適用場(chǎng)景、基礎(chǔ)提示詞、增強(qiáng)參數(shù)、負(fù)面提示詞以及不同視頻工具對(duì)應(yīng)的改寫(xiě)規(guī)則。這個(gè)決定在后續(xù)的開(kāi)源傳播中起了很大作用很多人都說(shuō)“光看提示詞就值了但YAML文件讓我能直接喂給腳本用”。2. 拆解方法論從視頻里挖出可復(fù)用的提示語(yǔ)骨架2.1 數(shù)據(jù)來(lái)源與篩選標(biāo)準(zhǔn)463條視頻不是我從一個(gè)地方扒下來(lái)的主要來(lái)源有四類(lèi)一是公開(kāi)的AI視頻大賽獲獎(jiǎng)作品和官方精選集二是創(chuàng)作者主動(dòng)分享的幕后拆解或“提示詞成片”對(duì)照內(nèi)容三是我自己過(guò)去一年在可靈、即夢(mèng)、Runway、Pika等工具上跑出來(lái)的有效案例四是各個(gè)AI社區(qū)里被反復(fù)轉(zhuǎn)載的“高贊視頻”及其復(fù)現(xiàn)討論。每一條都做了版權(quán)和可復(fù)現(xiàn)性審查凡是無(wú)法確認(rèn)來(lái)源或明顯是純手工后期硬做的一律剔除。篩選標(biāo)準(zhǔn)我定了三個(gè)硬指標(biāo)可復(fù)現(xiàn)性、通用性、啟發(fā)性。可復(fù)現(xiàn)性指三次以上用同一套Skill能在合理參數(shù)范圍內(nèi)生成相似視頻通用性指不能只適用于某一個(gè)具體工具至少能在兩類(lèi)視頻生成器上平移啟發(fā)性則比較主觀就是看完之后能讓人“恍然大悟”的那種結(jié)構(gòu)比如一條視頻里用了特殊的轉(zhuǎn)場(chǎng)技巧或者對(duì)光影的運(yùn)動(dòng)做了非常細(xì)膩的刻畫(huà)。最終從2000多條候選案例中篩出463條正好湊夠了第一批數(shù)據(jù)集。這里要提醒一句數(shù)據(jù)篩選千萬(wàn)別只看點(diǎn)贊量。很多高贊視頻的提示詞其實(shí)高度依賴(lài)隨機(jī)種子和后期剪輯拆出來(lái)當(dāng)模版反而會(huì)帶偏人。我寧愿選那種“一次生成就很好”的視頻也不要“抽了100次卡選出來(lái)1次”的案例因?yàn)楹笳叩奶崾驹~本身不具備復(fù)用價(jià)值更多是運(yùn)氣。2.2 核心拆解模型五層結(jié)構(gòu)拆解階段我反復(fù)迭代了四版最終固定成一套“五層結(jié)構(gòu)”拆解法分別對(duì)應(yīng)主體層、環(huán)境層、鏡頭層、運(yùn)動(dòng)層、風(fēng)格層。每一層都有獨(dú)立的提示詞字段這樣最后合并成Skill時(shí)可以做到任意替換某一層而不影響其他層。這非常關(guān)鍵因?yàn)閷?shí)際生成視頻時(shí)用戶(hù)最常做的操作就是“把貓換成狗”或“把白天改成夜晚”如果所有描述混在一坨文字里每次改都是一場(chǎng)災(zāi)難。用“賽博朋克城市追車(chē)戲”舉例。主體層寫(xiě)“銀色改裝跑車(chē)、駕駛座穿黑色風(fēng)衣的駕駛員”環(huán)境層寫(xiě)“雨夜、潮濕柏油路、霓虹燈牌、高樓縫隙間的霧氣”鏡頭層寫(xiě)“低角度跟蹤鏡頭車(chē)頭前方鏡頭隨車(chē)轉(zhuǎn)彎而傾斜”運(yùn)動(dòng)層寫(xiě)“車(chē)輪碾過(guò)水洼濺起水花、燈光在車(chē)身上流動(dòng)、背景建筑快速后退產(chǎn)生速度感”風(fēng)格層寫(xiě)“電影級(jí)調(diào)色、高對(duì)比度、賽博朋克2077審美、淺景深”。合起來(lái)是一個(gè)長(zhǎng)Prompt拆開(kāi)就是五個(gè)獨(dú)立的可變模塊。這套五層結(jié)構(gòu)也直接影響了我后續(xù)的Skill編碼方式。每個(gè)Skill文件里五層分別用五個(gè)字段存儲(chǔ)并額外生成一個(gè)“融合提示詞”字段方便直接粘貼到生成工具里。這樣做的好處是你想微調(diào)某個(gè)維度時(shí)只需要改一個(gè)字段想完全替換主體時(shí)也不會(huì)連帶把鏡頭和運(yùn)動(dòng)風(fēng)格全都帶偏。我見(jiàn)過(guò)太多人為了把“狗追飛盤(pán)”改成“小孩追氣球”結(jié)果把運(yùn)鏡和光影也全改了最后出來(lái)的東西完全不是想要的。2.3 如何從一條視頻反推成Skill文件具體到單條視頻我的反推流程分四步。第一步是逐幀看運(yùn)動(dòng)軌跡用播放器逐幀拖拽找到畫(huà)面里所有“位移”元素包括主體移動(dòng)、鏡頭移動(dòng)、環(huán)境變化比如云在飄、燈光在閃也算。第二步是拆鏡頭語(yǔ)言記錄這個(gè)視頻是固定鏡頭、推拉、搖移、跟拍還是航拍以及是否有變焦或焦點(diǎn)轉(zhuǎn)移。第三步是恢復(fù)風(fēng)格描述這個(gè)最難因?yàn)轱L(fēng)格是主觀的我一般會(huì)列出所有能想到的風(fēng)格詞去掉沖突項(xiàng)再篩出最貼切的3到5個(gè)。第四步是寫(xiě)成可替換的偽代碼即先用中文寫(xiě)一套完整提示詞再抽掉具體名詞填上占位符比如把“貓”變成[主體]。邊界情況我會(huì)單獨(dú)標(biāo)記。比如有些視頻是“鏡頭不動(dòng)、主體運(yùn)動(dòng)”有些是“鏡頭運(yùn)動(dòng)、主體靜止”還有一些是“兩者都動(dòng)但方向相反”這些在Skill里要寫(xiě)清楚運(yùn)動(dòng)關(guān)系否則生成時(shí)很容易出現(xiàn)物理違和感。常見(jiàn)的是把“鏡頭繞主體旋轉(zhuǎn)”和“主體自身旋轉(zhuǎn)”混為一談效果完全不一樣。我自己的經(jīng)驗(yàn)是寧可拆慢一點(diǎn)也不要貪快一條視頻平均拆解時(shí)間大約40分鐘遇到復(fù)雜的可能要一個(gè)半小時(shí)。463條不是我一個(gè)人拆的后期有兩個(gè)朋友加入并且我們用了共享表格來(lái)保證拆解口徑一致這也給開(kāi)源后的協(xié)作打下了基礎(chǔ)。3. 實(shí)操過(guò)程如何把463個(gè)視頻逐一轉(zhuǎn)成規(guī)范模板3.1 工具鏈與工作流整個(gè)拆解過(guò)程不是靠純手工堆出來(lái)的。我的工作流大概長(zhǎng)這樣先用本地表格維護(hù)所有視頻的元數(shù)據(jù)和五層拆解字段然后用一個(gè)Python腳本把表格批量轉(zhuǎn)成YAML格式的Skill文件最后再用一個(gè)自動(dòng)化檢查腳本校驗(yàn)字段完整性、是否有重復(fù)文案、是否有“待補(bǔ)全”占位符。這里向非技術(shù)朋友說(shuō)明一下YAML就是一種比JSON更易讀的配置格式用縮進(jìn)表示層級(jí)適合保存這類(lèi)結(jié)構(gòu)化模版。Python腳本的核心功能很簡(jiǎn)單讀取Excel里的Sheet把每一行映射成一個(gè)Skill文件文件名自動(dòng)生成為skill-編號(hào)-英文短名.yaml。過(guò)程中最難的不是寫(xiě)腳本而是統(tǒng)一表格規(guī)范。前100條數(shù)據(jù)我踩了大坑因?yàn)椴煌瑫r(shí)間去填表字段名時(shí)而用“運(yùn)動(dòng)描述”時(shí)而用“鏡頭運(yùn)動(dòng)”格式化腳本跑出來(lái)一堆缺失值。后來(lái)我寫(xiě)死了一個(gè)表頭模板只用程序校驗(yàn)凡是字段名不匹配就直接報(bào)警不給任何人手動(dòng)改表頭的機(jī)會(huì)。我建議想復(fù)刻這個(gè)流程的人千萬(wàn)別一開(kāi)始就追求自動(dòng)化先手工拆20條把字段定義琢磨清楚了再寫(xiě)批量腳本。否則你會(huì)在拆到80條的時(shí)候發(fā)現(xiàn)字段設(shè)計(jì)不合理比如忘了區(qū)分“鏡頭內(nèi)部運(yùn)動(dòng)”和“主體運(yùn)動(dòng)”回頭改表格數(shù)據(jù)會(huì)讓你痛不欲生。我們中途就補(bǔ)過(guò)一次結(jié)構(gòu)把運(yùn)動(dòng)層拆成“主體動(dòng)作”“鏡頭運(yùn)動(dòng)”“環(huán)境運(yùn)動(dòng)”三個(gè)子字段花了整整兩天才把歷史數(shù)據(jù)遷移完。3.2 編碼體系從skill-001到skill-463開(kāi)源之后很多人問(wèn)我的第一個(gè)問(wèn)題是你的編號(hào)是怎么排的不會(huì)是按時(shí)間順序排的吧確實(shí)不是。我設(shè)計(jì)了一套簡(jiǎn)單的分類(lèi)編碼大致分為場(chǎng)景類(lèi)、風(fēng)格類(lèi)、運(yùn)鏡類(lèi)、特效類(lèi)、敘事類(lèi)、組合類(lèi)六個(gè)大類(lèi)每個(gè)Skill的編號(hào)前綴對(duì)應(yīng)分類(lèi)。比如場(chǎng)景類(lèi)的編號(hào)是scene-開(kāi)頭風(fēng)格類(lèi)是style-開(kāi)頭運(yùn)鏡類(lèi)是camera-開(kāi)頭組合類(lèi)是mix-開(kāi)頭。這樣用戶(hù)在找模版時(shí)一眼就能判斷這個(gè)Skill大概解決什么問(wèn)題。網(wǎng)上常有人提到“skill編碼247”其實(shí)就是我第三大類(lèi)里的第47條運(yùn)鏡Skill它的全稱(chēng)是camera-047內(nèi)容核心是“低角度環(huán)繞焦點(diǎn)轉(zhuǎn)移”專(zhuān)門(mén)用來(lái)解決“圍繞靜止主體拍一個(gè)帶情緒感的環(huán)繞鏡頭”這類(lèi)需求。很多人以為編碼是玄學(xué)其實(shí)純粹是分類(lèi)索引。我之所以不用純數(shù)字而用帶前綴的編號(hào)就是希望文件名本身就攜帶類(lèi)別信息否則外網(wǎng)用戶(hù)根本分不清skill-123和skill-321有什么差別。為了讓這套體系更好用我還做了一個(gè)README.md里面放了一張完整的索引表列明每個(gè)Skill的五層摘要和適用工具。這個(gè)索引表花了我不少心思因?yàn)樗粌H是給人看的還是給腳本用的。后來(lái)有開(kāi)發(fā)者直接在索引表上做關(guān)鍵詞搜索小程序把“下雨”“追逐”“貓”這種自然語(yǔ)言轉(zhuǎn)成對(duì)應(yīng)的Skill編號(hào)等于又往上疊了一層應(yīng)用。這說(shuō)明底層數(shù)據(jù)的結(jié)構(gòu)設(shè)計(jì)足夠清晰時(shí)上層創(chuàng)意就會(huì)源源不斷。3.3 模板樣例拆解一個(gè)Prompt和一份Skill文件空談方法沒(méi)用直接看樣例。以編號(hào)scene-012為例這個(gè)Skill描述的是“雨夜霓虹燈下的孤獨(dú)人物走過(guò)斑馬線”原始視頻來(lái)自某次官方征集效果非常穩(wěn)定。我把它拆成五層后寫(xiě)出的完整提示詞如下主體層一個(gè)穿深色大衣的成年男性低著頭雙手插兜肩膀略微縮起。環(huán)境層城市雨夜?jié)駶?rùn)的黑色柏油馬路路面積水映著粉色與藍(lán)色霓虹燈光兩側(cè)商鋪招牌閃爍。鏡頭層中景側(cè)跟鏡頭鏡頭高度約腰部位置隨人物步伐緩慢向前移動(dòng)保持人物在畫(huà)面三分線右側(cè)。運(yùn)動(dòng)層人物勻速步行衣擺和頭發(fā)隨風(fēng)輕微擺動(dòng)落地時(shí)腳尖濺起細(xì)小水花周?chē)?chē)輛偶爾駛過(guò)形成模糊的燈光拖影。風(fēng)格層電影感冷色調(diào)主光暖色點(diǎn)綴淺景深35mm膠片顆粒質(zhì)感。這份提示詞直接貼到多數(shù)視頻工具里基本就能跑出70分的畫(huà)面。但如果要做成Skill我會(huì)把完整提示詞抽成五個(gè)字段并額外補(bǔ)一個(gè)“參數(shù)建議”區(qū)域包括建議時(shí)長(zhǎng)、建議分辨率、負(fù)面提示詞比如“不要出現(xiàn)字幕、不要卡通化、不要面部特寫(xiě)”。YAML文件大概是下面這個(gè)結(jié)構(gòu)為了方便展示我只保留核心字段。id: scene-012 title: 雨夜霓虹孤獨(dú)行者 category: 場(chǎng)景類(lèi) five_layers: subject: 一個(gè)穿深色大衣的成年男性低著頭雙手插兜肩膀略微縮起 environment: 城市雨夜?jié)駶?rùn)的黑色柏油馬路路面積水映著粉色與藍(lán)色霓虹燈光兩側(cè)商鋪招牌閃爍 camera: 中景側(cè)跟鏡頭鏡頭高度約腰部位置隨人物步伐緩慢向前移動(dòng)保持人物在畫(huà)面三分線右側(cè) motion: 人物勻速步行衣擺和頭發(fā)隨風(fēng)輕微擺動(dòng)落地時(shí)腳尖濺起細(xì)小水花周?chē)?chē)輛偶爾駛過(guò)形成模糊的燈光拖影 style: 電影感冷色調(diào)主光暖色點(diǎn)綴淺景深35mm膠片顆粒質(zhì)感 fusion_prompt: 上面五層內(nèi)容按順序拼接 negative_prompt: 字幕卡通化面部特寫(xiě)過(guò)度曝光 suggested_params: duration: 5s-10s aspect_ratio: 16:9 fps: 24 tools: - 可靈 - Runway - Pika這里有個(gè)關(guān)鍵細(xì)節(jié)tools字段并不是指“只能在這些工具里用”而是指“我已經(jīng)在這些工具里驗(yàn)證過(guò)”。不同AI視頻工具對(duì)同樣的提示詞理解差異很大所以我在開(kāi)源倉(cāng)庫(kù)里單獨(dú)維護(hù)了一份“工具遷移注意事項(xiàng)”比如Runway對(duì)鏡頭運(yùn)動(dòng)的理解更強(qiáng)但Pika對(duì)風(fēng)格詞的敏感度更高可靈給到更多中文口語(yǔ)化描述時(shí)表現(xiàn)更穩(wěn)但換成英文提示詞反而容易丟失環(huán)境細(xì)節(jié)。這種信息光看模版看不出來(lái)還得配合實(shí)際試用記錄。順帶說(shuō)下負(fù)面提示詞的寫(xiě)法。很多人寫(xiě)“不要模糊、不要低質(zhì)量”我實(shí)測(cè)下來(lái)幾乎沒(méi)有用。反而寫(xiě)“無(wú)字幕、無(wú)水印、無(wú)多余人、無(wú)畸形手、無(wú)面部扭曲”這類(lèi)具體到對(duì)象和元素的詞更有效。我的經(jīng)驗(yàn)是負(fù)面提示詞要寫(xiě)“可感知的內(nèi)容”不要寫(xiě)“抽象的質(zhì)量評(píng)價(jià)”AI根本不知道“高質(zhì)量”是什么鬼但它知道“字幕”和“水印”是什么東西。4. 開(kāi)源成果與使用指南4.1 開(kāi)源倉(cāng)庫(kù)里到底有什么整個(gè)項(xiàng)目開(kāi)源后倉(cāng)庫(kù)里的內(nèi)容分成五個(gè)部分463個(gè)Skill文件、一份總索引表、五層拆解流程圖、適配腳本、示例成片說(shuō)明。Skill文件涵蓋了最常用的視頻生成需求包括風(fēng)光大片、情緒人像、動(dòng)態(tài)產(chǎn)品、科幻場(chǎng)景、抽象藝術(shù)、敘事短片等。索引表支持按關(guān)鍵詞搜索比如搜“雨夜”會(huì)返回所有環(huán)境層含雨夜的Skill編號(hào)搜“環(huán)繞”會(huì)返回所有鏡頭層含環(huán)繞的Skill編號(hào)。適配腳本是我個(gè)人比較得意的部分。它可以把一個(gè)YAML格式的Skill自動(dòng)改寫(xiě)成不同工具的提示詞風(fēng)格比如輸出一份適合Runway的長(zhǎng)提示詞、一份適合Pika的分段式提示詞、一份適合可靈的中文結(jié)構(gòu)化提示詞。這個(gè)腳本不復(fù)雜本質(zhì)是字符串替換和字段拼接但它解決了一個(gè)真實(shí)痛點(diǎn)你不能把同一個(gè)Skill原封不動(dòng)地用到所有工具上必須做一層“方言翻譯”。一開(kāi)始有人問(wèn)我為什么要開(kāi)源而且把腳本和數(shù)據(jù)全放了。我的想法很簡(jiǎn)單這個(gè)領(lǐng)域太新了很多規(guī)則還沒(méi)沉淀下來(lái)如果每個(gè)人都從零開(kāi)始摸索那AI視頻永遠(yuǎn)只會(huì)停留在“抽卡”階段。開(kāi)源之后至少能讓大家站在一個(gè)還算高的起點(diǎn)上。事實(shí)也證明不少人直接拿我倉(cāng)庫(kù)里的Skill去套自己的創(chuàng)意有人改一個(gè)主體就產(chǎn)出了很棒的商業(yè)短片這比我一個(gè)人藏著掖著有意義得多。4.2 三種用法直接抄、組合用、訓(xùn)練自己的Skill第一種用法最簡(jiǎn)單就是直接抄。打開(kāi)索引表找一個(gè)你想要的場(chǎng)景復(fù)制Skill里的fusion_prompt字段粘貼到你的視頻生成工具里微調(diào)參數(shù)后開(kāi)跑。這里我要潑一盆冷水直接抄不等于100%復(fù)制原視頻因?yàn)槊總€(gè)平臺(tái)、每個(gè)模型版本、甚至每次隨機(jī)種子都不同所以“一模一樣”是不現(xiàn)實(shí)的。但結(jié)構(gòu)和氛圍感能復(fù)現(xiàn)到八成對(duì)大多數(shù)創(chuàng)作者來(lái)說(shuō)已經(jīng)夠用了。第二種用法是組合這也是我最推薦的進(jìn)階玩法。你完全可以把scene-012的環(huán)境和光影配上camera-033的運(yùn)鏡再換掉主體層的內(nèi)容組裝出一個(gè)全新的Skill。因?yàn)槊總€(gè)文件都是模塊化的你可以從不同文件里各取一層拼進(jìn)一個(gè)新的YAML里。有人擔(dān)心這樣會(huì)出來(lái)“縫合怪”但實(shí)際只要各層的風(fēng)格詞不沖突拼接效果往往比單一模版更出彩。比如一個(gè)動(dòng)漫風(fēng)人物配上寫(xiě)實(shí)環(huán)境的組合反而能制造獨(dú)特的視覺(jué)張力。第三種用法是訓(xùn)練自己的Skill體系。你可以拿這套倉(cāng)庫(kù)當(dāng)“語(yǔ)料庫(kù)”收集一批自己偏好的風(fēng)格分析它們的人稱(chēng)視角、鏡頭詞分布、負(fù)面提示詞寫(xiě)法然后建立自己的分支模版。已經(jīng)有幾個(gè)開(kāi)發(fā)者這么干了他們?cè)谖业奈鍖咏Y(jié)構(gòu)上加了第六層“音頻提示詞”專(zhuān)門(mén)描述背景音樂(lè)的情緒走向。這就是開(kāi)源的長(zhǎng)尾價(jià)值你的結(jié)構(gòu)被更多人擴(kuò)展后會(huì)演化出你自己都想不到的新玩法。4.3 如何提交自己的模板參與共建倉(cāng)庫(kù)開(kāi)了一個(gè)contributions目錄接受任何人提交新的Skill文件或改進(jìn)建議。提交時(shí)你需要附上原始視頻鏈接或截圖、五層拆解字段、至少一個(gè)工具的實(shí)測(cè)參數(shù)以及一段“跟原版對(duì)比效果如何”的文字說(shuō)明。為了不讓倉(cāng)庫(kù)變成垃圾堆我也設(shè)定了一個(gè)投票機(jī)制每個(gè)新提交的Skill如果在一個(gè)月內(nèi)獲得10個(gè)以上的Star或評(píng)論驗(yàn)證就會(huì)被合并到主索引表里。做開(kāi)源項(xiàng)目最怕的事情其實(shí)是“熱情開(kāi)坑然后爛尾”。為了應(yīng)對(duì)這個(gè)問(wèn)題我給所有愿意提交內(nèi)容的朋友寫(xiě)了一份非常詳細(xì)的CONTRIBUTING文檔里面把字段規(guī)范、命名規(guī)范、審核標(biāo)準(zhǔn)全都寫(xiě)清楚了。有朋友覺(jué)得我搞得像公司內(nèi)部流程但我認(rèn)為如果開(kāi)源倉(cāng)庫(kù)的結(jié)構(gòu)一開(kāi)始就很亂后面根本沒(méi)法收拾?，F(xiàn)在倉(cāng)庫(kù)里新增的Skill有一半來(lái)自社區(qū)質(zhì)量比我自己拆的還要好因?yàn)楹芏嗳素暙I(xiàn)的是他們吃飯的家伙。提交時(shí)還有個(gè)小細(xì)節(jié)文件名不允許帶空格和特殊符號(hào)統(tǒng)一用小寫(xiě)字母和短橫線。這個(gè)約束簡(jiǎn)單但能避免很多跨平臺(tái)解壓和解析出錯(cuò)。另外我強(qiáng)烈建議提交者用Google表格共享鏈接這種方式來(lái)和倉(cāng)庫(kù)維護(hù)者協(xié)作而不是直接把Excel文件傳到Git上因?yàn)槎M(jìn)制文件在歷史版本管理里非常難diff很容易造成沖突。5. 常見(jiàn)問(wèn)題與避坑實(shí)錄5.1 為什么同一個(gè)Skill時(shí)好時(shí)壞這是被問(wèn)得最多的問(wèn)題也是最難回答的。同一個(gè)Skill上午跑出來(lái)質(zhì)感爆棚下午跑出來(lái)就感覺(jué)像沒(méi)睡醒很多人第一反應(yīng)是“模型抽風(fēng)了”。其實(shí)多數(shù)情況下是因?yàn)槟銢](méi)有控制好時(shí)長(zhǎng)和運(yùn)動(dòng)強(qiáng)度的平衡。同樣的提示詞時(shí)長(zhǎng)從5秒拉到10秒運(yùn)動(dòng)速度感會(huì)完全不一樣AI需要在更多幀里補(bǔ)全運(yùn)動(dòng)軌跡稍不注意就會(huì)出現(xiàn)扭曲。另一個(gè)關(guān)鍵因素是采樣步數(shù)和種子。多數(shù)工具的默認(rèn)參數(shù)并不是對(duì)這個(gè)Skill最優(yōu)的參數(shù)。你在復(fù)現(xiàn)一個(gè)Skill時(shí)最好先固定種子跑一遍記錄出片效果再去調(diào)整步數(shù)和運(yùn)動(dòng)強(qiáng)度。我見(jiàn)過(guò)太多人上來(lái)就改風(fēng)格詞卻完全沒(méi)動(dòng)過(guò)參數(shù)區(qū)那自然會(huì)出現(xiàn)“時(shí)好時(shí)壞”。把參數(shù)當(dāng)成Skill的一部分而不是只關(guān)注Prompt這是從“能用”進(jìn)階到“穩(wěn)定用”的核心。如果你換了不同的視頻生成工具那更要接受一個(gè)現(xiàn)實(shí)每個(gè)工具對(duì)同一個(gè)Prompt的理解差異非常大。比如Runway會(huì)特別關(guān)注鏡頭運(yùn)動(dòng)描述你寫(xiě)“低角度跟拍”它執(zhí)行得很好但同樣的詞喂給一些強(qiáng)調(diào)“主體運(yùn)動(dòng)”的工具可能就只給你生成一個(gè)固定機(jī)位的畫(huà)面。所以我的每個(gè)Skill文件里都帶有tools字段和適配腳本就是為了盡量減少這種跨工具損耗。5.2 版權(quán)與倫理問(wèn)題要提前想清楚463個(gè)視頻里有一部分來(lái)自公開(kāi)比賽和別人的分享開(kāi)源這些Skill的前提是我拆的是提示詞結(jié)構(gòu)不是復(fù)制視頻內(nèi)容。提示詞本身是文字描述很難構(gòu)成版權(quán)保護(hù)對(duì)象但生成出來(lái)的畫(huà)面如果高度模仿某部電影或某位創(chuàng)作者的招牌風(fēng)格依然有侵權(quán)風(fēng)險(xiǎn)。所以我在每個(gè)Skill文件里增加了一個(gè)“靈感來(lái)源”字段如果來(lái)源是某部電影或某位作者會(huì)在里面如實(shí)標(biāo)注“致敬”“仿風(fēng)格”或“原創(chuàng)”并附上可替代的風(fēng)格詞建議。倫理這塊也要多說(shuō)一句。開(kāi)源模版很容易被用來(lái)批量生成虛假信息、偽造人物或制造誤導(dǎo)性?xún)?nèi)容。我在倉(cāng)庫(kù)的首頁(yè)就掛了一條聲明禁止用這套Skill生成任何包含真實(shí)人物肖像的虛假場(chǎng)景也禁止用它批量制造欺騙性新聞視頻。技術(shù)本身沒(méi)有立場(chǎng)但開(kāi)源的人得先立個(gè)規(guī)矩不然好心分享的東西一旦被濫用最后受傷害的還是創(chuàng)作者群體。我實(shí)際遇到過(guò)有人拿著scene-xxx去生成知名演員出現(xiàn)在不存在的場(chǎng)景里的視頻這非常危險(xiǎn)。后來(lái)我在每個(gè)Skill文件里額外加了一個(gè)ethical_check字段提醒使用者在生成前確認(rèn)是否涉及真實(shí)人物、是否會(huì)被誤解為真實(shí)事件。希望大家永遠(yuǎn)不要在這個(gè)底線上試探。5.3 工具版本迭代導(dǎo)致Skill失效怎么辦AI視頻工具的更新頻率快得驚人經(jīng)常是今天跑的好的Skill明天工具一升級(jí)就變成廢紙。我自己就經(jīng)歷過(guò)三四次某條在Runway上新版本里反復(fù)調(diào)都復(fù)現(xiàn)不了原來(lái)的風(fēng)格。遇到這種情況我的建議是先不要急著重寫(xiě)Skill去看工具的Release Notes很多失效是因?yàn)槟Ｐ偷讓蛹軜?gòu)變了比如引入新的運(yùn)動(dòng)模塊或強(qiáng)化了語(yǔ)義解析。這可能導(dǎo)致原來(lái)的Prompt順序不再被充分理解。更實(shí)際的解決方案是在你的Skill文件里記錄“已驗(yàn)證版本號(hào)”和“驗(yàn)證日期”。這樣即使工具升級(jí)你也可以很快判斷出到底是這個(gè)Skill本身有問(wèn)題還是版本變了導(dǎo)致的影響。我在適配腳本里專(zhuān)門(mén)留了一個(gè)參數(shù)允許用戶(hù)填入工具的版本號(hào)腳本會(huì)自動(dòng)給出一段“遷移建議”比如“如果使用新版本建議把鏡頭層描述放到Prompt的開(kāi)頭并把環(huán)境層描述改得更簡(jiǎn)潔”。如果你發(fā)現(xiàn)某個(gè)Skill徹底失效也別著急刪除?？梢园阉鼧?biāo)記為deprecated并附一條指向替代Skill的鏈接。這樣做有兩個(gè)好處一是保留對(duì)比案例方便后人了解工具演進(jìn)對(duì)提示詞的影響二是避免小白用戶(hù)搜到這個(gè)Skill后抱著舊模版死活調(diào)不出來(lái)白白浪費(fèi)時(shí)間。5.4 一點(diǎn)心得別做“只會(huì)抄模版”的人開(kāi)源這套東西之后我心里其實(shí)一直很警惕一個(gè)問(wèn)題如果所有人都直接用模版那AI視頻創(chuàng)作會(huì)不會(huì)變得千篇一律后來(lái)我想明白了模版本質(zhì)上是“語(yǔ)法教科書(shū)”教你的是如何組織描述而不是“句子本身”。真正厲害的人會(huì)用這套模版的五層思維去解讀任何一條新視頻然后拆出自己的表達(dá)方式。模版不是終點(diǎn)它是你觀察世界的棱鏡。我自己最大的收獲反而是拆解過(guò)程中被迫提升的“視頻直覺(jué)”。以前我看一條AI視頻只會(huì)說(shuō)“好看”現(xiàn)在我會(huì)下意識(shí)地思考它的鏡頭怎么動(dòng)、主體與環(huán)境怎么互動(dòng)、光影變化的時(shí)間點(diǎn)在哪里。這種直覺(jué)會(huì)在你未來(lái)創(chuàng)作時(shí)自動(dòng)涌現(xiàn)哪怕你早就忘了那些YAML文件的細(xì)節(jié)。所以我真心建議每一個(gè)拿到這463個(gè)Skill的人先別急著生成視頻先挑十條拆解數(shù)據(jù)認(rèn)真讀三遍把五層結(jié)構(gòu)刻進(jìn)腦海中。最后再分享一個(gè)操作上的小技巧你完全可以把這套開(kāi)源倉(cāng)庫(kù)當(dāng)成你的“靈感抽獎(jiǎng)機(jī)”。每次創(chuàng)作前不要刻意去找某個(gè)固定Skill而是隨機(jī)從索引表里抽一個(gè)場(chǎng)景類(lèi)和一個(gè)運(yùn)動(dòng)類(lèi)的Skill先看它們的組合效果再逐步調(diào)整。這種“隨機(jī)組合法”幫我產(chǎn)出了好幾個(gè)自己平時(shí)根本不會(huì)想到的片子也讓我徹底擺脫了對(duì)著空白提示詞框發(fā)呆的窘境。希望這套開(kāi)源模版也能幫你打開(kāi)新的創(chuàng)作思路哪怕只被用上一次這事就沒(méi)白做。