第 13 讲 视频与音频生成
生成篇第三站：让画面动起来，让声音响起来。本讲把第 11 讲的文本、第 12 讲的图像，与新登场的文生视频（Text-to-Video）与配音串成一条完整"流水线"，为期末项目产出约 3 分钟的科普短视频。
一、本讲学习目标
完成本讲后，你应该能够：
- 说出文生视频当前能做什么、不能做什么，并为每个镜头选对生成方式（实拍、屏幕录制、图表动画、AI 生成）；
- 用"主体 + 场景 + 运动"公式（或图生视频的"运动 + 运镜"）写出可用的视频提示词（Prompt）；
- 用 AI 产出五栏分镜（Storyboard）脚本并人工修订，完成片段生成与 TTS（语音合成）配音；
- 在剪映中完成字幕校对、配音对齐与转场，合成短视频初版；
- 在工具额度受限时启用轻量备选方案，达成同一教学目标。
二、课前准备
- 视频工具额度测试（本讲重点）：用本组的即梦 / 可灵等账号各试生成一条最短的片段，确认能登录、有额度、能导出——本讲工具依赖最重，课上才发现"没额度"就晚了大半节课。工具与额度以开课当月实际可用性为准，按小组共用方案使用。
- 确认机房已安装剪映（AI 字幕、配音功能可用）；自带电脑的同学提前安装并试一次导入素材。
- 带上期末项目的已有材料：第 11 讲的核心文本（口播稿的原料）、第 12 讲的图像素材（图生视频的原料）。
- 想提前摸索的同学，可浏览 AIGC 使用技巧类自学站（如 waytoagi 知识库，内容以当期为准）——记得带上第 2 讲的核查习惯。
- 教师提供的课程视频片段可作为剪辑练习素材（可选）。
三、核心概念精讲
1. 文生视频：能做什么，不能做什么
前两站我们生成过文字与图像，这一站进入多模态（Multimodal）版图里最年轻、也最"烧额度"的一块：文生视频——输入一段文字描述，得到一段会动的画面。机制上可以先借第 12 讲的直觉：图像由扩散模型（Diffusion Model）"从噪点中显影"，不少视频生成模型沿用同一思路，把"逐张去噪"扩展到"逐帧去噪"、再让帧与帧连贯起来。这不是严格的机制描述，但足以解释它继承的老脾气：按"像"生成，不按"对"生成——画面好看，但不保证物理上正确。
所以动手之前，先给这项能力画一张边界地图：
| 适合交给 AI 视频 | 别交给 AI 视频 |
|---|---|
| 氛围片段与空镜头（实验室晨光、仪器微光、星空与云雾）；片头与转场素材；难以实拍场景的示意画面（行星尺度、微观尺度） | 精确科学演示（摆长与周期的定量关系、光路角度、受力方向——不受提示词精确控制）；长片连贯叙事（单次只生成几秒的片段，跨镜头的人物与场景难以保持一致）；精确文字、刻度与图表（画面里出现的文字常是"乱码"，数据图表必须自己做） |
一句话记住分工原则：科学结论交给实拍与图表，氛围与引入交给 AI 视频。这不是委屈 AI 视频——就像实验报告里，示意图负责"让人看懂装置"，数据表负责"让人相信结论"，各司其职。也像仪器屏幕上一张"看起来对"的波形截图：曲线光滑漂亮，但横纵坐标与刻度是否准确，必须由你自己校准——画面质感从来不能替代物理正确。
2. 提示词公式：主体 + 场景 + 运动
第 12 讲文生图的公式是"主体 + 场景 + 风格"；到了视频，多出一维时间，运动成了提示词的灵魂。基础公式三元如下（参考阿里云官方文生视频指南改写）：
| 要素 | 回答的问题 | 示例 |
|---|---|---|
| 主体 | 画面里"谁 / 什么"？ | 铁架台上悬着细线与小钢球的单摆装置 |
| 场景 | 在哪里、什么环境？ | 物理实验室的木质桌面，背景虚化，窗外晨光 |
| 运动 | 发生什么变化、怎么动？ | 摆球被轻轻释放，以慢动作开始来回摆动，镜头缓慢推近 |
如果你已经有了一张图（第 12 讲生成的插画，或实拍截图），可以走图生视频：图像已经锁定了主体与风格，提示词只需要写"运动 + 运镜"。这很像实验里"初始条件已固定，只需描述过程如何演化"——再重复一遍主体描述，反而会和图像"打架"，让画面出现诡异的形变。
想让画面更有"导演感"，再叠加电影美学控制四要素：光源（顺光 / 侧光 / 逆光 / 自然光）、景别（特写 / 近景 / 中景 / 全景 / 远景）、构图（三分法 / 中心对称 / 引导线）、色调（冷暖、饱和度）。常用词汇摘选如下：
| 类别 | 常用词汇摘选 |
|---|---|
| 风格化 | 写实纪录片、胶片质感、水墨风、3D 渲染、定格动画、微缩景观 |
| 运镜 | 推（靠近主体）、拉（远离）、摇（原地转动）、移（平移）、跟（跟随主体）、环绕、俯拍 / 仰拍、延时摄影 |
以上公式与词汇摘选改写自阿里云官方指南，各平台对提示词的解析能力、支持的时长与分辨率上限差异很大、迭代也快，本讲不写死任何数字。写提示词前，先看看所用工具自带的示例库；拿不准的能力，以当期功能与官方文档为准。
3. 声音三类与 TTS 配音
一条短视频的声音分三类，各司其职：①人声（口播解说——科普视频的主声道，负责传信息）；②音效（点状强调：摆球碰撞声、秒表滴答、图表出现时一声"叮"，负责抓注意）；③环境音乐（连续铺底，负责定情绪基调）。混在一起时，口播永远在最前面，音乐音量主动让路。用实验的视角看很直观：口播是要读取的"信号"，音效是打点的"脉冲"，环境音乐则是"背景本底"——本底太强，信号就被淹没了。
口播的上限由口播稿决定，就像测量精度的上限由仪器决定，不靠后期补救。写稿要点：一句话只装一个信息点；口语化，短句优先；动笔前先想清楚术语读音（"周期""振幅""摆角"）。稿子定稿后，用 TTS（语音合成）把文字转成语音。配音指令里可以指定音色（男 / 女、音色风格）、语速、情绪（亲切讲解 / 沉稳播报）与停顿位置（具体可选项以当期功能为准）；生成后必须试听，重点听术语读音对不对。
4. 分镜脚本方法：从脚本到分镜表
想清楚了一件事：约 3 分钟的科普短视频，不是"一个提示词"能生成的——它是一部微型影片。正确的打开方式是两步：先写脚本（说什么——按口播把内容写成一段解说词），再把脚本拆成分镜（怎么拍）。分镜（Storyboard）表就是影片的"拍摄计划表"，固定五栏：镜号 / 画面 / 口播 / 时长 / 生成方式（模板见下一节案例演示，可直接抄用）。
特别注意"生成方式"这一栏——它就是你的额度预算表：实拍（手机就能拍，科学画面首选）、屏幕录制（数据与软件演示）、图表动画（结果图表——必须用你们自己算出的真实数据绘制，这是第 9 讲"对拍"老规矩的延续）、AI 文生视频 / 图生视频（氛围镜头）。提前把每一行分配好，就不会课上烧光额度才发现关键镜头还没着落。这张表和第 7 讲的任务卡一脉相承：每一行就是一张任务卡——画面说清输入，生成方式定下分工，时长就是验收约束。写完分镜表，你的 3 分钟视频就从一个模糊愿望，变成了四五个可独立完成、可逐条验收的小任务。至于"整条片子自动生成"长什么样，下一节的教师演示会给你看一条完整的"文档 → 成片"流水线。
四、物理场景案例演示
下面以"单摆周期实验"30 秒科普短视频为例，走一遍完整流程：脚本 → 分镜表 → 逐镜头生成 → 配音 → 合成。期末项目换汤不换药：主题换成你们第 8 讲立项的内容，流程一模一样。演示①–③的提示词均为 ZCode + GLM 实测迭代后的版本，框底折叠区附真实运行结果，并诚实标注了哪些环节已实测、哪些需课堂实机执行。
我是物理学院本科生，正在为课程项目制作一条约 30 秒的科普短视频，
主题：用单摆测量重力加速度。受众：高中学力的科普观众。
请先写一段口播脚本（口语化、术语正确），再把脚本拆成分镜表，
用五栏输出：镜号 / 画面 / 口播 / 时长 / 生成方式。
要求：
1. 总时长约 30 秒，拆成 5–6 个镜头；写明各镜时长之和，与总时长对得上；
2. "口播"栏逐字写出口播词：与口播脚本逐字一致、标点完整，
数字与符号按读音改写（如"五度""三十个周期""周期的平方"），
可直接复制给 TTS 使用，不要转述或缩写；
3. "生成方式"从这些选项中选：实拍、屏幕录制、图表动画、AI 文生视频、AI 图生视频；
每镜后用一句话注明取舍理由；
4. 科学性优先：含公式与数值结论的镜头，生成方式必须标注为实拍、
屏幕录制或图表动画；
5. 表格外附一句说明："哪些镜头必须实拍，为什么"。这是实测迭代后的第 2 版提示词（第 1 轮按旧版首跑暴露的问题与改动记录，见下方折叠区）。把 AI 的输出人工修订后，得到这样的分镜表（示例即模板，可直接抄用；本次实测 AI 原始输出为 6 镜，修订时砍掉纯氛围开场镜、把图表与结论两镜合一，收成 4 镜——修订也是任务①的必做步骤）：
| 镜号 | 画面 | 口播 | 时长 | 生成方式 |
|---|---|---|---|---|
| 1 | 实验装置特写：铁架台悬着细线与小钢球，刻度尺测量摆长 | "摆长越长，摆得越慢吗？我们用单摆测一测重力加速度。" | 6 秒 | 实拍（手机固定拍摄） |
| 2 | 释放瞬间：摆球被拉离平衡位置一个小角度，松手开始摆动 | "把摆角控制在很小，从同一位置静止释放。" | 5 秒 | 实拍为主；可另用 AI 图生视频做慢动作氛围版 |
| 3 | 周期计时：秒表累计测量 30 个全振动，记录总时间 | "用秒表测 30 个周期取平均，计时的误差就缩小到三十分之一。" | 8 秒 | 屏幕录制 + 实拍（秒表特写） |
| 4 | 结果图表：T²–L 直线，由斜率求出 g | "T² 与 L 成正比，从直线斜率算出 g ≈ 9.8 m/s²，与公认值符合得很好。" | 9 秒 | 图表动画（用你们自己处理的真实数据） |
这条表为什么"专业"：四个镜头里没有一个定量结论依赖 AI 生成——单摆在小摆角下满足 T = 2π√(L/g)，T²–L 图是过原点的直线，这些科学内容由实拍与图表承担；"生成方式"一栏提前分好了额度的账；口播每句只装一个信息点，正好逐镜配音。
🧪 查看运行结果（ZCode + GLM 实测）· 分镜脚本两轮实录
本环境无文生图工具：此处为 AI Agent 生成的 SVG 矢量示意图替代演示（执行环境：GLM+ZCode）。课堂请在实际生图工具中执行同款提示词并对比。
第 1 轮 · 旧版提示词首跑（只换主题，其余一字不动——要求"拆成 4 个镜头"，未约束口播写法）：
口播脚本（30 秒版） 摆长越长，摆得越慢吗？我们用单摆测一测重力加速度。先把摆长量出来： 从悬点到摆球中心。把摆角控制得很小，从同一位置静止释放。计时从摆球 经过最低点开始，累计测量 30 个全振动，取平均，单次按表的误差就缩小 到三十分之一。最后作 T²–L 图，由斜率算出 g ≈ 9.8 m/s²。 分镜表 镜号 | 画面 | 口播 | 时长 | 生成方式 1 | 单摆装置特写，摆球静止悬垂 | "摆长越长，摆得越慢吗？我们用单摆测一测重力加速度。" | 6 秒 | AI 文生视频 2 | 刻度尺测量摆长，镜头给到读数 | "先量出摆长，从悬点到摆球中心。" | 6 秒 | 实拍 3 | 小角度释放；秒表累计计时 30 个全振动 | "控制摆角，静止释放；累计测量 30 个全振动，取平均。" | 9 秒 | 实拍 4 | T²–L 直线图，标注斜率求出 g | "T² 与 L 成正比，由斜率算出 g ≈ 9.8 m/s²。" | 9 秒 | 图表动画 （表格外说明：镜 2、3、4 必须实拍或自制图表——它们承载定量数据， AI 画面无法保证读数与数值正确。）
AI Agent 真实执行并生成上述结果（执行环境：GLM+ZCode）。
第 2 轮 · 微调 3 处后复跑（改动就地记录）
改动①镜头数改为"5–6 个"，并要求"写明各镜时长之和，与总时长对得上"；改动②新增逐字条款："口播"栏逐字写出口播词——与脚本逐字一致、标点完整、数字与符号按读音改写，可直接复制给 TTS；改动③新增理由条款：每镜"生成方式"后用一句话注明取舍理由。以下为第 2 轮真实输出：
口播脚本（约 30 秒 · 逐字稿，数字按读音书写） 摆长越长，摆得越慢吗？用一只单摆测一测。 第一步，测摆长：从悬点量到摆球中心，记作 L。 把摆角控制在五度以内，从同一位置静止释放。 从最低点开始计时，连测三十个全振动；总时间除以三十，就是一个周期 ——单次按表的误差，也缩小到三十分之一。 换几组摆长重测：周期的平方与摆长成正比，图线过原点。 由直线斜率算出 g，约九点八米每秒平方。 分镜表（6 镜，时长合计 32 秒——"约 30 秒"±3 秒内达标） 镜号 | 画面 | 口播 | 时长 | 生成方式（附取舍理由） 1 | 实验室晨光中的单摆装置特写，摆球静止悬垂 | 摆长越长，摆得越慢吗？用一只单摆测一测。 | 5 秒 | AI 图生视频（底图用实拍截图或第 12 讲装置图）——纯氛围引入、不承担数据，AI 出错代价最小；额度不足改实拍空镜 2 | 刻度尺特写：从悬点量到摆球中心，读数清晰入画 | 第一步，测摆长：从悬点量到摆球中心，记作 L。 | 5 秒 | 实拍——摆长 L 是后续计算的定量输入，必须真实可查；AI 画刻度必翻车 3 | 摆球拉离平衡位置一个小角度（约 5°），松手瞬间 | 把摆角控制在五度以内，从同一位置静止释放。 | 5 秒 | 实拍——"小角度"是周期公式成立的前提，AI 生成无法保证角度准确 4 | 秒表特写 + 屏幕录制：摆球经过最低点起表，数到第 30 个全振动停表 | 从最低点开始计时，连测三十个全振动；总时间除以三十，就是一个周期——单次按表的误差，也缩小到三十分之一。 | 8 秒 | 屏幕录制（读数）+ 实拍（秒表特写）——数字读数交给录屏，AI 画面里的文字常是乱码 5 | T²–L 散点逐个落下、连成过原点的直线（用本组真实数据绘制） | 换几组摆长重测：周期的平方与摆长成正比，图线过原点。 | 5 秒 | 图表动画（剪映关键帧或图表工具）——图表必须用本组真实数据，AI 视频不承担数据图 6 | 直线上标出斜率 k，屏幕显示 g = 4π²/k ≈ 9.8 m/s² | 由直线斜率算出 g，约九点八米每秒平方。 | 4 秒 | 图表动画 / 屏幕录制——结论数值必须与本组计算一致，不由 AI 画面给出 （表格外说明：镜 2、3、4 必须实拍 / 录屏——它们承载定量输入与读数 （摆长、摆角、计时），AI 画面无法保证数字与角度正确；AI 生成只负责 镜 1 的氛围引入，不承担任何科学结论。）
AI Agent 完成了两轮分镜脚本迭代，第 2 版为定稿（执行环境：GLM+ZCode）。
先上传镜号 1 的实拍截图（或第 12 讲生成的装置图），再输入——注意只写"运动 + 运镜"，主体与风格已由图像锁定：
摆球被轻轻释放，开始小幅来回摆动，节奏均匀；
固定机位微仰视，镜头缓慢推近；
保持画面主体与背景不变，不新增物体，画面不出现文字。第一句写运动，第二句写运镜，第三句是"不添乱"守则——主体与风格已由底图锁定，不重新描述，避免与图像"打架"（坑③）；"画面不出现文字"防 AI 自加乱码字幕。还要补一句科学性检查：AI 生成的摆动节奏未必满足 T = 2π√(L/g) 的真实周期——这个镜头只作氛围，不承担定量结论。
🧪 查看运行结果（ZCode + GLM 实测 · 提示词成品）· 视频生成需课堂实机执行
本环境无文生图工具：此处为 AI Agent 生成的 SVG 矢量示意图替代演示（执行环境：GLM+ZCode）。课堂请在实际生图工具中执行同款提示词并对比。
底图：镜号 1 的实拍截图（或第 12 讲生成的装置图） 提示词只写"运动 + 运镜"，主体与风格交给底图锁定。 【版本 A · 稳妥版（推荐首选）】 摆球被轻轻释放，开始小幅来回摆动，节奏均匀； 固定机位微仰视，镜头缓慢推近； 保持画面主体与背景不变，不新增物体，画面不出现文字。 【版本 B · 慢动作氛围版】 摆球小幅摆动，慢动作呈现，摆动幅度缓慢减小； 镜头极缓慢拉远，机位保持不动； 画面稳定不抖动，不新增物体，画面不出现文字。 【版本 C · 小角度环绕版】 摆球持续小幅摆动； 镜头围绕装置缓慢环绕一小段弧线后回到原位； 背景虚化程度保持不变，不新增物体，画面不出现文字。 【使用说明】 1. 三条都只含"运动 + 运镜 + 不添乱守则"：不重新描述主体与风格 （避免与底图"打架"，坑③）；"画面不出现文字"防 AI 自加乱码字幕； 2. 从版本 A 起试：固定机位 + 缓慢推近对生成最友好；环绕类运镜 （版本 C）更容易出现主体形变，翻车就退回版本 A； 3. 电影美学词（光源 / 景别 / 色调）主要供文生视频从零造景时使用； 图生视频里底图已含风格信息，重写易"打架"——确需微调光线时用 "轻微"类措辞（如"侧逆光轻微勾边"），并以实际生成效果为准； 4. 生成后做科学性检查：AI 的摆动节奏未必满足 T = 2π√(L/g) ——本镜头只作氛围，不承担定量结论； 5. 即梦 / 可灵的时长档位、运镜强度、首尾帧等选项以当期功能为准。
请把下面的口播稿转成语音，用作科普短视频配音（镜 1；
逐镜分段生成，音频按镜号命名，存入小组素材文件夹）：
"摆长越长，摆得越慢吗？（停顿约半秒）我们用单摆测一测重力加速度。"
要求：青年女声，语速平稳偏慢（约每秒 4 字），亲切的科普讲解语气；
输出音频文件（格式以平台支持为准）。
生成后我会逐句试听：重点听本镜术语"单摆""重力加速度"的读音；
整条片还需重点检查"周期""摆角""摆长"以及数字、字母的读法。🧪 查看运行结果（ZCode + GLM 实测 · 口播稿定稿）· 语音生成需课堂实机执行
本环境无文生图工具：此处为 AI Agent 生成的 SVG 矢量示意图替代演示（执行环境：GLM+ZCode）。课堂请在实际生图工具中执行同款提示词并对比。
【TTS 参数指令（逐镜分段生成，音频按镜号命名存入小组素材文件夹）】 音色：青年女声；情绪：亲切科普讲解；语速：平稳偏慢（约每秒 4 字， 平台无字速选项时选"稍慢"档）；停顿按稿内"（停顿 X 秒）"执行。 【镜 1 · 约 5 秒】 摆长越长，摆得越慢吗？（停顿 0.5 秒）用一只单摆测一测。 【镜 2 · 约 5 秒】 第一步，测摆长：（停顿 0.3 秒）从悬点量到摆球中心，记作 L。 【镜 3 · 约 5 秒】 把摆角控制在五度以内，（停顿 0.3 秒）从同一位置静止释放。 【镜 4 · 约 8 秒】 从最低点开始计时，（停顿 0.3 秒）连测三十个全振动；（停顿 0.5 秒） 总时间除以三十，就是一个周期——单次按表的误差，也缩小到三十分之一。 【镜 5 · 约 5 秒】 换几组摆长重测：（停顿 0.3 秒）周期的平方与摆长成正比，图线过原点。 【镜 6 · 约 4 秒】 由直线斜率算出 g，（停顿 0.5 秒）约九点八米每秒平方。 【生成后逐句试听清单】 1. 术语读音：单摆、摆长、摆角、周期、重力加速度——读错整句重录； 2. 字母与数字："L"应读"艾勒"；数字应按汉字读音播出（三十、九点八）； 3. 停顿是否执行、各镜语气是否衔接； 4. 本环境无 TTS 工具，以上为可直接粘贴的定稿文本，语音以课堂 实际 TTS 工具（剪映等）为准。
最后看一件"调度"味道更浓的事：把一份写好的讲义文档，自动转成一条带画面、配音与字幕的讲解视频（参考阿里云官方教程，以官方文档为准）。整条流水线五道工序：
| 工序 | 做什么 | 产出 |
|---|---|---|
| ① 文档切片 | 把文档按标题与语义切成小段 | 一段一个"画面单元" |
| ② 图文渲染 | 为每一段生成画面（图文页 / 配图） | 成片的画面素材 |
| ③ 语音合成 | TTS 逐段朗读 | 成片的配音轨 |
| ④ 字幕 | 配音与文字逐句对齐 | 成片的字幕轨 |
| ⑤ 剪辑合成 | 按时间线拼装画面、配音、字幕 | 导出成片 |
看懂三件事就够了：①这是"流水线思维"——把大任务拆成五道固定工序，每道输入输出明确，交给不同工具接力完成（第 7 讲任务卡、第 10 讲多工具协同的同款思想）；②人把守两端——入料前审定文档内容，出片后逐段核对画面、读音与字幕；③具体实现与工具能力以官方教程为准，课程不要求复现代码。
五、课堂实操任务单
本讲工具依赖最重，先确认额度与账号，再动手。按课程的保底任务 / 进阶挑战两层推进，每完成一项就勾选保存进度。
视频工具额度不足或排队过长时，改用"AI 图片（第 12 讲）+ 剪映动态化（图片加运镜 / 关键帧）+ TTS 配音 + AI 字幕"——分镜表原样不动，只是"生成方式"一栏换写法，教学目标（分镜、生成、配音、字幕、合成）完全一致，不必强求文生视频。"生成方式"这一栏本来就是给你留的备胎位。
六、常见坑与翻车案例
- 坑① 把成片当"一次生成"："帮我生成一个 3 分钟的单摆科普视频"——当前工具单次只生成几秒的片段（时长上限以当期功能为准），即便凑出长片也无法保证科学性与连贯性。解法：分镜表拆镜头，逐个生成，剪辑合成。"一次生成"靠的是流水线，不是一个提示词。
- 坑② 让 AI 视频演物理：生成的"单摆摆动"看着挺像，但摆动节奏往往不符合 T = 2π√(L/g)——何况摆角一大，公式本身就失效了。解法：定量镜头实拍或图表化，AI 镜头只作氛围；成片里不允许出现"AI 演出来的物理结论"。
- 坑③ 图生视频乱补"运动"：图生视频的提示词里又把主体、风格描述了一遍，与图像"打架"，画面出现诡异的形变。解法：图生视频只写"运动 + 运镜"，主体与风格交给图像锁定。
- 坑④ 没稿子就配音：对着画面即兴发挥，术语读错、口误连篇，字幕跟着全乱。解法：口播稿定稿后再 TTS；稿子先读三遍，术语读音提前标注。
- 坑⑤ AI 字幕直接采用：自动字幕把"单摆"识别成"单百"，字母 g 也不知道该显示成什么。解法：AI 字幕生成后逐条人工校对——字幕是成片的"脸面"，错一个术语，整条视频掉价。
- 坑⑥ 素材版权与署名想当然：随手下载的背景音乐、他人视频素材可能侵权；AI 生成语音的署名与使用范围也受平台条款约束。解法：优先使用平台素材库或 AI 生成音乐；配音与素材的使用范围以平台条款为准；《AI 使用声明》里写清每项素材的来源。
七、自测
1. 下列哪类镜头最适合交给 AI 文生视频？
- 单摆周期与摆长关系的定量演示
- 秒表读数的特写
- 星空下实验楼的氛围空镜头
- T²–L 数据图表
查看答案
C。定量演示与图表必须实拍或自制，AI 视频的长处在氛围与引入——"科学结论交给实拍与图表，氛围与引入交给 AI 视频"。
2. 图生视频的提示词只需要写什么？
- 主体 + 场景 + 运动
- 运动 + 运镜
- 风格 + 色调
- 把整张图重新描述一遍
查看答案
B。图像已经锁定了主体与风格，再描述一遍反而会和图像"打架"，造成画面形变。类比实验：初始条件已固定，只需描述过程如何演化。
3. 分镜表的五栏是？其中哪一栏相当于"额度预算表"？
- 镜号 / 画面 / 口播 / 时长 / 生成方式——"生成方式"栏
- 片名 / 导演 / 演员 / 音乐 / 字幕——"音乐"栏
- 开头 / 发展 / 高潮 / 结尾 / 彩蛋——"彩蛋"栏
- 镜号 / 光圈 / 快门 / 感光度 / 焦距——"光圈"栏
查看答案
A。"生成方式"一栏提前决定每个镜头用实拍、屏幕录制、图表动画还是 AI 生成——先把额度的账分好，就不会课上烧光额度才发现关键镜头没着落。
4. 判断题："AI 生成的摆动视频很流畅，摆球 2 秒摆了 3 个来回，画面质感很好，可以直接用作定量演示。"
查看答案与解析
不能。AI 视频按"像"生成、不按"对"生成：小摆角下单摆周期应满足 T = 2π√(L/g)，"2 秒 3 个来回"即周期约 0.67 秒，对应的摆长只有约 11 厘米——与多数课堂装置不符，画面流畅不等于物理正确。定量结论必须来自实拍测量与真实数据图表。
5. 简答：视频工具额度不足时，如何用轻量方案达成同一教学目标？请列出四个环节。
参考答案
四个环节：①AI 图片（第 12 讲生成画面）；②剪映动态化（给图片加运镜 / 关键帧，让画面动起来）；③TTS 配音（口播稿转语音）；④AI 字幕（生成后逐条校对）。分镜表原样不动，只是"生成方式"一栏换写法——分镜、生成、配音、字幕、合成的教学目标全部达成，不必强求文生视频。
八、课后作业
以小组为单位，把期末项目的科普内容做成约 3 分钟短视频初版。提交物四件：
- 成片：约 3 分钟，含字幕与配音；口径、画面与第 11 讲核心文本、第 12 讲图像素材保持一致；
- 分镜表：五栏定稿版，附人工修订标记；
- 素材与提示词记录：每个 AI 生成镜头的提示词与迭代记录、每段配音的口播稿；
- 《AI 使用声明》：工具 / 用途 / 核查方式（含每项素材的来源）。
✅ 自查标准：含公式与数值的镜头全部来自实拍 / 图表，AI 镜头只作氛围；字幕逐条校对过；术语读音正确；组内每人都完成了至少一个镜头的完整工序并留有记录。
关于提交时间：按课程安排，视频工具额度紧张时，本作业可延至第 14 讲一并提交；需要延期的组请课上向教师报备，并先用轻量方案完成分镜表与口播稿——这两样不依赖视频额度，现在就能做完。
按课程《学术诚信与 AI 使用规范》，本作业需附《AI 使用声明》。特别提醒：AI 生成语音的署名与使用范围以平台条款为准；背景音乐与视频素材优先用平台素材库或 AI 生成，来源全部写入声明。"AI 产出，人工把关。"
九、进阶拓展（选学）
🎓 把分镜表沉淀为"可复用资产"，再看一眼流水线的延伸
本讲的三样东西——分镜表模板、口播稿写法、提示词公式——完全可以打包成一张提示词卡（第 5 讲的方法）：给卡片加上"名称 / 描述"，下次再做科普视频，AI 一轮就能产出接近可用的分镜表，你们只做修订与验收。这就是"把一次性的提示词沉淀为可复用方法"的最小案例，第 16 讲总结"从指令到资产"时你会再遇到这个思想。
想进一步了解"文档 → 成片"流水线的完整做法，可参考阿里云官方教程《借助大模型将文档转换为视频》（以官方文档为准）；课程不要求复现代码，重点是看懂五道工序如何接力、人把守哪两端。课堂演示的录屏可向教师索取，课后复看。
更多 AIGC 使用技巧可浏览课程推荐的自学站（如 waytoagi 知识库，内容以当期为准）——对其中内容保持第 2 讲的核查习惯。