从标题到成片：用AI制作童年回忆短视频的完整流程与提示词方案

开头直接说。这条标题不是让你真的去写一封“男朋友好惨”的道歉信，而是典型的“童年回忆素材库 + AI 画面放大 + 情感反差”短视频文案模型。我最近刚按这个思路跑了一轮完整流程，从文案拆解、分镜设计、AI 出图到配音成片都试了一遍，结论是：这类视频能不能火，七成看选题和情绪反差，两成看画面质量，剩下看发布节奏。所以这篇不聊玄学，只讲怎么把一个看似口语化的标题，拆成 AI 可以执行的创作计划。

1. 先理解这条标题到底在说什么

这条标题看起来像随手吐槽，其实有完整的钩子结构。先看它解决了什么问题：它其实是在最短时间内让观众产生“好奇→吃瓜→认同→回忆”四层心理变化。先听我拆解，再去写提示词。

1.1 标题里的三个关键情绪节点

整条标题分三段。

“我的男朋友好惨啊”是情绪导入，制造同情心。观众第一反应是“怎么了，被欺负了？”，哪怕不认识你也会停留一下。这句话的作用不是陈述事实，而是设置悬念。

“不过话又说回来……”是转折，力度很大。它把一个负面情绪拉回中性甚至搞笑状态，让观众意识到事情不简单，这时停留时间又会增加几秒。情绪反转是短视频留人的核心，没有这个转折，视频就变成普通吐槽。

最后用“#童年 #AI #AI浪潮创作计划”作为标签锚点，点明主题是童年代入感，而且是用 AI 技术来创作。这等于告诉平台算法和观众：这不是情感八卦号，是 AI 创作内容。对创作者来说，这个标签背后就是一个人设定位，不以秀恩爱为核心，以童年记忆中“受伤的又好笑的人”为核心。

1.2 从标题到视频主题：核心不是“男朋友”，是“童年记忆化身”

真正创作时，画面里不一定有真实男朋友。我实践的思路是：把他童年的一张照片，或者一个童年场景，变成动画风格、像素风格、绘本风格，然后用画外音念出这句文案，再配一个“惨兮兮但很治愈”的 BGM。

这个思路特别适合 AI 生成，因为 AI 输出了一个虚拟的“童年形象”，而不是真人出镜，避开了隐私、肖像权、拍摄成本问题。视频文案也可以像这样切换：

• 小时候摔破膝盖哭得惊天动地，现在看不过是一张 “童年惨状纪念卡”。
• 童年作业没写完被罚站一下午，现在连老师长啥样都忘了。
• 小时候被猫抓了还不敢说，看见猫就跑。
• 唯一记得清楚的不是“当时有多疼”，而是我妈那一声“该”。

当文案指向童年记忆，而不是指向真实现任，创作空间就完全打开了。

1.3 更适合 AI 视频的标签组合

除了“#童年 #AI”，我建议实际发布时再加这三组标签，不需要贪多：

• 定位型：#AI浪潮创作计划 #AIGC #AI视频
• 内容型：#童年回忆 #小时候 #我的童年
• 功能型：#AI绘画 #AI转绘 #AI动画

标签的核心作用是给平台算法定位目标人群。你告诉平台内容是什么，平台推给谁就更有针对性。“AI浪潮创作计划”这种标签通常是平台或机构发起的活动，官方活动页里通常会标注具体投稿格式，包括视频时长、画面比例、标签位置，发布前先看一眼活动说明，比闷头做完再改省事很多。

2. 把标题扩展成可以落地的 AI 创作计划

只有一个标题是不能直接丢进 AI 工具的。要让 AI 生成可用的图像和视频，得先把它扩展成一个完整的“分镜脚本 + 提示词包”。我自己平时会做一个三列文档：画面、文案、音效，每一列对应一条提示词。

2.1 第一步：写一段完整的童年旁白脚本

不用很长，30 到 45 秒足够。重点不是讲故事完整，而是画面能配上话，话又能抓住情绪。可以参考这个基础结构：

• 第 1 句：铺垫情绪（他真的好惨 / 小时候太惨了）
• 第 2 句：制造反转（不过话又说回来）
• 第 3 句：回忆细节（还记得当时……）
• 第 4 句：回归温暖（现在想想其实还挺可爱）

按这个结构，我写了一个示例旁白，可以直接改着用：

小时候的他，以为摔破膝盖就是人生最大的坎。眼泪还没擦干，就看见路边小卖部有新出的辣条，于是哭着哭着就笑了。不过话又说回来，那时候的惨，现在想想全是可爱的证据。

写完后读一遍，确定节奏是“慢→停→笑”而不是“快→急→乱”。AI 配音工具对语气节奏很敏感，文字里的破折号和停顿点要提前写好。

2.2 第二步：把每句话拆成四个视觉分镜

一个 30 秒短片，四到五个分镜就够了。我按“童年场景 + 主角 + 动作 + 情绪”拆了四个画面：

分镜拆完后，检查一点：每个画面是否能独立成立。如果某个画面没有旁白也能传达情绪，说明它是有效画面；如果只能靠文字补充，就说明画面信息不足，要重写。

2.3 第三步：确定画面风格和主角一致性

这类视频最容易翻车的地方是同一人物在前后画面里长相不一致。所以进入 AI 工具之前，先固定三件事：

• 人物年龄：5 到 6 岁左右，穿什么衣服，什么发型。
• 场景范围：旧居民楼、小卖部、老树、黄昏光线，统一为 90 年代小镇风格。
• 色调：主色调是暖黄、泛旧、轻微噪点，不要一个画面赛博朋克一个画面水墨风。

推荐统一用同一个角色参考图，也就是先让 AI 生成一张“5 岁男孩标准形象图”，后续所有分镜都基于这张图生成。如果你用的是 Midjourney、Stable Diffusion WebUI、即梦这类工具，第一步都建议先做角色锁定，再做画面变化。

2.4 第四步：把分镜转成 AI 提示词

提示词不需要特别复杂，但信息要分块写清楚：主体、动作、环境、光线、风格、画质。以下是我实际测试过的四段分镜提示词，可以直接参考，具体工具不同时，把连字符换成英文逗号，注意不同 AI 工具对提示词的语法要求不同，比如 Midjourney 适合自然语言加参数，Stable Diffusion 更常配负面提示词，如果某个工具生成出来的光线不稳定，可以把风格词移到最前面再试：

分镜 1 参考提示词：

a 5-year-old boy wearing a light blue short-sleeved shirt, sitting on the back seat of an old bicycle, knee bandage, pouting, old residential buildings in the background, warm evening light, nostalgic 90s Chinese small town style, film grain, documentary photo style, high detail, 4k

分镜 2 参考提示词：

same boy, eyes sparkling, looking at a small street corner store with warm yellow lights, shelves of snacks visible, nostalgic 90s Chinese small town, evening, cinematic lighting, slight smile, 35mm film style, high detail

分镜 3 参考提示词：

same boy, wiping tears with one hand, holding a bag of snacks in the other hand, laughing, gap tooth visible, warm streetlight, old bicycle nearby, nostalgic atmosphere, charming imperfections, 35mm film still, 4k

分镜 4 参考提示词：

grown-up man standing under an old tree, holding an old childhood photo in his hand, soft smile, warm sunset, quiet street, childhood memory atmosphere, cinematic shallow depth of field, film grain, emotional tone, highly detailed

正面提示词结构不要乱。先主体，再动作，再背景，再光线，再风格。负面提示词默认写：blurry, deformed hands, extra fingers, bad anatomy, watermark, oversaturated, modern objects, crowded composition。

3. 从单张图到可动视频，具体选什么工具、怎么搭流程

这一节是实操重点。先把原则说清楚：不要一上来就追求“全自动一键成片”。我建议把流程拆成四步，每一步都有明确输出物，这样出了问题才知道改哪里。

3.1 工具选择：不是越高级越好，关键是能跑通

做这类短视频常用的工具组合有五类：

如果你是第一次做，选组合的优先级是：即梦或 Midjourney 生成关键帧 → 可灵或 Runway 图片转视频 → 剪映配音剪辑。这套组合不需要写代码，纯界面操作，能稳定出片。

3.2 必须先做的三件事：角色锁图、比例锁图、风格锁图

很多人生成出来画风好看，但人物不像同一人，就差了这一步。

先做角色锁图。从第一次生成的四张图里，选一张表情、角度、光线都最符合设定的图，作为“角色参考图”。后续每个分镜生成时，要么把参考图放到输入区，要么在提示词开头强调 same boy, same appearance, same outfit。不要指望 AI 自动理解“主角不变”，它只会理解你明确写出的信息。

再做比例锁图。短视频发布一般用 9:16 竖屏，这样手机全屏观感最好。如果工具默认生成 1:1 正方形图，生成后再扩展画面上下区域，或者在生成参数里直接设为 9:16。Midjourney 可以加 --ar 9:16，Stable Diffusion 在分辨率里可以直接写 576x1024，其他类似工具也可以找“画面比例”或“画幅”参数调成 9:16 竖版。

最后做风格锁图。这张图的“风格参考”要和角色参考结合，但不能让风格参考覆盖掉角色细节。我的习惯是：先出角色，再出场景，最后做运动，顺序不能反。

3.3 每一段运动不要超过 4 秒

图片转视频的核心原则是“短而准”。不要让 AI 从静态图生成一段 8 秒甚至 10 秒的复杂运动，那样容易产生形变、抖动、肢体扭曲。

我更建议的拆分方式：

• 镜头 1：男孩坐在后座上，只做表情变化，时长 3 秒。
• 镜头 2：男孩转头看向小卖部，只做转头动作，时长 3 秒。
• 镜头 3：手部抬起擦眼泪，身体不移动，时长 3 秒。
• 镜头 4：静态画面缓慢推近，播放配音即可，时长 4 秒。

生成运动时，提示词用英文表达动作更稳定，示例：

镜头 1 运动提示词：the boy is pouting then smiling slightly, subtle facial expression change, static camera, 3 seconds, realistic motion, soft light

镜头 2 运动提示词：the boy slowly turns his head to look at the corner store, eyes sparkle, camera stays still, shallow depth of field, 3 seconds

镜头 3 运动提示词：the boy lifts his hand and wipes tears, then a smile appears, subtle movements, cinematic close-up, 3 seconds

镜头 4 运动提示词：slow dolly zoom into the grown-up man's face, he looks down at the old photo, calm atmosphere, 4 seconds, emotional tone

每生成一段都要检查：动作有没有形变、有没有多手、有没有嘴部扭曲。如果某段不理想，不要反复用同一条提示词重试，先看是不是参考图质量不够，或者运动描述太复杂。把动作描述改成更单一的动作，成功率会明显更高。

4. 人物一致性、画质与节奏的实用排查清单

这类视频做好后给朋友看，得到最多的问题不是“提示词是什么”，而是“为什么你的角色总能保持一致？”这里我总结出一份排查清单，覆盖大多数 AI 短视频新手踩坑点。

4.1 人物样貌不一致的排查顺序

先看第一张参考图是不是足够清晰。输入图如果分辨率太低、脸部模糊、有遮挡，后面所有画面都会跟着崩。这是最常见的原因。

再看提示词里是否每次都有 same boy, same appearance, same outfit。如果提示词里缺了这句，就用工具里的角色参考功能。某些工具支持 multi-reference 或者 character reference，需要把参考图权重调高，默认权重往往不够，建议在 0.8 到 0.9 之间手动调整。

最后再看运动幅度。如果人物在镜头里 360 度旋转，AI 很容易改变长相。同一个镜头里尽量让人物正面或侧脸朝向用户，避免大角度转头、走路转向、全身旋转这类高难度动作。

4.2 画质看起来别扭时，优先查这四件事

• 分辨率够不够。静态图生成时尽量用工具支持的高分辨率模式，比如 Midjourney 调整到高质量模式，即梦可以选高清输出。最终剪辑时导入的画面不要小于 1080 x 1920。
• 光是否统一。所有分镜如果有的白天、有的夜晚，看起来会像拼贴，而不是一支影片。我建议统一用黄昏或傍晚光线，既能衬童年回忆，又不容易出现色差。
• 噪点是否一致。加了胶片颗粒的素材和超干净素材混剪时，视觉上会断层。可以在剪辑软件里统一加一层轻微噪点。
• 人物是不是每一帧都变脸。如果是，说明运动幅度太大，重新做静态图转短运动，或者缩短成 1.5 到 2 秒的镜头。

4.3 节奏怎么控制：每段镜头的平均时长

一条 30 秒的 AI 回忆短片，不建议所有镜头一个长度。因为 AI 转出来的素材一般运动幅度不大，如果全部都是 3 秒，观众容易产生“一直看静态PPT”的疲劳感。

我建议的节奏分布：

配音语速也要配合，不要所有句子都匀速。前两句慢一点，第三句略微加快，最后一句放慢。这样观众情绪能被带起来。

4.4 配音和字幕的常见坑

不要用 AI 配音里默认的机器音直接发布，至少选一个带有情绪基调的声线。条件允许的话，配乐也选有“轻微年代感”的钢琴或吉他独奏，避免太现代的电音风格。

字幕不要全屏铺满。短视频平台上半屏是安全区，字幕最安全的位置是竖屏中线以下，不要顶着画面顶部。一条字幕不要超过 15 个字，两行最多。

如果配音里念到“不过话又说回来”，可以把字幕做成二级标题样式，比如换一个暖黄色强调颜色。AI 视频最忌讳的另一种情况是画面和字幕抢注意力。画面已经很有情绪时，字幕就简单一点；画面比较寡淡时，字幕可以稍微设计化。

5. 批量生产多个童年回忆视频，怎么做成可持续流程

如果你不是只发一条视频，而是想做成固定内容栏目，比如每周更新一期“我的XX好惨啊”，纯靠手动改提示词会非常累。我给自己的流程搭了一套“半自动”方法，很适合个人创作者。

5.1 把“童年痛点”扩成一个选题库

不要每次临时想梗。建一个表格，左侧写童年场景，右侧写情绪反转点，再右侧写视觉特征。比如：

这个表格是选题引擎。每次做视频，只用改表格里的一行，就能生成一条新内容，文案结构不需要重新想。

5.2 同一个标题，换三个画风试水

同一句“我的男朋友好惨啊”，可以用不同画风测试平台反馈：

• 动漫可爱风：适合萌系账号，角色大眼，动作夸张。
• 写实电影风：适合情感口播账号，角色真实，光线温柔。
• 像素游戏风：适合怀旧游戏类账号，增加幽默感。

我更建议你先选一个最擅长的风格，做满三条再换。很多新手的问题是今天换画风明天换工具后天换口号，数据不稳定还找不出原因。

批量测试时，控制变量很重要。同一支脚本措辞不变，只改变画风或配音，数据才有对比意义。如果你同时换了内容、画风、配音和 BGM，数据不好看时也不知道是哪个环节出了问题。

5.3 建立素材库存，不重复生成

一定要养成“做完一条就归档”的习惯。目录结构建议如下：

AI短剧项目/ 01_选题库.xlsx 02_分镜脚本/ 20250216_男朋友好惨.md 03_参考图/ 角色_小男孩_v1.png 场景_小卖部_v1.png 04_生成素材/ 镜头1_原始.ts 镜头1_修复.ts 05_音频/ 旁白_配音.mp3 BGM_轻钢琴.mp3 06_成片/ 最终版_16_9.mp4 封面图.png

这样做的好处是：如果某条视频流量突然上涨，你可以在 5 分钟内找到原始素材，立刻做二创版本。如果经常找不到素材，大概率不是记性差，而是没有归档习惯。

5.4 一次生成三版封面，用封面测试点击率

封面在短视频里的作用比想象中大。尤其是 AI 生成的回忆类视频，封面需要一眼能看出“这是童年记忆”，而不是“这是动画片”。我常用的封面方案：

• 分镜 1 的男孩表情特写 + 标题文字“我男朋友好惨啊”。
• 分镜 4 的成年人与童年照片同框 + 标题文字“不过话又说回来”。
• 纯童年场景，比如自行车、小卖部、老树 + 标签 #童年。

封面文字不要超过 8 个字。平台会自动压缩配图，文字太多根本看不清。

6. 发布和运营细节：做完视频后还要做哪几件事

视频做完了，不等于工作完成。发布和反馈分析其实占整个流程的三到四成重要性，这部分新手往往忽略。

6.1 发布前检查清单

• 画面比例是否统一为 9:16。
• 标题里是否包含“童年”和“AI”关键词，并带活动标签。
• 旁白音量与 BGM 音量是否平衡，通常旁白比 BGM 高 20% 到 30%。
• 首屏前 3 秒是否能抓住注意力，如果开头太慢就换一个开场画面。
• 视频描述区是否写了互动引导，比如“你小时候有没有类似的惨事？评论区说说。”

6.2 确认平台活动格式

建议每次发布前都去活动页面确认格式要求，包括视频时长、画幅比例、话题标签个数、是否要求原创声明、是否限制参赛数量。不同平台的活动规则不同，有时候同一个标题在不同平台的流量差异很大。

不要觉得“反正平台能识别内容”，就随便从相册传。如果活动要求使用指定标签，漏掉等于白做。更稳妥的操作是把“活动要求确认”放入发布前检查清单的第一项。

6.3 怎么分析反馈

不要只盯着播放量。播放量能衡量曝光，但真正决定后续优化方向的是完播率、评论关键词和粉丝转化信号。

• 完播率高，说明选题和节奏没问题。
• 评论区很多人说“想起了小时候”“哈哈哈哈”，说明情绪共鸣到位了。
• 评论区总有人问“怎么做的”“用的什么工具”，说明画面效果成功吸引到创作者群体。
• 粉丝新增主要归因于哪条视频，这条视频就是你的内容基准。

之后每做一条新内容，都拿它跟历史数据对比，而不是跟“想象中全平台爆款”对比。数据是衡量内容健康度最直接、最冷静的方式。

6.4 长期建议：别把自己绑死在一个工具上

AI 视频工具更新速度极快。今天习惯使用的工具，下个月可能推出完全不同的功能，也可能出现新的替代方案。所以更值得投入的是“提示词结构”和“创作流程”，而不是某一个封闭工具的操作步骤。

我现在的做法是：所有素材、分镜文档、提示词模板都保持工具中立，选工具时只看三点，画面质量是否稳定、单条生成成本是否可接受、运动生成时人物形变是否严重。如果某天发现某个环节卡住了，换工具只需要重新熟悉界面，不需要把自己的内容资产重新做一遍。

7. 我踩过的一些坑，提前说给你听

最后分享几个真实踩坑记录。这些问题看起来都不复杂，但每一条都可能导致几个小时白干。

7.1 生成图很美，但合成视频像“灵异片”

这是最常见也最劝退新手的情况。原因通常是运动幅度太大，比如让静态图里的男孩直接转头 90 度，AI 会脑补一张完全陌生的脸。解决方法是拆分动作：先让眼睛眨动，再让头轻微偏转，最后再切镜头。每一步都只做很小的运动，形变率才会降到可接受范围。

7.2 同一个角色，越往后越不像一个人

这种情况通常是“参考图固定”做得不够。即便第一次生成的图很理想，后面的画面仍然需要依赖角色参考图。不要指望 AI 能记住角色，也不要只在第一句提示词里写“保持角色”，后面每句都要重复角色描述。

原则上，每一分镜提示词里都要有：same boy, same blue short-sleeved shirt, same hairstyle, same flat cap if any。如果你觉得句子太长，就优先放主角描述，其他环境描述可以精简。

7.3 配音和画面情绪不匹配

要避免一个常见误区：不是所有童年回忆都要用悲伤 BGM。一旦标题写了“不过话又说回来”，后半部分情绪就应该是轻松的、释然的。配音语速也要跟着内容变化。

配乐最稳妥的选择是“轻快钢琴 + 轻微怀旧感”，不要用强节奏鼓点，也不要全程用悬疑感音效。如果剪辑工具支持关键帧调音量，建议在旁白出现时把 BGM 音量降下来，停顿间隙再抬上去。

7.4 保存工程文件，是给自己留后路

剪辑合成前，一定要把工程文件和原始素材分开保存。AI 生成素材本身不占用特别多空间，但如果你反复生成并丢弃旧素材，很容易在需要二创时发现原始素材已经找不到了。

另外我建议每次剪辑完导出成片后，把工程文件统一命名成“日期_主题_版本号”的格式，比如 20260216_boyhood_v3。看似多花 5 秒钟，后期找回效率能提高非常多。

8. 一条完整可执行的 Checklist，直接复制去用

到这里，整个创作流程基本拆完了。我把最核心的检查项整理成一份清单，方便你下次做同类内容时对照使用。

• 标题是否有情绪铺垫和反转？“好惨”和“话又说回来”缺一不可。
• 主题核心是不是“童年记忆”，而不是真实伴侣爆料。
• 是否拆分成 4 到 5 个分镜，每个分镜独立表达一个信息。
• 是否固定了角色参考图、场景参考图、画幅和风格标签。
• 提示词是否包含主体、动作、环境、光线、风格、画质六类信息。
• 每一个画面运动是否控制在 3 秒以内，避免大角度转头。
• 配音是否选了有情绪的声音，语速是否配合内容节奏。
• 字幕是否不遮挡安全区，一条不超过 15 个字。
• 发布时是否带了“童年”“AI”“AI浪潮创作计划”等标签。
• 是否按目录归档素材，并导出一版无字幕成片，方便后续翻译或重剪。
• 发布后是否记录了播放、完播、评论关键词，并且按这些数据调整下一条内容。

这十二条如果你能全部做到，一条 AI 童年回忆短视频的质量不会差。剩下要做的，就是多看反馈，多对比自己的数据，持续迭代。顺手留一个建议：第一次做不要追求完美，先用一条 30 秒的视频把整个流程跑通，再谈优化。