如何用 AI 製作短片｜75 秒懸疑短片完整工作流程

一支 AI 短片最難的地方，通常不是生成一個漂亮鏡頭，而是讓故事、角色、場景、聲音和節奏在一分鐘後仍然像同一部作品。只要直接要求模型「做一支懸疑短片」，常見結果就是人物換臉、房間格局改變、道具消失，或每個鏡頭都好看卻接不起來。

這篇教學會用一支約 75 秒的懸疑故事《不要開門》，示範如何用 AI 製作短片。我們會從一句故事概念開始，依序完成劇本、角色與場景設定、8 鏡頭分鏡、關鍵影格、逐鏡影片提示詞、語音、環境音和最後剪輯。案例刻意只使用一名可見角色、一間公寓、一扇門和一支手機，讓你能把注意力放在敘事與連續性，而不是同時處理太多變數。

AI 短片製作不是一次生成一部電影

目前的影片模型更擅長完成一個明確鏡頭，而不是在單次生成裡維持 60 至 90 秒的角色、空間和劇情連續性。真正可控的 AI 影片製作流程，比較接近一個小型劇組：先寫劇本，建立角色和場景參考，再安排每一個鏡頭，最後才生成影片與聲音。

這個方法需要多幾個步驟，卻能讓你只重做失敗的鏡頭，不必因為最後五秒出錯而重新生成整支影片。

案例設定：《不要開門》

故事發生在深夜 11:47。一名 30 歲出頭的女子獨自在公寓裡，手機忽然收到一段來自自己號碼的語音訊息，但訊息日期顯示為明天。

訊息裡的她急促警告：

幾秒後會有人敲門。不管你聽見誰的聲音，都不要開門，也不要回答。

語音結束後，門外真的響起三次敲門聲。接著，走廊傳來她自己的聲音：「是我，快開門。」她從門眼看出去，外面沒有人，門把卻開始緩慢轉動。當她重播語音時，發現錄音裡提前出現了自己此刻的呼吸和腳步聲。她終於明白，自己必須錄下同一段警告，傳給昨天的自己。

手機顯示「已傳送至昨天 23:47」後，走廊的敲門聲停止了。她剛鬆一口氣，公寓內部卻傳來最後一聲敲擊，畫面切黑。

這個故事適合 AI 製作，因為它只需要一名可見角色、一個主要場景和少數固定道具。懸疑主要靠聲音、反應與資訊順序建立，不需要大量群眾、打鬥或複雜場景切換。

步驟 1：先把故事縮小到可控制的範圍

短片不是把長片加速播放。60 至 90 秒的故事最好只保留一個衝突、一個轉折和一個結尾。

《不要開門》的故事骨架可以寫成三句話：

1. 衝突：女子收到來自明天的警告，不可以開門。
2. 轉折：門外出現她自己的聲音，而語音可以預測她當下的動作。
3. 結尾：她把警告傳回昨天，卻發現真正的危險可能已在屋內。

如果一句故事概念同時包含三名角色、五個地點、兩段追逐和完整世界觀，先刪掉不影響核心反轉的部分。AI 影片越短，越需要把生成預算留給觀眾真正會記住的畫面。

步驟 2：把故事寫成 75 秒短片劇本

劇本要描述可被看見或聽見的資訊，而不是只寫角色心裡的想法。以下版本把故事分成 8 個節點，每一段都會對應後面的分鏡。

對白要短，讓觀眾有時間讀懂畫面。這個故事真正必要的台詞只有未來語音、門外的一句話和女主角重新錄製的警告。

步驟 3：建立角色、場景與道具設定

角色一致不是反覆寫「同一個女人」，而是建立一組每次都能重複的可見特徵。場景也一樣，門的位置、牆面顏色、燈光方向和家具關係都應該固定。

女主角設定

• 30 歲出頭的成年東亞女性
• 肩下深棕色直髮，右側自然分線
• 深棕色眼睛，臉型偏長，妝容極淡
• 炭灰色針織外套、象牙白 T 恤、深色長褲
• 全片不更換服裝、髮型、飾品或妝容
• 表演從放鬆、疑惑、警覺，逐步進入壓抑恐懼

公寓設定

• 小型現代公寓，深夜，冷色城市環境光
• 暖色桌燈作為主要室內光源
• 深灰色前門位於客廳右側，銀色水平門把
• 木質餐桌位於畫面左側，桌上只有黑色手機和玻璃杯
• 門後方沒有窗戶，門外是狹窄的白色走廊

道具設定

手機必須是同一支黑色直板智慧型手機。畫面上的時間、訊息日期和傳送狀態是故事線索，最好把手機特寫當成獨立鏡頭製作，避免模型在人物表演的同時還要生成完全正確的介面文字。

更完整的角色參考方法，可以搭配 AI 影片角色一致性教學，先做中性正面、四分之三側面和主要表情參考，再進入分鏡。

步驟 4：把劇本拆成 8 個可生成分鏡

分鏡要決定的不只是畫面內容，也包含景別、相機位置、角色動作和鏡頭如何接到下一段。

如果你還不熟悉鏡頭拆解，可以先閱讀 AI 故事板教學，確認每個鏡頭只承擔一個主要資訊。

步驟 5：先生成關鍵影格，再讓畫面動起來

關鍵影格是每個鏡頭最重要的靜止畫面。先確認人物、構圖、服裝、場景和道具，再把影格送進圖片轉影片模型，通常比直接從文字生成影片更容易維持一致。

第一鏡的關鍵影格提示詞可以這樣寫：

寫實電影感靜態畫面，時間為深夜 11:47，小型現代公寓內，一名 30 歲出頭的成年東亞女性獨自坐在木質餐桌前。她有肩下深棕色直髮、右側自然分線，穿炭灰色針織外套、象牙白 T 恤和深色長褲。黑色智慧型手機在透明玻璃杯旁震動。畫面左側是暖色桌燈，窗外冷藍色城市光進入室內，深灰色前門位於房間右側，配有銀色水平門把。克制的心理驚悚氛圍，真實皮膚質感，35mm 鏡頭，中廣角構圖，細微陰影。不要出現其他人物、文字或變形的手部。

門眼鏡頭可以先生成「女子肩後看向深灰色前門」的構圖，再單獨製作走廊空景。不要要求同一個短片段同時穿越門眼、旋轉相機、顯示走廊和回到角色臉部。

步驟 6：逐鏡頭撰寫動作與運鏡提示詞

影片提示詞應該說清楚誰在動、如何動、相機怎麼動，以及畫面中哪些東西不能改變。每個鏡頭盡量只保留一個主要動作。

沿用已確認的公寓與角色參考。從同一名女子身後進行肩後跟拍，她緩慢走向深灰色前門。一隻手靠近胸前，身體靠向門眼，但不要碰觸門把。攝影機以克制的步行速度跟隨，只有輕微自然晃動。暖色桌燈仍位於她身後左側，冷色光線勾勒門板輪廓。鏡頭結尾停在保持一致的銀色水平門把上，門把自行向下轉動幾公分。不要顯示入侵者，不要新增人物、家具或服裝，不要造成臉部變形，也不要突然旋轉攝影機。

沿用同一名女子、服裝、公寓格局、前門、光線與黑色智慧型手機。以中景開始，她在傳送警告後低頭看著手機螢幕。走廊的敲門聲停止，她的肩膀稍微放鬆，但不要微笑。攝影機緩慢向後拉，逐漸露出她身後更深的公寓黑暗，而她始終面向前門。她聽見公寓內部傳來一聲沉重敲擊，立刻僵住，不要轉身。停留一秒後迅速切黑。不要出現怪物、可見攻擊者、血腥畫面、新增角色或改變的房間格局。

運鏡語言可以參考 電影感提示詞指南，但不要為了顯得華麗而讓每個鏡頭都旋轉、變焦或快速穿越空間。這個故事需要的是克制，而不是技術展示。

步驟 7：設計來自「明天的自己」的聲音

聲音是這支短片真正的第二個角色。未來語音、門外聲音和女主角現場錄製的警告，都應使用同一個聲線，但透過距離、壓縮和情緒做出差異。

未來語音

聽我說。幾秒後會有人敲門。不管你聽見誰的聲音，都不要開門，也不要回答。別相信門外的人。

語速偏快，呼吸不穩，但必須壓低音量。加上手機播放的頻率壓縮和微弱底噪，讓它聽起來像一段真正收到的語音訊息。

門外聲音

是我。快開門。

使用同一個聲音，但讓它更平靜、更靠近門板。這種不自然的冷靜，比尖叫更有威脅。

現場錄製

女主角在第 7 鏡重新說出未來語音。她已經理解時間循環，所以前半句急促，後半句逐漸變成她在第一段訊息裡聽到的語氣。觀眾應該在這裡意識到，兩段語音本來就是同一段錄音。

環境聲保持簡單：冰箱低頻、遠處車流、手機震動、三次敲門、門把金屬摩擦，以及最後來自屋內的一聲敲擊。背景音樂不要太早說明恐怖情緒，可以等第一次敲門後才加入低頻音色。

步驟 8：用剪輯建立懸疑節奏

懸疑來自觀眾比角色早知道一點，卻又無法看見全部資訊。剪輯時可以使用下面幾個方法：

• 聲音先行：第一次敲門可以在角色近景結束前先響起，再切到門口。
• 保留停頓：警告結束後留半秒安靜，讓觀眾等待預言是否成真。
• 固定敲門次數：每次都清楚保留三次，讓錄音與現實形成對照。
• 不要過度切換：角色聽語音時，讓鏡頭停留在她的反應，而不是一直切手機畫面。
• 延後揭露：最後一聲敲擊後直接切黑，不顯示危險來源。

手機介面文字可以在剪輯階段疊加，確保「明天」、「23:47」和「已傳送至昨天」準確可讀。不要把關鍵劇情完全交給影片模型生成的隨機文字。

AI 短片連續性檢查表

完成初剪後，逐鏡確認下面項目：

• 角色：臉型、髮長、分線、服裝和年齡是否一致？
• 空間：桌子、門、燈和走廊的相對位置是否改變？
• 道具：手機顏色、門把方向和玻璃杯是否突然換款？
• 時間：手機日期和 23:47 的時間線是否符合故事？
• 聲音：未來語音、門外聲音和現場錄音是否像同一個人？
• 動作：角色在前一鏡伸出的手，是否能接上下一鏡的姿勢？
• 故事：沒有說明製作流程的情況下，觀眾是否仍能理解時間循環？

如果只有一個鏡頭失敗，回到該鏡頭的參考影格、動作提示詞或結束姿勢修正。不要因為門把方向錯了，就重做已經穩定的角色近景和聲音。

完整可複製的 AI 短片專案指示詞

下面這份指示詞適合放在專案建立階段，用來產生劇本、角色設定和第一版分鏡。逐鏡生成影片時，仍然應使用前面的鏡頭專用提示詞。

製作一支約 75 秒、9:16 直式、寫實風格的心理懸疑短片，片名為《不要開門》。
主角是一名 30 歲出頭的成年東亞女性。她有肩下深棕色直髮、右側自然分線、深棕色眼睛，穿炭灰色針織外套、象牙白 T 恤和深色長褲。全片只能有這一名可見角色，臉部、髮型、服裝和身形必須保持一致。
故事發生在晚上 11:47 的小型現代公寓。室內使用暖色桌燈和冷色城市環境光。深灰色前門位於客廳右側，使用銀色水平門把。木質餐桌位於左側，桌上只有一支黑色智慧型手機和一個透明玻璃杯。公寓格局、門、燈、桌子和手機在所有鏡頭中保持一致。
故事內容：女子的手機收到一段來自自己號碼、但日期顯示為明天的語音。未來的她警告：「幾秒後會有人敲門。不管你聽見誰的聲音，都不要開門，也不要回答。」接著門外響起三次敲門聲，並傳來她自己的聲音：「是我，快開門。」她從門眼看出去，走廊空無一人，門把卻開始緩慢轉動。她重播語音，發現錄音提前收錄了自己此刻的呼吸和腳步。她理解自己必須錄下同一段警告並傳給昨天。手機顯示「已傳送至昨天 23:47」後，走廊的敲門聲停止，但公寓內部傳來最後一聲敲擊，畫面立即切黑。
先產出故事摘要、75 秒劇本、角色設定表、公寓與道具設定、8 個相互連接的分鏡、每鏡頭時長、景別、角色動作、攝影機運動、光線、聲音和鏡頭結束狀態。再為每個鏡頭撰寫可以獨立生成的圖片提示詞與影片提示詞。
整體使用克制、寫實的心理驚悚攝影，35mm、50mm 和 85mm 鏡頭語言，緩慢推近、肩後跟拍和固定特寫。不要使用血腥畫面，不顯示入侵者或怪物，不新增人物，不改變角色服裝、房間格局、前門、門把或手機，不使用極端廣角變形、突然旋轉的攝影機或無意義特效。結局必須清楚呈現時間循環，同時保留危險已進入公寓的懸念。

從故事概念到可以修改的 AI 短片

好的 AI 短片不是由最長的提示詞產生，而是由一連串清楚決策組成：故事要多小、角色哪些細節不能變、每個鏡頭只完成什麼、聲音何時提供資訊，以及哪一個錯誤值得單獨重做。

SoulVid 可以把故事概念、劇本、角色、素材和分鏡放在同一個短劇工作流程中。先檢查故事和鏡頭規劃，再生成影片，能讓你保留已經成功的內容，只修改失敗的場景。

常見問題