Vibe 剪辑入门用一张嘴指挥 AI 剪片 一键动效 Prompt 对 AI 说话 术语速查
落到嘴上

对 AI 说话

前面十三章攒的词,在这一章变成句子。开工怎么交代,镜头怎么描述,风格怎么说清,看完片怎么提意见,这里都有可以直接抄的句式。

说不出来,缺的是三样东西

回头看开头那个场面:想要“高级一点”,却不知道接下来该说什么。现在可以把它诊断得更细。说不出来的人,缺的是下面三样里的一样或几样。

缺什么表现补法
缺名词明明看见了那个效果,不知道它叫什么。“就是那种字从下面冒上来的”查术语速查。实在叫不上名,就描述你看到的现象,这比硬编一个词好得多
缺维度不知道有哪些东西可以调。只会说整体,“这段不好”,不知道可以单独调节奏、调景别、调声音沿着六组旋钮逐个过:画面、运动、剪辑、声音、文字、结构
缺判断不知道哪里不好,或者觉得不好但找不到原因什么叫好一章里的六条标准和几个测试

名词可以速成,维度记住六个就够,判断要靠多看慢慢长。好在这三样不必凑齐才能开工,AI 可以反过来帮你补:你描述现象,让它告诉你这叫什么、有哪几种做法。这也是一个值得养成的习惯。

对 AI 这样说
这么说
我看到一个效果但不知道叫什么:画面里的人没动,但背景好像在往后退、越拉越远,有点眩晕。这叫什么?一般用在什么时候?如果我们这条片子里要用,怎么做?
为什么
它会告诉你这叫滑动变焦(dolly zoom),并给出做法。描述现象永远是有效的指令。

开工:一份交代的骨架

行业里把开工前交给创作者的那页纸叫 briefbrief。一份够用的 brief 回答十个问题。前四个问“做什么”,中间四个问“做成什么样”,最后两个问“怎么交”。

1. 目的   这条片子要让谁,看完之后,知道什么 / 感到什么 / 去做什么
2. 平台与规格 发在哪;画幅、时长上限、帧率;安全区
3. 内容   文案(或要点),哪几句是一定要让人记住的
4. 素材   我有什么(列清楚),缺的由你生成 / 去找 / 问我要
5. 结构   开头用什么钩子;分几段;在哪里转折;怎么收
6. 风格   色、字、形、动、声各一句;参照片 + 借哪一层;明确不要什么
7. 节奏   整体快慢;平均一个画面停几秒;哪里要停下来留白
8. 声音   人声来源;音乐的情绪与进出点;音效多还是少
9. 流程   先给我什么确认(分镜表 / 风格帧 / 粗剪),再做什么
10. 自查  交付前你自己检查哪几项

不必每次十项都写满。但你应该清楚哪几项是你有意留给 AI 发挥的,哪几项只是忘了。没写的地方,AI 会用它见过最多的那种做法来填,结果就是你常说的“AI 味”:蓝紫渐变、居中大字、每个元素都弹一下、罐头音乐。

写得差和写得够的对比

对 AI 这样说
别这么说
帮我把这篇文章做成一个 60 秒的短视频,要有吸引力,风格高级一点,节奏快一点。
这么说
把附件这篇文章做成一条 60 秒以内的竖屏解说,发抖音,9:16,30 帧。 观众是对 AI 好奇但没用过的上班族。看完要记住一件事:“会不会用 AI,差距在于会不会提要求”。 结构:前 3 秒用一个反常识的结论开头(文章第三段那句),不要寒暄;中间三个例子,每个 12 秒左右;最后 8 秒回到开头那句话,加一句行动建议。 风格:浅米色纸质底(#F4F1E8),深灰字,只用一个强调色(陶土橙 #C6613F)。画面以大字和真实截图为主,截图加白边、带一点投影,像贴在桌上的纸片。字体用粗的黑体,一屏不超过两种字号。不要渐变,不要发光,不要 3D 图标。 动效:元素一律从下方 30 像素滑入并淡入,0.4 秒,缓出;同屏多个元素依次错开 60 毫秒。转场全部硬切,只有三个例子之间用一次向左的推移。 声音:我会提供配音。配一首轻的、偏原声吉他的音乐,音量压在人声下面;每张截图贴上来时给一个很轻的纸张声。结尾那句话出现前,音乐停半秒。 先给我一张分镜表(时间、旁白、画面、动效、声音),我确认后再做。做完自己抽帧检查:字有没有进遮挡区、每屏的字能不能在停留时间内读完。

第二份长了十倍,但每一句都在替你省一轮返工。而且它里面没有一个词是你读完这份手册后说不出来的。

描述一个镜头

分镜表里的每一行、反馈里的每一条,说的都是“一个镜头”。一个镜头可以用七个槽位说清楚。不必每次都填满,但你应该知道有这七个。

槽位问的是可选的词(去对应章节挑)
时长停多久秒,或帧
内容画面里是什么,主体是谁人、物、截图、文字卡、图表……
取景多大、从哪看、怎么摆景别、角度、构图
运动镜头动不动,元素动不动运镜;进场、强调、出场
衔接怎么进来,怎么出去切点、转场
声音这一镜听到什么人声、音乐、音效、静音
作用观众看完这一镜,多知道了什么或多了什么感觉用大白话说

最后一个槽位最容易被省掉,却最重要。你把“作用”告诉 AI,前面六个槽位哪怕你没填,它也能替你做出合理的选择;反过来,只给前六个不给作用,它会机械执行,遇到细节拿不准时没有依据。

对 AI 这样说
这么说
第 3 镜,4 秒。内容是那张销售额截图。先给全图 1 秒,然后推近到右下角那个数字,推的过程 0.6 秒、缓出,停住后用橙色手绘圈把数字圈起来。硬切进,硬切出。圈画出来的时候配一声铅笔划纸的音效。这一镜的作用是让人看到“真的涨了三倍”,所以那个数字必须是全片最大、最清楚的东西。

描述一个动效

动效的句式在第 1 章出现过,这里补全。任何一个动的东西,都能用这六项说完:

谁   哪个元素(标题 / 第二张卡片 / 那条折线)
变什么 哪个属性,从多少到多少(位置自下方 40px 归位;缩放 0→100%;不透明度 0→1)
多久  时长(0.4 秒 / 12 帧)
怎么变 缓动(缓出;带一点回弹;匀速)
何时  相对谁开始(旁白说到“三倍”这个词的时候;上一个元素落定后 0.1 秒)
停在哪 结束后的状态(停住不动;持续轻微漂浮;1 秒后淡出)
对 AI 这样说
别这么说
数字出来的时候炫一点。
这么说
“300%”这个数字:从 0 滚动计数到 300,用时 0.8 秒,先快后慢。滚到位的瞬间整体放大到 108% 再回到 100%,这个回弹 0.2 秒。旁白说出“三倍”时开始滚。到位后停住,保持到这一镜结束。

描述一种风格

风格最难说,因为它是很多决定的总和。可靠的办法是拆成五件事,每件一两句,再加一份“不要”的清单。

五件事要说清什么例子
色底色、主色、强调色,最好给色值;整体明暗;饱和度高低米白底,炭黑字,一个陶土橙做强调;低饱和,不用纯黑纯白
字字体的气质(黑体 / 宋体 / 手写 / 等宽)、粗细、字号层级有几级、对齐方式标题粗黑体,正文常规黑体,注释用手写体;左对齐;只有三级字号
形图形的语言:圆角还是直角,线条粗细,扁平还是有厚度,有没有纹理和投影直角矩形为主,2 像素描边,纸张纹理,轻微投影像贴上去的
动动的性格:快还是慢,软还是硬,弹还是稳;默认的进出方式稳、短、不回弹;滑入 0.4 秒缓出;不旋转
声音乐类型和情绪,音效是多是少、是写实还是电子原声吉他,轻;纸、笔、印章这些实物声

“不要”的清单和“要”的清单一样有用。AI 默认的那套审美很顽固,你得明着排除。常用的几条:不要渐变,不要发光和光晕,不要每个元素都弹跳,不要 3D 卡通图标,不要 emoji,不要全屏居中的白字压在模糊背景上,不要罐头鼓点。

用参照片

给参照是最快的沟通方式,但要讲规矩,不然就是“哪里都像又哪里都不对”。

  1. 给到时间码不要说“像这条”,要说“像这条的 0:12 到 0:20”。一条片子里好的地方通常只有几段。
  2. 说清借哪一层六组旋钮里你要的是哪几组。“借它的配色和字的排法;节奏不要学,它太快了。”
  3. 说清不借什么参照片里你不喜欢的东西点出来,否则会被一起学走。
  4. 让 AI 先复述叫它看完用自己的话说一遍这条片的风格规则,你来纠正。这一步能提前暴露九成的误解。
对 AI 这样说
这么说
参照片是附件里的 ref.mp4。先别动手,把它抽帧看一遍,然后按“色、字、形、动、声”五项各用两三句话告诉我你看到的规则,再列出它每个镜头的大致时长。我确认你理解对了再开始做。 我要借的是:它的底色和纸片质感、字的大小层级、元素贴上来的那种动法。不借的是:它的背景音乐,以及它开头那段 3D 的片头。

感觉词翻译表

下面这张表是这一章最实用的东西。左边是你嘴里会冒出来的词,右边是它通常对应的具体做法。右边不是标准答案,是一组可以挑的选项。你说感觉词的时候,后面跟上其中两三条,AI 就不用猜了。

你想说通常意味着这些具体决定
高级感颜色少(一个底色、一个字色、一个强调色);留白多,画面里至少三成是空的;字号对比大但字体只有一两种;动得少、动得慢、不回弹;转场只用硬切和极少的叠化;声音干净,音效轻
电影感24 帧;宽画幅或上下加黑边;浅景深,背景虚化;光有方向,有明有暗,不是一片平光;低饱和、偏青橙的调色;镜头缓慢移动而不是静止或乱晃;有环境声,音乐铺底而不抢戏
节奏感 / 带感剪切点落在音乐的重拍上;镜头有长有短,不是一样长;每 10 到 15 秒换一种画面形式;关键处有停顿,然后再起
丝滑所有运动都用缓入缓出,没有匀速和骤停;前一个镜头的运动方向延续到下一个镜头;转场用匹配剪辑或同向甩镜;60 帧或加运动模糊
有冲击力特写和大特写;急推;从安静突然到大声(或反过来);闪白或闪黑几帧卡在重拍;大字占满屏幕;快速连切三四个短镜头
干净同一屏只有一个重点;元素全部对齐到网格;去掉描边、阴影、渐变这些装饰;字少;背景是纯色或很淡的纹理
有质感加一层很淡的噪点或纸张、胶片纹理;阴影柔和而真实;颜色不用纯色,略带灰;有细小的不完美(手绘线条的抖动、贴纸的白边不齐)
活泼高饱和的撞色;圆角和圆形;元素带回弹和挤压拉伸;节奏快,音效多且夸张(啵、叮、嗖);手写体或圆体字
科技感深色底;冷色(蓝、青)加一个亮的强调色;等宽字体、细线、网格、数据读数;运动精确利落,线性或急缓出;电子合成的音效
温暖 / 治愈暖色调,色温偏黄;柔光,没有硬阴影;慢节奏,镜头长;手持的轻微晃动;原声乐器;手写字
紧张镜头越来越短;景别越来越近;手持晃动加大;低频的持续音或心跳声;冷色、低调光;信息故意不给全
松弛镜头长,切得少;固定机位或极缓的移动;有空镜和留白;音乐音量低,听得到环境声;不卡点
有呼吸感密集的信息段落之后,插一个 1 到 2 秒什么都不讲的镜头;句与句之间留半秒;音乐有起有落而不是一直满
去掉 AI 味不用渐变和发光;不用蓝紫色;不用居中对称的万能版式;不让每个元素都以同一种方式弹出来;用真实截图和实拍替代生成的插图;允许不对称和不完美
去掉 PPT 感不要整屏文字加项目符号;一屏只说一件事;让画面里的东西有因果地动(一个推动另一个),而不是各自飞进来;加入真实素材;声音要参与

看完片,怎么提意见

反馈的质量比开工交代更影响结果,因为没人能一次说对,片子都是改出来的。一条好的反馈有四个部分,前两个必须有。

位置  时间码,或第几镜(0:14–0:17 / 第 5 镜)
现象  我看到、听到的是什么(客观描述)
问题  它为什么不对(跟目的冲突在哪)
方向  希望往哪边改(可以不给,让 AI 提两个方案)

关键是把“现象”和“方案”分开。新手一上来就给方案:“把字放大”。可你真正的问题也许是“这一屏我不知道该先看哪”,放大字只是可能的解法之一,也许更好的解法是删掉旁边的图标。你把现象和问题说出来,AI 能想到的办法通常比你多。

没用的反馈有用的反馈
感觉不太对,再调调。0:08 到 0:12 这段,旁白在讲价格,画面还停在上一张功能截图上,对不上。把价格表提前到 0:08 进。
节奏有点慢。开头到第一个例子用了 11 秒,其中 0:03 到 0:07 那个标题动画一个人转了 4 秒。把它压到 1.5 秒,或者直接硬切到标题。
字幕不好看。字幕现在是白字黑描边,和整体的米色纸质风格不搭。改成深灰字、不描边,下面垫一条半透明的米色底。
这里太花了。0:21 这一屏同时有 4 个东西在动:标题在弹、图标在转、背景在飘、数字在滚。只保留数字滚动,其他的进场完就停住。
转场换一个。第 3 镜到第 4 镜的缩放转场太抢,这里内容是顺着讲的,不需要强调切换。改硬切。
音乐不行。音乐一直是满的,盖住了人声,而且全程没有变化。整体压低 6 dB;在 0:30 转折那句之前让它停一拍。

常见病症和对应的说法

你的感觉去查什么可以这么说
太赶,看不过来每屏停留时间够不够读完;有没有换气“每一屏至少停到能把字读完一遍半。三个例子之间各插半秒的停顿。”
太拖,想划走有没有不携带新信息的时间;进场动画是不是太长“把所有进场动画压到 0.4 秒以内。旁白停顿超过 0.4 秒的地方都剪掉。”
不知道看哪一屏里有几个重点;最亮、最大、在动的那个是不是你要人看的“这一屏只让那个数字是亮的、大的、在动的,其他都压暗、缩小、静止。”
看着累是不是一直在动、一直在响、一直是同一种景别“动效进场完就停住,不要持续漂浮。连续三个特写之后给一个全景。”
散,不像一条片色、字、动法有没有全片统一“全片只用这三个颜色、这两种字号、这一种进场方式。把不符合的都改掉。”
平,没有起伏节奏是不是匀速;有没有最高点“全片找一个最重要的时刻(0:38 那句),在它之前收紧节奏,到它那里突然停下来,给它 2 秒。”
假,不可信是不是全是生成的图,没有真实的东西“把这三张示意插图换成真实的截图或新闻原图,标出出处。”
声音和画面两张皮动作有没有对应的声音;剪切点和音乐有没有关系“每个元素落定的那一帧配一个轻的音效。段落切换对齐到音乐的小节线上。”

几条纪律

  • 一轮只改一类问题。这一轮只调结构和时长,下一轮只调动效,再下一轮调声音。混着改,你分不清是哪个改动让片子变好或变差。
  • 先大后小。结构不对的时候不要去抠某个字的颜色。
  • 拿不准就让它出两版。“这个转场做 A、B 两个版本,各导出 5 秒给我比。”比较永远比空想容易。
  • 说保留什么。“第 2 镜的动法很好,保持不动。”否则它可能在改别处时顺手把你喜欢的也改了。
  • 让它自己先看。“改完抽帧检查一遍再给我,告诉我你检查了哪几项。”

分步验收:每次只审一件事

把整件事串起来,一条片子从开口到成片,推荐走这六步。每一步你只需要回答一个问题。

步骤AI 交什么你只审
1. 复述它用自己的话复述你的要求,列出它打算怎么做、哪里不确定它理解对了吗
2. 风格帧2 到 3 张静态画面:一张标题屏、一张信息屏、一张素材屏长相对不对
3. 分镜表一张表:时间、旁白、画面、运动、声音、作用顺序和画面选择对不对
4. 粗剪素材和占位画面按时间排好,有旁白,没有动效结构顺不顺,时长对不对
5. 精剪加上动效、转场、字幕、音乐、音效的完整版节奏和细节
6. 终审按规格导出的成片静音看一遍,闭眼听一遍,在手机上看一遍

一次完整的对话示范

下面是一个缩短了的真实流程,任务是把一段 200 字的文案做成 30 秒的横屏动效解说。注意每一轮人说的话里用到了哪些词。

第一轮:开工
做一条 30 秒的 16:9 动效解说,1080p,30 帧,没有真人出镜,全部用图形和文字。文案在下面。

目的:让没学过摄影的人明白“景别”是什么,记住五个名字。

风格:浅色纸质底,深灰粗黑体,一个橙色强调。像一本摊开的笔记本上在贴东西。不要渐变和发光。

结构:开头 3 秒抛问题“为什么电影里的脸有时大有时小?”;中间用同一张剧照,从远景一路推到特写,每到一个景别停一下、名字贴出来;最后 5 秒五个名字排成一排收尾。

节奏:中间那段每个景别停 3.5 秒左右,推近的动作 0.5 秒、缓出。

声音:我给配音。音乐轻一点;每次名字贴上来配一声“啪”的贴纸音。

先给我分镜表。
第二轮:看了分镜表
分镜大体可以。三处改:

第 1 镜,问题那句现在是居中的一行小字,没有钩子的力气。改成两行大字占满左半屏,“大”和“小”两个字做成真的一大一小。

第 2 到 6 镜,你安排的是每个景别换一张不同的剧照。不要换,就用同一张,靠推近来变景别,这样观众才看得出“只是框变了”。

第 7 镜收尾,五个名字同时出现太平了。按从远到近的顺序依次贴,间隔 0.15 秒。

其他不动。改完直接做粗剪。
第三轮:看了粗剪
结构对了。总长 34 秒,超了,需要砍 4 秒:

0:00–0:03 开头的标题进场用了 1.2 秒,压到 0.5 秒。
0:09、0:13、0:17 这三处,名字贴出来之后又空停了将近 1 秒,各减 0.5 秒。
结尾最后一帧停 2 秒太长,1 秒就够。

粗剪不看动效,这轮只改时长。改完做精剪。
第四轮:看了精剪
好多了。细节:

0:05 第一次推近是匀速的,后面几次是缓出,不一致。全部统一成缓出。

贴纸音效现在比人声还响,压到刚好听得见的程度。

0:21 特写那一镜,“特写”两个字压在了人物眼睛上,挪到画面左下角的空处。

0:26 五个名字依次贴的时候,最后一个贴完之后让整排一起轻轻下沉 4 像素再回来,像被按了一下,给个收尾的感觉。

第 2 镜到第 6 镜的推近动法很好,保持。

改完抽帧自查:每个名字是否完整在画面内、有没有压住人脸;然后导出。

四轮,每轮三五句话。这里面出现的词:钩子、景别、推近、缓出、匀速、粗剪、精剪、进场、间隔、时间码。全部来自前面的章节。会说这些词,一条片子就是这么聊出来的。

随手可用的三十句

最后是一张可以直接贴的口头禅清单,按用途分了组。

开工时

  • 先别做,复述一遍你理解的要求,列出不确定的地方。
  • 先出三张风格帧给我选,不同方向的。
  • 先给分镜表:时间、旁白、画面、运动、声音、这一镜的作用。
  • 缺的素材告诉我,不要自己编一张图顶上。
  • 全片只用这几个颜色、这两种字号、这一种进场方式。

说画面

  • 这一镜换成特写,只留(某个部位或某块区域)。
  • 主体放在左侧三分线上,右边留空给字。
  • 背景压暗 / 虚化,让主体是画面里最亮的地方。
  • 加一个 4 秒的慢推,放大 5% 到 8%,匀速。
  • 这张图不要整张给,先给全图 1 秒,再推到关键的那一块。

说剪辑

  • 转场全部硬切,只有段落之间用一次(某种转场)。
  • 这一刀切在动作进行到一半的时候,不要等动作做完。
  • 旁白先进半秒,画面再切过去。
  • 镜头长短错开,现在每个都是 2 秒太匀了。
  • 这句话说完留半秒空白再接下一句。
  • 剪切点对齐音乐的重拍。

说动效

  • 所有运动用缓出,不要匀速。
  • 进场 0.4 秒以内,出场比进场再快一点。
  • 同屏的元素依次进,间隔 60 毫秒。
  • 进场完就停住,不要一直飘。
  • 去掉回弹,稳一点。
  • 这个数字用滚动计数的方式出来,旁白说到它的时候开始。

说声音

  • 人声最响,音乐压在它下面,音效刚好听得见。
  • 人说话时音乐自动压低,停顿时回来。
  • 这一句之前音乐停一拍。
  • 每个元素落定的那一帧配一个轻的音效,同一类动作用同一个声音。

收尾时

  • 抽帧自查:字有没有出界、有没有压住主体、每屏读不读得完。
  • 做 A、B 两版,各导出这 5 秒给我比。
  • 这几处保持不动:(列出来)。
  • 把这次定下来的风格规则写成一份文档,下一条片直接用。

片例截图与片段仅用于学习与评述,版权归原作者与出品方所有,出处见片单与出处。