指南 / 影像製作

逐步從腳本製作影片

你有一份腳本。錯誤的做法是將整份腳本貼入一個提示詞欄位。將其拆分為鏡頭,為每個鏡頭指定專屬運鏡,分別錄製台詞,再將片段剪接在一起。這裡示範一份 66 字的腳本如何完整製作成成品。

  • 閱讀時間 13 分鐘

本文由英文自動翻譯。閱讀原文

鏡頭清單鏡頭 1人聲剪輯結果已完成

依序列出你製作的內容。點一下即可跳到對應步驟。

本指南將逐步示範如何將一份腳本製作成 MP4 影片。這份腳本共 66 個字,分為四個節拍,每個節拍都生成了一段 6 秒的片段,其中三段使用 Kling v3,屋頂場景使用 Seedance 2.5,並各自套用編曲器晶片列中的鏡頭運動。旁白由 ElevenLabs v3 生成,音樂由 Lyria 3.5 生成,剪輯則在 Studio 中完成並從該處匯出。這裡展示的每個片段和靜態圖像都是為本指南實際生成的輸出結果,且所有表演者皆為虛構人物。

首先請注意:這是製作有腳本影片最快且誠實的方式,並刻意讓每個鏡頭出現不同的人物。如果你的腳本需要在每個鏡頭中保持同一個角色,那是另一種工作,請參考短片指南。

常見錯誤

錯誤失敗原因修正
將整份腳本貼入單一提示詞模型會將其視為一段長描述,並返回一個沒有剪輯的通用片段每個節拍對應一個鏡頭,時長 4 到 8 秒,並各自擁有獨立的提示詞
描寫感受而非畫面「她感到迷茫」無法提供鏡頭任何可拍攝的內容描寫鏡頭所見:地點、光線、一個動作、畫面尺寸
要求影片模型朗讀腳本原生語音成本更高,容易偏離文字內容,且無法重新調整時間在音訊合成器中單獨錄製語音,並將其鋪設在剪輯下方
忽略鏡頭設定每個鏡頭都回傳為固定的廣角畫面,讓剪輯看起來像投影片為每個鏡頭選擇一個鏡頭運動選項:鉤子鏡頭使用推近,揭示鏡頭使用升降機上移
讓演員的服裝隨機決定未描述的夾克可能會回傳為敞開狀態,或完全消失明確指出服裝名稱、穿脫方式及顏色

開始之前

  • 一份 60 到 90 字的腳本。以平穩語速朗讀約 25 到 35 秒,相當於四到六個鏡頭。
  • 每個鏡頭一行,說明地點、人物、一個動作,以及景別(廣角、中景、特寫)。
  • 一個 NOLGIA 帳號。新帳號會獲得 350 免費點數,且每個鏡頭的價格都會顯示在「產生」按鈕上,供你在按下前查看。
  • 無需上傳任何內容。這裡的每個鏡頭都是「文字轉影片」。
腳本(66 字)
At two in the morning the city belongs to the ones who are still awake. The dancer in the empty car park, rehearsing for nobody. The chef closing up, lit by the last blue flame. The two friends on a rooftop who missed the last train and did not mind. The taxi driver singing to an empty back seat. Nobody is watching. That is the point.

將腳本轉換為鏡頭清單

朗讀劇本並標記畫面變換之處。我們的劇本變換四次,每個關於人物的句子一次,因此鏡頭清單有四列。開頭那句和最後兩句是旁白,覆蓋在第一個和最後一個鏡頭上,並非獨立鏡頭。

鏡頭畫幅運鏡鏡頭所見秒數
1 舞者廣角推近,中景空蕩的停車場,潮濕混凝土上的琥珀色鈉燈,一名舞者獨自站在中央6
2 廚師中景左移,輕微昏暗廚房,一個瓦斯爐火仍亮著,廚師擦拭檯面並關火6
3 屋頂從後方廣角升降,中景兩名朋友坐在邊緣,背對鏡頭,身後是天際線6
4 計程車中景,從後座手持,輕微司機唱歌並敲擊方向盤,玻璃上有雨水和琥珀色街燈6
四個鏡頭,24 秒畫面,旁白少於 25 秒。運鏡欄位是你按下的選項,而非你撰寫的句子。

提示:像服裝部門那樣描述服裝. 請在提示詞中說明服裝名稱與閉合方式,模型就會保留這些細節。例如提示詞寫「黑色連帽運動套裝,夾克拉鍊拉到下巴」,那麼整段舞蹈中夾克都會保持拉上狀態。

在影片編輯器中生成每個鏡頭

開啟影片編輯器。在 開始來源 下,保持選擇 文字轉影片。在提示詞上方的選項中選擇模型:我們為舞者、廚師和計程車使用了 Kling v3(選單中顯示為 Kling 3.0),因為它能讓移動的身體看起來更真實;為屋頂場景使用了 Seedance 2.5。輸入鏡頭的提示詞,然後在 運鏡 列中按下一個選項並選擇強度。編輯器會在選項下方顯示它將添加到你的提示詞中的確切句子,且不會重寫你輸入的內容。

  • 將 長度 設為 6 秒,形狀設為 16:9。Kling v3 可渲染 3 到 15 秒,Seedance 2.5 可渲染 4 到 30 秒;編輯器只提供模型能生成的長度。
  • 價格顯示在 生成影片 按鈕上。這是針對此模型、長度和品質的即時報價,也是你將被收取的費用。
  • 每個鏡頭按一次 Generate。每個片段都會進入你的媒體庫,並顯示在表單下方的最近生成列中。
鏡頭 1,已發送(運鏡選項:Push-in,medium)
A multi-storey car park at night, empty, wet concrete floor reflecting a row of amber sodium lamps, thin haze. A young woman with cropped bleached hair wearing a black hooded tracksuit with a thin white stripe, the jacket zipped up to the chin, black cargo trousers and white trainers, dances alone in the center of the frame, a slow controlled groove, arms cutting through the haze. Wide shot. Cinematic, anamorphic flare on the lamps, fine film grain. No text, no logos.
一位留著漂染寸頭的年輕女子,身穿拉鍊黑色運動服,在琥珀色燈光下的空蕩停車場獨自跳舞。
鏡頭 1,使用 Kling v3 製作。 推鏡,中景。三次拍攝中的第二次。三次都跳了約四秒,然後走向鏡頭,第三次甚至在提示詞結尾重複了該動作。我們保留了第二次,讓走向鏡頭的動作以她的臉部特寫結束該鏡頭。
一位留著深色捲髮、身穿黑色圍裙的年輕廚師,正在點亮的藍色瓦斯爐旁擦拭不鏽鋼檯面,身後是溫暖的吊燈。
鏡頭 2,使用 Kling v3 製作。 向左平移,輕微。一次拍攝。他擦拭出餐檯,並在最後一秒伸手去轉旋鈕;鏡頭結束時火焰仍點著。
從背後看兩位朋友站在夜間的天台邊緣,一位穿紅色羽絨衣的男子和一位穿駝色大衣的女子倚靠在他身上,下方是城市屋頂和窗戶燈光。
鏡頭 3,使用 Seedance 2.5 製作。 升降鏡頭向上,中景。我們用 Kling v3 對這個提示詞進行的一次測試,在天際線的塔樓上出現了一個發光的招牌帶。Seedance 2.5 保持了畫面乾淨,將天際線呈現為黑暗的屋頂和窗戶燈光。
從後座視角,一位留著平頭年輕計程車司機邊開車邊唱歌,擋風玻璃上有雨滴,前方是紅燈。
第 4 個鏡頭,使用 Kling v3 製作。 手持拍攝,輕微晃動。一次完成。
第 2 至 4 個鏡頭,如送出所示
SHOT 2 (Truck left, subtle): A small late-night restaurant kitchen, stainless steel, most lights off, one gas burner still lit with a blue flame. A young chef in his twenties with dark messy curls and a small gold hoop earring, a black apron over a white tee, wipes down the steel pass, then reaches over and turns the burner off; the blue flame throws cool light on his face against warm amber pendant lights behind him. Medium shot, shallow depth of field, thin haze, cinematic. No text, no logos.

SHOT 3 (Crane up, medium, on Seedance 2.5): A city rooftop at night, two friends in their twenties sit side by side on a low ledge with their backs to the camera, a man in a red puffer jacket and a woman in a long camel coat; beyond them an anonymous city of dark rooftops and plain distant towers with small warm window lights, no famous landmarks, a hazy sodium glow in the sky, wind in their hair; one laughs and leans against the other. Wide shot from behind, haze, cinematic. No signs, lettering or logos anywhere.

SHOT 4 (Handheld, subtle): Inside a taxi at night, seen from the empty back seat: the driver, a young man in his twenties with a buzz cut, a thin gold chain and a vintage navy track jacket, sings along to the radio and taps the wheel, rain on the windscreen, streaks of amber streetlights and red traffic lights sliding across the glass and his face. Shallow depth of field, cinematic, film grain. No text, no logos.
影片合成器介面,有五個編號標記:模型卡片上的 Kling 3.0、第 1 個鏡頭的提示詞、Camera move 列中選取 Medium 的 Push-in 及其新增的句子、6s 和 16:9 標籤,以及顯示價格的 Generate video 按鈕
在電腦上。 (1) Kling 3.0。(2) 第 1 個鏡頭的提示詞。(3) Medium 的 Push-in,以及標籤下方新增的句子。(4) 6 秒,16:9。(5) 按鈕上的價格。
手機上的相同合成器介面:第 1 個鏡頭的提示詞,以及下方選取 Push-in 的 Camera move 列
在手機上。 相同的表單,單欄佈局:(2) 提示詞,接著是選取 Push-in 的相機移動列。

注意:生成只需點擊一次,價格即為收費. 沒有確認步驟。按鈕上的數字是伺服器針對此模型、長度和品質的報價,其他價格的提交會被拒絕,因此你看到的價格就是實際收取的費用。

在音訊合成器中錄製旁白

開啟音訊編譯器,選擇 旁白,將整份腳本貼上作為提示詞並挑選一個聲音。我們使用了 ElevenLabs v3,聲音為 Rachel,速度為 0.95。文字轉語音的費用取決於腳本的長度,因此當你輸入時,按鈕上的價格會變動。我們的 66 個字詞產生了 25.2 秒的音訊。

至於音樂,同一個編譯器可以根據描述生成配樂。我們向 Lyria 3.5 要求一段適合夜間城市影片的慢速合成器脈衝,並使用了前 30 秒作為剪輯背景。描述請專注於氛圍和節奏,而不是畫面。

音樂提示詞
A slow, moody synthwave pulse at 84 bpm for a night-time city film: warm analogue pads, a soft side-chained bass, distant reverb, no drums until the second half, no vocals, cinematic and intimate
音訊編譯器介面,標有五個編號:旁白、提示詞框中的 66 字腳本、ElevenLabs v3、聲音 Rachel,以及顯示價格的「生成音訊」按鈕
旁白準備就緒,可進行生成。 (1) 旁白。(2) 腳本即為提示詞。(3) ElevenLabs v3。(4) 聲音,Rachel。(5) 價格,會隨腳本長度變動。

在 Studio 中進行剪輯

開啟時間軸並按下新時間軸;系統會先要求選擇專案,因此請建立一個新專案。在左側的媒體欄中,開啟媒體庫,找到每個鏡頭並按下其+:片段會落在播放頭位置的新軌道上。按下End將播放頭移至現有內容的結尾,再新增下一個片段,讓四個鏡頭依序排列。接著按下Home,以相同方式新增旁白和配樂;它們會落在畫面下方的音訊軌道上。

  • Studio 會自動儲存進度。沒有儲存按鈕。
  • 2 分鐘的配樂比剪輯片段長。將播放頭移至畫面結尾,在未選取任何內容時按下C以分割其下方的所有片段,點擊配樂的尾部並按下刪除。
  • 當剪輯播放效果符合你的需求時,在標頭中按下匯出影片。MP4 檔案會免費存入你的媒體庫。
Studio 介面顯示四個編號標記:V1 上首尾相連的四個鏡頭,A1 上的配樂,畫面下方 A2 上的旁白,以及匯出影片按鈕;節目監視器中顯示舞者
電腦上的剪輯。 (1) 四個鏡頭依序排列,這裡在同一條軌道 V1 上;每個 + 會將片段放到新的軌道上,無論哪種方式,剪輯效果都相同。(2) A1 上的配樂和 (3) A2 上的旁白,已修剪以配合畫面。(4) 匯出影片。
手機上的 Studio:提示時間軸編輯器需要更大的螢幕,包含舞者畫面的節目監視器,以及用於編輯的 NOLGIA Agent 聊天視窗
在手機上。 Studio 播放剪輯後的影片並將編輯工作交給代理程式;時間軸本身需要更大的螢幕。

注意:最後一句話落在黑屏上. 四個 6 秒的鏡頭總共是 24 秒的畫面,而旁白長度為 24.6 秒,因此我們讓時間軸運行到 25 秒:最後幾個字落在黑屏上,配樂也隨著畫面停止。若要避免這種情況,請少寫一個字,或將最後一個鏡頭改為 8 秒。在 Studio 的音訊檢查器中對配樂套用 淡出,可以讓結束更柔和。

完成的作品

完成的 25 秒作品:一位舞者、一位廚師、屋頂上的兩位朋友,以及夜間的計程車司機。
使用 Kling v3、Seedance 2.5、ElevenLabs v3 和 Lyria 3.5 製作,在 Studio 中剪輯並從中匯出。 四個鏡頭,一份腳本,一次匯出。

二十五秒,四位演員,一個聲音。其中沒有任何鏡頭需要跨鏡頭匹配面孔,這正是這種形式快速的原因。

哪種工具適合哪種工作

工作位置原因
從文字生成鏡頭,每個節拍一個影片合成器,文字轉影片鏡頭移動選項、即時價格、16:9 比例、6 秒
單一角色在外觀上跨鏡頭的一致性(服裝、道具、佈景)角色加上圖片合成器,然後使用「動畫化圖片」請參閱短片指南
旁白與音樂音訊合成器語音按字數計費,音樂按時長計費
剪輯與匯出Studio,從時間軸修剪、疊加音訊、免費匯出
免動手的第一版草稿NOLGIA Agent貼上腳本並要求生成鏡頭;你仍需逐一審查

你仍需重新生成的地方

  • 你未要求的文字。 在我們對 Kling v3 的一次屋頂測試中,天際線中的一座塔樓帶有發光的招牌帶。當將天際線描述為實際存在的內容(黑暗的屋頂和窗戶燈光)時,Seedance 2.5 將其渲染得很乾淨。如果你希望鏡頭中有招牌,請明確說明其內容;如果文字出現亂碼,請重新生成該鏡頭。
  • 結尾的走位。 三位舞者的三個鏡頭都跳了約四秒,然後走向鏡頭,包括提示詞結尾重複動作的鏡頭。在走位開始處剪掉,或像我們一樣保留作為結尾。
  • 動作時間不足。 廚師在最後一秒才伸手去轉旋鈕,鏡頭結束時火焰仍亮著。把動作放在提示詞較前面的位置,或給鏡頭 8 秒。
  • 聲音。 Kling v3 在合成器中會生成自己的聲音;我們製作這些鏡頭時沒有使用它,所以旁白和配樂就是完整的音軌。如果某個鏡頭的聲音與配樂衝突,請在 Studio 中將其音軌靜音。
  • 長度。 需要多個動作的節拍應拆成兩個鏡頭,或使用同一模型的 Extend 選項。

費用說明

每個鏡頭的價格取決於模型、長度和品質,旁白按劇本字數計費,音樂按每次生成計費。剪輯和匯出免費。即時費率如下。

  • Kling v3Pro and up

    Per 5s clip (audio on by default)

    720p 35 點 · 1080p 47 點 · 4K 117 點

  • Seedance 2.5Pro and up

    Per 5s clip

    480p 26 點 · 720p 56 點 · 1080p 137 點

    1080p renders at 16:9 and 9:16

  • ElevenLabs v3Every plan

    Per 1,000 characters

    Standard 6 點

  • Lyria 3.5Every plan

    Per generation

    Standard 5 點

頁面載入時從目錄即時讀取。 所有價格都會在生成前顯示。 查看所有費率.

檢查清單

  • 朗讀劇本並計時;每個畫面變化對應一個鏡頭。
  • 每個鏡頭的提示詞都指明地點、光線、一個動作、景別和服裝。
  • 每個鏡頭都選擇了運鏡選項,並設定了強度。
  • 旁白另行錄製,音樂則以情緒和節奏來描述。
  • 在 Studio 中修剪鏡頭,將語音對齊第一個鏡頭,並在與配樂衝突的地方靜音原始聲音。
  • 匯出一次,分享前完整觀看一次。

自己試試看

上述四個提示詞、旁邊標註的鏡頭選項、Kling v3 的 6 秒和 16:9 設定(屋頂場景使用 Seedance 2.5),以及貼入 ElevenLabs v3 音訊編譯器作為旁白的腳本,即可重現此作品。模型每次生成的結果都不同;場景和服裝才是文字所確定的內容。

這些片段

  • 鏡頭 1,舞者(6 秒)MP4 影片 · 1280x720 · 1.1 MB下載
  • 鏡頭 2,廚師(6 秒)MP4 影片 · 1280x720 · 1.2 MB下載
  • 鏡頭 3,屋頂(6 秒)MP4 影片 · 1280x720 · 500 KB下載
  • 鏡頭 4,計程車(6 秒)MP4 影片 · 1280x720 · 1.6 MB下載
四個原始片段,即生成後的樣子,讓你在 Studio 中建立相同的剪輯。

常見問題

一個腳本適合多長的影片?
60 到 90 個字約為 25 到 35 秒的語音,相當於四到六個 6 秒的鏡頭。較長的腳本採用相同方法,只需在鏡頭清單中增加更多列。計算秒數:我們的 66 個字比四個 6 秒鏡頭多出 0.6 秒。
我可以將整個腳本貼入影片編譯器嗎?
你可以,但只會得到一個試圖呈現所有內容的片段。每個節拍對應一個鏡頭,才能產生剪輯、鏡頭移動和可調整的語音。
同一個人會出現在每個鏡頭中嗎?
使用這個方法不會;每個鏡頭都有各自的表演者,這是刻意為之。若要在不同鏡頭中保持同一個角色,請儲存一個角色,並像短片指南那樣從畫面建構鏡頭。
為什麼不讓影片模型直接唸出台詞?
每個鏡頭的成本較高,文字可能會偏離,而且你無法針對剪輯重新調整語速。單獨的旁白更便宜,且保持可編輯性。
我應該使用哪個模型來生成鏡頭?
對於有身體動作的鏡頭,使用 Kling v3;對於 Kling 在天際線中畫出標誌的情況,使用 Seedance 2.5。Veo 3.1 適用於鏡頭中直接說出的台詞;這個方法會單獨錄製聲音,因此不需要它。
如果鏡頭生成失敗會發生什麼事?
執行會停止,點數會退還。當按鈕上的價格符合你的預期時,請再次按下 Generate。

將你的腳本轉換為鏡頭

開啟影片編輯器

影像製作

用 AI 製作短片:從劇本到最終剪輯的流程

一部 25 秒的影片《Last Train》,從五行劇本到調色完成的剪輯:一個已儲存的角色、一個已儲存的地點、一個道具,先生成畫面,再生成鏡頭、聲音、Studio,最後匯出到 Premiere 或 Resolve。

· 閱讀時間 13 分鐘

影像製作

從劇本到分鏡表與鏡頭清單,搭配 NOLGIA Agent

NOLGIA 沒有分鏡工具。誠實的做法是使用代理:貼上劇本,要求鏡頭清單以及每個鏡頭的一幀畫面,並檢視它實際生成的文字記錄與畫面。

· 閱讀時間 11 分鐘