适用：你想用 AI 视频给自己的产品、游戏、App 拍一支宣传短片，又想让它看起来像“片子”而不是“模板”。我这次一天之内从粗剪做到发布，中间被自己推翻了四次。每一次，AI 助手手里都有一个“合格”的数，而每一次，我看完或听完都觉得不行。
先交代背景
我做了个桌面小游戏《工位池塘》：屏幕右下角一个像素小池塘。你专注，小人就钓鱼；你摸鱼，它就空军（钓鱼圈黑话，一条没钓着）。这次更新了生态缸、访客、分享，我想拍一支 1 分 48 秒的宣传微电影。
结构是这样的：
屏幕外：用 AI 视频拍一个在工位加班的女生，机位就是她的显示器，全片只有这一个机位。
屏幕内：游戏画面一帧都不让 AI 画，全是真实游戏录下来的。
两边用声音缝起来：她按下按键，接上游戏里真实的甩杆声。
名词小抄
Seedance：一个 AI 视频生成模型，给参考图和文字，生成几秒到几十秒的视频，可以带声音。
切点：两个镜头接在一起的那一刻。
底噪：背景里那层一直在的环境声，比如办公室的空调声、远处的键盘声。
交叉淡化：前一段声音淡出的同时，后一段淡入，两段在切点上叠一小会儿。
dB：音量单位，数越小越安静，-50 dB 基本就是没声了。
超分：把低分辨率视频放大成高分辨率，这次用的是 Real-ESRGAN。
libass：专业字幕渲染库，很多播放器和压制工具用它画字幕。
随机种子：决定随机结果的那个数。种子一样，抽出来的结果就一样。
GitHub Actions：GitHub 提供的云端自动化服务，能租一台临时的云端电脑替你跑脚本，有 Windows、Linux，也有 Mac。
坑一：零对白，观众摸不到头脑
最初定的方案是“零对白，功能都藏在画面里”，听起来很高级。剪出来一看，不知道这是什么游戏的人，根本看不懂在拍什么。
改法：在片头加一场同事来工位串门的戏。朋友随口问“你昨晚一点多给我发的那个……是啥？”，她指指屏幕右下角：“我屏幕右下角养的池塘。”结尾回到同一个早上，朋友问“那我上班摸鱼，它也钓鱼吗？”，她答“你摸鱼它就空军”，再补一句“B站上就能玩”。
这场戏是 AI 一次生成的 28 秒，两个人 8 句台词，和我写的剧本逐字一致，两个人的声音前后也一样。窍门是把所有台词写进同一条生成里，按秒写好谁在几秒说哪句，剪的时候再拆成开头和结尾两段。分开生成的话，同一个人每次的声音都会不一样。
坑二：声音一截一截的
AI 片段是无声生成的，我给每段单独配声音：游戏段放游戏声，AI 段放办公室底噪，每段两头各做一个淡入淡出。
听下来，前半段像是“一段一段截断的”。量了一下才发现：每个切点，两边都淡到了 0，中间挖出一个 -50 dB 上下的坑。每两三秒一个小空洞，耳朵就听成了“截断”。
改法：
切点改成 0.2 秒交叉淡化，任何一边都不先归零。
屏幕外铺一条不跟着镜头切的连续底噪。
前半段垫一段很克制的音乐，到高潮再交接给主旋律。
之后切点前后的音量跳变，平均从 4 dB 降到 1.4 dB。这个检查我现在每次出片都跑。
坑三：超分之后，质感反而变差了
AI 视频是 720p，我让助手全部超分到 1080p：1,877 帧，本机显卡跑了大约 2 小时。检查结果全过：没有闪烁，局部截图看，毛衣针织和发丝“更清楚”。
我看成片的第一反应是：变丑了。皮肤被抹平，纹理变硬，整个画面有股塑料味。这支片子要的是胶片感，那层颗粒和柔焦就是质感本身，超分把它当噪点修掉了。
最后用的是原版 720p，剪辑时直接放大。2 小时白跑，因为少了一步：先挑 5 秒最能看出质感的画面，出一段原版和超分的对比片，看完再决定要不要整片做。
（另一个细节：一开始查闪烁，量的是整个画面前后两帧差多少，结果误报了。超分把运动的地方锐化了，前后两帧的差别自然变大，这不是闪烁。要查闪烁，得去量画面里本来就不动的地方。）
坑四：字幕看着像模板
第一版的说明文字是半透明圆角底框加淡入淡出，对白干脆没配字幕。我一看就觉得廉价，这是功能讲解视频的样子，不是片子。
换成影视双语字幕的做法，要点就这几条：
两个技术小坑：
字体自动变成最细的那一档：Windows 自带的思源黑体是一个文件装下所有粗细的“可变字体”，字幕渲染库直接用，会落到最细的 Thin。得先把要用的粗细档单独导出成普通字体。
语音识别的时间不能直接用：它会把句子开头标早大半秒，还会在句尾“听出”一个根本没人说的字。要再按音量高低找一遍真正开口和收声的时刻。
坑五：发布后才发现手机上布局乱了
片子把人引到手机上玩，结果发布后我自己在手机上一点“布置”，两条工具栏错开叠在鱼缸上面。
教训：片子引流去哪，发布前就在那个设备上，把片子里宣传的功能走一遍。
顺带两个好用的做法
游戏画面让游戏自己演：我没有录屏，用的是游戏引擎的离线逐帧录制，再写了个脚本替我玩。每个镜头先准备好存档，想钓到哪条鱼，就反推一个随机种子，让游戏自己抽出来。画面逐帧确定，改了剪辑时长还能重录。所以简介里有一句：“为了拍这条，我给自己的游戏写了个脚本替我玩（它比我专注）”。
没有 Mac 也能看 Mac 版截图：GitHub Actions 的 macOS 虚拟机（Apple 芯片那种）能跑图形，录下来的截图就是 Mac 用户看到的样子。靠它发现 Mac 版中文全是方框，修好了才发的新版。
五条心得（可以直接抄走）
先让人知道“这是什么”。 给不认识你产品的人拍片，开头几秒就得说清在看什么。“零对白、全靠画面”，留给已经认识你的观众。
多句台词写进同一条生成。 按秒写好谁说哪句，剪的时候再拆。分开生成，同一个人每次的声音都不一样。
切点别让两边都淡到 0。 用交叉淡化，再铺一条不跟着镜头切的底噪。出片前先量一下切点的音量，别等耳朵告诉你。
慢的、难撤回的后期，先出 5 秒样片。 超分、调色、换字体，先看一小段，再整片跑。
指标全绿，只说明“没坏在你量的那几个地方”。 看不看得懂、听着顺不顺、质感对不对、像不像片子，只能人来判。
这次是 AI 说合格，我说不行，一共四回。下次我先看 5 秒，再让它跑 2 小时。
游戏在这里，手机直接玩：哔哩哔哩 (゜-゜)つロ 干杯~-bilibili
