AI视频制作全流程拆解：即梦+豆包+剪映零基础实战 原创 于 2026-09-15 16:43:44 发布 · 218 阅读 做短视频这几年，我一直跟身边朋友强调一句话：AI视频没有想象中那么玄，关键在于把流程拆开、用对工具。现在很多人一听说“AI视频制作”就觉得要学半个月软件、懂一堆参数，其实完全不是这么回事。我用即梦生成画面、豆包写脚本和提示词、剪映做剪辑，从零到一出片，整个链路跑通只需要两个来小时。这套组合拳打下来，哪怕你是第一次接触AI视频的小白，也能做出能看的、甚至能拿去接单的成品。这篇文章我就把这套工作流完整拆给你看，每个环节该怎么做、用什么指令、踩了哪些坑，一次性讲清楚。
1. 先搞清楚这套组合能干什么：AI短片的制作链路拆解
1.1 一个完整AI短片的诞生流程 很多第一次接触AI视频的人，脑子里第一反应是“我是不是要学PR、学AE、学建模”。我直接说结论：不用。传统视频制作链条是“写脚本→找演员/场地/设备→拍摄→剪辑→调色→配音”，这里面任何一环都需要大量时间和金钱成本。而AI视频制作的链条完全不一样，它只需要四步： 脚本构思 ：用豆包这类AI对话工具，把你想表达的主题变成一段有画面感的脚本，再拆成可执行的分镜表。 画面生成 ：把分镜表的文案转成AI绘画/视频提示词，用即梦生成一条条几秒钟的画面素材。 后期剪辑 ：把生成好的片段按分镜顺序拖进剪映，加字幕、配音、BGM、转场，调成完整短片。 输出交付 ：按不同平台的需求导出不同比例的成片，发布或者交付给客户。 我用一个实际案例说明。比如你想做一条30秒的“城市清晨”主题短片，用这套流程，豆包会帮你写出类似“薄雾中的城市天际线、晨光洒在玻璃幕墙上、街道逐渐苏醒”这种带有画面描述的文案，然后基于这段文案，即梦会生成不同机位、不同时长的画面素材，最后在剪映里排序、卡点、压字幕，一条有电影感的短视频就出来了。整个过程不需要摄影机、不需要演员，甚至不需要离开座位。 1.2 为什么是即梦+豆包+剪映，不是别的工具 市面上AI视频工具确实不少，像国外有Runway、Pika，国内也有可灵、Vidu这些，各有各的优势。但如果你是一个零基础的小白，想在最短时间内跑通全流程，我建议直接用即梦+豆包+剪映这个组合，原因是这三个工具同属一个生态，配合度极高，你几乎不需要在不同工具之间做格式转换、学习成本被大大压缩。 我把三者的分工梳理成了下面这个表格，方便你一眼看懂： 工具 角色定位 核心解决什么问题 难度 豆包 AI文本助手 写脚本、拆解分镜、生成提示词、改文案 极低，会打字就行 即梦 AI视觉生成 把文字/图片变成动态视频素材 低，选好参数就能出片 剪映 视频编辑器 把素材剪成完整视频，加字幕/配音/音效 低，界面直观 同时，这个组合还有个隐藏优势：即梦是字节系产品，剪映也是，两者在素材管理、生成视频格式兼容性上几乎不用操心。豆包作为同一体系下的AI助手，你让它生成的提示词、分镜描述，天然就贴合即梦的语义理解，生成效果比“用英文提示词喂国外工具”要稳定得多。而且这三款工具都有免费额度覆盖日常使用，前期练手完全不需要花钱。 1.3 “2小时掌握”到底是个什么目标 看标题你可能会有疑问：2小时真能学会AI视频？我的答案是：2小时学完不等于成为大师，但足够你做出第一个成品。我把这2小时给你拆一下，你可以按这个节奏来学： 前30分钟 ：学豆包，重点掌握“怎么把想法变成分镜表和提示词”。 中间60分钟 ：学即梦，重点掌握文生视频、图生视频的用法和参数调节。 最后30分钟 ：学剪映，重点掌握导入、排序、字幕、配音、导出这几个动作。 按这个节奏走，2小时后你能亲手做出一条30秒左右的AI短片。至于接单、做复杂工作流、批量生产这些，属于“先跑通流程之后自然进阶”的事，不用一上来就焦虑。你只需要记住一个核心理念： 先跑通一个最简单的片子，再回来优化细节。 很多小白学不会AI视频，不是因为工具难，而是因为一开始就想做太复杂的效果，结果被细节卡死。
2. 豆包不只是聊天：脚本、分镜与提示词生产
2.1 让豆包替你写好脚本：高质量提问的模板 豆包人人都会用，但大多数人用豆包写脚本的方式是错的。最常见的错误是直接输入“帮我写个短视频脚本”，然后豆包给出一堆正确的废话，比如“开场要有吸引力、内容要干货、结尾要有互动”，这种东西没法用，因为它根本不知道你要做什么主题的视频、目标观众是谁、时长多少、什么风格。 我自己的习惯是，每一次向豆包要脚本时，都会在指令里包含四个关键信息： 题材、时长、风格、目标观众 。给你一个我一直在用的提示词模板，直接复制就能用： 你是一位短视频编导，擅长写有画面感、节奏紧凑的短视频脚本。 请帮我写一个【国风意境】主题的短视频脚本，时长30秒。 要求：
1. 以“深山古寺、晨钟暮鼓、云雾缭绕”为视觉主线；
2. 语言风格偏向静谧、诗意，适合搭配轻音乐；
3. 分成3个段落：开篇引入、中段情绪递进、结尾余韵；
4. 每一句文案都要能在脑海中形成具体的画面。
请直接输出脚本正文。 你看，当你把约束条件写清楚，豆包输出的内容就完全不一样了。它会给你一段能直接读、带有情绪、带画面的文案，而不是空泛的“建议”。这个模板可以套用到任何题材，不管是带货口播、科普知识、旅游宣传还是情感语录，只需要替换掉【】里的内容。 2.2 从文字到分镜表：AI分镜的关键参数 脚本写出来只是第一步，真正决定视频能否落地的，是把脚本拆成分镜表。说实话，这一步是绝大多数AI视频教程都不会详细讲、但恰恰是最关键的一步。很多人拿着脚本去即梦生成视频，生成出来的画面和文案对不上，就是因为没做分镜。 分镜表的核心是“把一段话拆成一个一个镜头”，每个镜头包含画面内容、景别、提示词、时长。我会让豆包直接输出分镜表，同样有模板： 请将上面的脚本拆解为分镜表，要求：
1. 输出格式为表格：镜号 | 景别 | 画面描述 | 生成视频用提示词 | 建议时长
2. 每个镜头时长按3-5秒设计
3. 提示词一栏要具体到：主体、环境、光线、镜头运动方式
4. 所有语言用中文，逻辑通顺，能直接用于AI视频生成工具
豆包生成的表格，我一般会直接复制到剪映的草稿箱旁边、或者一个Excel里，作为“制作地图”跟着走。这里我想特别强调一点： 表格里的“生成视频用提示词”这一栏是最值钱的资产 。因为AI视频生成效果好不好，很大程度上取决于提示词是否具体。比如“云雾缭绕的山间清晨”这种描述就太模糊，而“清晨的山间，浓雾中古寺的轮廓若隐若现，一束金光穿过云层照在青瓦上，镜头缓缓向前推进”这种描述，生成的画面就完全不同。豆包恰好擅长把模糊的想象转化成这种具象的画面语言，你要做的只是把要求说清楚。 2.3 进阶玩法：用豆包生成批处理指令和效率工具 聊到这，我要穿插一个很多人不知道的豆包玩法，它属于“学完今天立刻能提升效率”的小技巧。很多人搜索“豆包优化电脑的指令”、“豆包清理电脑指令”，想知道怎么让豆包帮自己清理电脑垃圾文件——确实可以，但我要提醒一句，涉及系统命令时一定要让豆包解释清楚再执行。 比如说，你可以输入这么一条指令： 请帮我写一个Windows批处理脚本，用来清理系统临时文件夹（%TEMP%目录）， 要求：自动删除目录下所有文件，保留文件夹结构，删除前自动备份到一个指定目录， 输出每一步的操作日志，权限不足时自动跳过并显示提示。 豆包会生成一段完整的 .bat 代码，你把它复制到记事本，保存为“清理临时文件.bat”，右键以管理员身份运行就行。这个能力用在视频制作场景里是什么？就是批处理能力。比如你批量下载了100个素材文件，想让它们按“镜头1、镜头2……”重命名，或者想把某个目录下的视频统一转成MP4格式，豆包都能给你生成对应的批处理脚本。对于不擅长电脑操作的小白来说，这等于免费请了一个程序员助理。 不过我必须要给你提个醒：任何代码、脚本，第一次使用前一定要让豆包解释“每一条命令是干什么的”，确认后再执行。AI生成的东西不是100%完美，你有义务为自己的电脑环境负责。 2.4 还有一个容易被忽略的用法：豆包做“文案润色” AI视频场景里，豆包还有一项价值被严重低估—— 短视频文案的口语化改造 。你写出来的文案，往往带着书面腔，念出来不自然，不适合配音。豆包最擅长的就是把一段平直的文案改写成“像朋友聊天一样”的口语版本。 举个例子，你写一句：“随着城市化进程的不断加快，绿色出行理念日益深入人心。”这句话内容没问题，但放在短视频里就是灾难，因为它没有画面感、没有情绪、念出来也拗口。你可以让豆包改写成：“你知道吗？现在越来越多人，选择蹬一辆共享单车，从地铁口骑到公司楼下。”几秒钟的文案立刻变得有生活气息了。我自己的习惯是，所有要配音的文案都会先让豆包口语化改造一遍，再放进剪映里朗读。 这个功能特别适合做口播类视频。用“图文成片”或者“剪映朗读”时，文案越口语化，AI配音听起来越自然。反过来，文案越书面，AI配音就越像在念报告，观众划走率极高。
3. 即梦AI生成视频：从提示词到成片的实操手记
3.1 即梦的版本选择：网页版和App 端的分工 聊完文案端，现在进入最核心的视觉生成环节。即梦目前有网页端和App端，两个平台的核心功能差不太多，但使用场景有明显区别。我的建议是： 前期学习、批量做素材，尽量用网页端；随手记录灵感、临时想快速生成一条测试片段，用App端。 原因很简单：网页端屏幕大，能同时看到分镜表、提示词和生成结果，方便你反复调整参数；而且网页端的素材管理更清晰，你生成的所有视频都会按时间排列，后续导入剪映时也好找。App端则适合碎片时间用，比如你在地铁上突然想到一个画面描述，打开App输入提示词生成一条，回到电脑端就能同步看到。 另外提醒一点：即梦注册登录后有免费额度，新用户可以白嫖一定数量的生成次数。具体额度可能随活动变化，但日常练手的量基本够用。如果你只是学习，先用完免费额度再说，别急着充值。等你真的能稳定出片、有接单需求了，再考虑开会员也不迟。 3.2 文生视频 ：一段提示词的完整落地过程 文生视频（Text to Video）是即梦最基础、最好上手的生成方式。它的逻辑很简单：你输入一段描述画面的话，即梦就根据这句话生成一条几秒钟的动态视频。但“输入一句话”和“输入一条合格的提示词”之间的差距，大到能决定你生成的是大片还是恐怖片。 我从豆包分镜表里拿一条实际提示词来演示。假设分镜表里第三号镜头的提示词是： 傍晚的江南水乡，河面倒映着暖黄色的灯光，乌篷船轻轻划过，桨声欸乃， 天空是深蓝与橙红的渐变，镜头缓慢从岸边摇向水面，氛围静谧治愈。 把这段话粘贴进即梦的文生视频输入框，然后设置参数。这里有几个参数你要重点关注： 画面比例 ：如果你要做抖音，选9:16竖屏；做B站横屏选16:9；做小红书首图也可以选3:4。不同平台的比例不一样，建议在即梦生成时就定好，不要等剪映里裁，因为裁切会损失画面内容。 时长 ：即梦支持生成不同时长的视频，一般2~8秒。我建议前期用短时长（2~4秒）多生成几条，每条多试几个种子，选出效果最好的再往下走。不要一上来就选最长时长，因为时长越长越容易出现画面崩坏。 运镜方式 ：一些版本支持选择或描述运镜方向，比如推近、拉远、左移、右移之类。如果你没有选，就在提示词里描述清楚，比如上面的“镜头缓慢从岸边摇向水面”。 生成完成后，我会把结果逐个看一遍，重点检查三样东西：画面是否清晰、主体是否正常、运动是否流畅。如果提示词里有“人”，还要检查面部、手部是否变形。AI生成偶尔会出“六指”或“面部扭曲”，遇到这种情况不用慌，重新生成或者换条提示词就行。 3.3 图生视频：让画面更可控的关键操作 文生视频的缺点是随机性大：同一句提示词，生成十次可能有十种完全不同的画面。如果你对画面构图有明确要求，比如“我要一个穿汉服的女孩站在樱花树下”，文生视频往往会给你放飞到谜一样的程度。这时候就要用 图生视频（Image to Video） 。 图生视频的操作流程是：先用AI绘图工具（即梦自带AI绘图功能）生成一张静态图片，然后把这张图上传到即梦中，再输入你想要的动作描述，即梦就会让这张图“动起来”。这个方案的好处是，构图、色彩、主体完全由你控制，你只把“动态”交给AI。 我举个例子。先用即梦AI绘图生成一张图，提示词是： 一位中国古代少女穿着浅粉色汉服，站在盛开的樱花树下， 面容清秀，阳光透过花瓣洒落，背景虚化，摄影风格，高清晰度，唯美浪漫。 生成图片后挑一张满意的，上传到图生视频，再输入动作描述： 风吹过樱花树，花瓣飘落，少女轻轻抬头，微微转身，微笑，发丝随风飘动。 出来的效果就是“图片会动了”，而且画面主体非常稳定。这个小技巧强烈推荐给做情感类、古风类、写真类视频的朋友，它能让你的视频具备“设计感”，而不是随机画面拼凑。 3.4 工作流到底是什么：从“单次生成”到“批量生产” 最近很多人搜索“即梦怎么制作工作流”，甚至有人觉得工作流是个高级到不行的功能。其实把它拆穿了说，工作流就是“把你重复做的事，固定成一个模板，以后一键复用”。即梦里的工作流，你可以理解成“保存一组参数+提示词套路”，下次用的时候直接调用，不用重新设置。 对于还没用过工作流的小白，我的建议是先不要碰复杂的自定义工作流，而是用最笨但有效的方式： 做一个Excel或Notion表格，当作你的“人肉工作流” 。表格里有这几列： 镜号 分镜描述 图片提示词 视频提示词 画面比例 生成结果 素材路径 每次做视频时，你先在表格里把每个镜头的提示词和参数填好，然后按顺序去即梦生成，生成完把视频保存下来，在“素材路径”一栏填上文件名。这样做的好处有三个：第一，不会漏镜头；第二，提示词统一管理，随时可以复用；第三，后续如果客户要求重做某一段，你能精准定位到原来的参数。 等你积累了二三十条有效的提示词，你会发现AI视频的效率被彻底激活了——因为你不是每次从零开始，而是在“调库”。这其实就是工作流思维，不管用不用即梦的自带功能，思维方式先到位，产出效率自然就上来。 3.5 常见的翻车现场与参数调整技巧 即梦用多了，肯定会遇到翻车场景。我把最常见的几种情况以及对应的调整方法整理出来，你直接照着排查： 翻车现象 原因分析 调整方向 人物手部/面部扭曲 AI对复杂结构理解有限 改用图生视频锁定画面，或在提示词中明确写“手部自然”、“五官清晰” 画面模糊 描述太笼统，AI不知道重点 拆短句，减少一个镜头里的物体数量，明确主体位置 视频闪烁、明暗不定 提示词里包含要“速度过快”或“视角切换过多” 把大刀阔斧的运镜改成缓慢的、单一的镜头运动 语义理解完全跑偏 提示词把“主体、场景、氛围”揉在一起 用“主语+场景+环境细节+镜头运动+情绪/氛围”结构重写提示词 风格前后不统一 每个镜头没有固定的风格关键词 在每个分镜提示词里重复写入统一的风格描述（如“胶片感”、“青蓝冷色调”、“王家卫风格”） 这里我特别想展开讲一下“镜头运动”的写法。很多新手会写“镜头快速拉远、旋转、震动”，结果AI生成了画面剧烈晃动、完全不能用。我的经验是： AI对“快速”和“剧烈”的理解极差，但对“缓慢推进”这类简单运动非常稳定 。前期做AI视频，尽量让镜头运动简单、缓慢，比如“缓慢推近”、“缓缓上摇”、“稳定平移”。等熟练了、有自己的风格了，再去尝试复杂的运镜。一句话总结：先稳后帅。
4. 剪映把素材变成片子：小白也能看懂的剪辑全流程
4.1 建好工程：导入素材前的准备工作 即梦生成的素材到手后，下一步就是进剪映。很多新人觉得剪映简单，就直接打开软件乱拖素材，结果做到一半发现比例不对、素材分类混乱，又重新来一遍。我建议你养成一个习惯： 开始剪辑前，先把工程结构建好。 第一步，打开剪映，新建草稿，根据你要发布的平台设置画面比例。抖音/快手选9:16竖屏，B站/视频号选16:9横屏，小红书混搭的话可选3:4。注意，这里选比例不是选“导出分辨率”，而是直接决定整个剪辑画布的形状，后期改会很麻烦，所以一开始就定好。 第二步，在剪映的媒体素材库里建立文件夹，我一般会建五个： 片头 正文素材 备用素材 音效 。然后按文件夹导入，把即梦生成的视频素材分门别类拖进去。这个动作看起来很基础，但当你手上有几十条素材的时候，有没有分类直接决定剪辑效率。 第三步，回到预览窗口把每条素材快速看一遍，标记出“可用”和“废片”，废片直接移除。AI生成素材通常有一定的废片率，可能十条里只有六七条能用。这一步做在前面，后面剪辑就不会纠结。 4.2 粗剪与精剪：AI片段怎么排序才有节奏 剪映剪辑分为粗剪和精剪两步。粗剪就是把素材按分镜表的顺序放到时间轴上，删掉明显需要剪掉的部分；精剪则是细化每一个转场、卡点和特效。对AI视频来说，粗剪阶段有一个特别实用的技巧： 把每条AI视频片段的开头和结尾各多留出0.3~0.5秒再切掉 。 为什么？因为AI生成的视频经常有“起步动作”和“刹车动作”，直接硬切会让画面有顿挫感。把首尾略作裁剪，只保留中间最流畅的段落，整条片子的视觉流畅度会提升一个档次。 精剪阶段，核心原则只有一句话： 短视频每3秒至少要有一个视觉变化 。观众刷短视频的耐心非常有限，如果你剪一个10秒镜头不动，滑走率会非常高。操作上，可以这么处理：在时间轴上每2-4秒切一刀，把不同镜头交替放，形成视觉节奏；如果前后两个镜头的景别一样（比如都是远景），就在中间插入一个特写镜头来打破单调；转场方式别用那种特别花哨的“闪光”“碎裂”，用最简单的“交叉溶解”或“叠化”就足够，观感反而更高级。 节奏找好之后，可以给片段做一下变速处理。比如开篇用一个0.5倍慢动作制造氛围，到中段情绪推进时恢复正常速度，结尾再放慢，拉出余韵。 4.3 智能字幕、配音与音效：免费功能足够用 字幕和配音，是剪映对新手最友好的功能。 字幕方面，剪映的“文本→智能字幕→识别字幕”能自动识别你视频里的人声并生成字幕。如果你走的不是“真人口播”路线，而是“画面+旁白”的诗歌/文案类影片，那我建议你直接把豆包写好的文案粘贴成“文字”轨道，然后逐段手动对齐配音节奏。AI生成的字幕准确率虽然高，但难免有错字，生成后一定要通读一遍，把错别字和断句问题改掉。 配音方面，剪映自带朗读功能，选一个合适的音色就能把文字转成旁白。针对国风意境类视频，我用“解说男声”或“温柔女声”比较多；科技感视频则推荐“新闻男声”，更有专业感；情感故事类用“深情女声”氛围更足。选定音色后记得把语速和音调微调一下，默认值往往偏快，建议适当放缓，让观众有沉浸感。 音效和BGM是很多人忽略的细节。剪映素材库里自带大量免费音乐和音效，搜索关键词就行。做国风场景搜“古筝”“笛子”；做城市清晨搜“环境音”“鸟鸣”；做悬疑氛围搜“氛围”“低音”。音乐放进去后，记得打开“自动闪避”，让配音说话时音乐自动变小、间隙时还原。最后在视频结尾做一个“淡出”，音量缓缓降到零，整体观感会很专业。 4.4 导出设置：不同平台不同参数 剪辑完导出时，很多新人在分辨率和码率的选择上会犹豫。我的建议非常明确： 默认导出1080P、30帧、H.264编码，码率选“推荐”或“更高”，就够了。 除非客户明确要求4K，否则1080P已经完全能满足手机观看需求，4K反而会让文件体积变大，上传速度变慢，实际观看效果提升也不明显。 针对不同平台，导出前可以再做两个调整： 抖音/快手竖屏视频 ：检查一下画面比例是否为9:16，导出时选择“仅裁剪画面”或“保持原样”都可以，但不要导出成带黑边的版本。抖音压缩算法比较狠，导出的码率可以选“更高”，尽可能保住画质。 B站横屏视频 ：B站对高码率支持好，可以导出1080P高码率版本，画面观感更优。 小红书 ：小红书封面比例也常是3:4竖版，如果你做的是横版视频，记得先选好比例再导。 导出前还有一道检查清单：字幕有没有超出屏幕安全区、片头和结尾有没有多余黑场、BGM音量是否盖过配音、有没有错别字。这一套过一遍再点导出，基本不会返工。 4.5 进阶技巧：怎么用剪映的AI功能提效 剪映这两年的AI功能越来越强，对做AI视频的人来说，有几个功能可以重点利用。 第一个是“图文成片”。你只需把文案粘贴进去，剪映会自动匹配画面、配音和字幕，生成一条基础视频。虽然自动匹配的画面质量参差不齐，但作为“草稿”非常合适：先用图文成片把文案节奏搭好，再把即梦生成的素材替换掉对应画面，效率能快不少。 第二个是“智能抠像”。如果你打算做真人出镜+AI背景混搭的视频，智能抠像能把人物从绿幕或普通背景中抠出来，然后叠加到即梦生成的场景里。这个方向制作的AI短片内容更有差异化和个人特色。 第三个是“滤镜与调色”。即梦生成的素材往往色调不一，直接剪在一起容易跳戏。我给所有AI片段加一个统一的滤镜，就能起到“视觉统一”的效果。国风类我常用“青橙”“胶片”滤镜；科幻类用“赛博朋克”“蓝调”；生活治愈类用“暖阳”。滤镜强度建议控制在80%以下，避免失真。 我现在要特别提醒的是， 剪映的VIP功能确实好用，但新手期完全没必要开。 免费版自带的滤镜、音效、字幕、转场已经能支撑起一套完整的短视频制作流程。等你真正做出了一些作品、需要更多素材和特效时，再考虑付费升级。先学会走路，再想着跑。
5. 学完就能接单？从练手到交付的全链路建议
5.1 接单前你需要准备的3个作品 很多人在学习AI视频那一刻就想着接单赚钱，这个目标没问题，但我要坦白告诉你：客户不会因为你“学了AI视频”就下单，他们要看的是成品。所以在接单之前，你需要准备一套足够证明自己能力的作品集，哪怕这些作品是免费练手做的。 我建议你准备三个方向的作品，每个不用太长，30秒左右就够： 一条国风/诗意短片 ：证明你懂得脚本构思、画面生成、配乐情绪和字幕排版，适合打动文艺类客户。 一条产品或商业展示视频 ：比如3C产品介绍、餐厅菜品展示、民宿宣传片，证明你能做跟钱挂钩的内容。 一条强节奏卡点混剪 ：证明你的剪辑节奏感，能适应带货类、种草类客户的需求。 作品做完不要存在网盘里落灰，把压缩过的成片发到抖音、B站、小红书这些公开平台，做成一页简单的“案例列表”，接单时直接把链接甩给客户。我见过太多人学了一堆技巧，结果接单时拿不出一个成品，这才叫真正的尴尬。 5.2 不同类型的AI视频单子怎么报价 AI视频接单的报价，业内没有一个严格标准，但大致可以按类型分一下： 视频类型 特征 参考报价区间 口播图文类 文案+画面+字幕，单条30-60秒 100-300元/条 产品展示类 产品特写+场景混剪，30秒以内 300-800元/条 概念短片/意境短片 强氛围、强风格，30-60秒 500-1200元/条 批量素材生成 按镜头数计费，帮客户生成素材而不是成品 每条素材10-50元不等 报价时，我建议你按“镜头数+时长+修改次数+工期”四个维度综合计算。给客户报价前，先问清楚三个问题：视频用途（商用还是个人展示）、期望时长、修改次数上限。这些不确定清楚，后面闹纠纷的概率非常高。前期接单时，宁可报价压低一点，也要把修改条款写清楚。比如“包含两轮修改，超出部分每轮加收100元”这种约定，能帮你避开大量无效劳动。 5.3 交付时最容易踩的坑 接单交付阶段，有几个坑我真是踩过好几次，这里给你排一下雷。 坑一：素材版权归属不清晰。 用即梦生成的视频做商用交付，要看清楚平台的服务条款。不同平台对AI生成内容的商用授权范围规定不一样，接单前最好先了解清楚，避免交付后客户拿去商用引起纠纷。 坑二：改稿没有上限。 有些客户会无限提修改需求，“这个画面换一下”“那个字幕改个颜色”“节奏再快一点”，如果不事前约定修改次数，一个单能拖你两周。我每次都会在接单时明确：含两次修改，修改范围限定在原脚本框架内。 坑三：文件传输不给力。 大文件动辄几百MB，微信传不动、邮件有大小限制。建议用网盘链接交付，同时给客户一个“预览版”（带轻微水印或低分辨...