← 返回列表

AI仙宫与古风美女视频制作调研.md

AI 仙宫 / 珠光宝气古风美女视频：国内外制作方法调研报告

调研时间：2026-09 ｜ 调研方式：公开报道 + 创作者本人拆解 + 开源技能包 + 平台官方公告 所有关键数据均附来源链接；无法交叉印证的内容已标注"未证实"

0 一页速览

这两类视频的核心结论（先看这五条）：

  1. 爆款靠审美母题，不靠技术栈。 海外破 500 万播放的"中式天庭"，作者只用 Midjourney 出图 + 可灵/即梦转视频，一条 33 秒、无台词、无字幕。
  2. 绕开 AI 的弱项，而不是硬刚。 无台词、人物占画面高度远景 1%–4% / 中景 5%–8%、小尺度运镜、不拍手、不做复杂微表情——把剧本和分镜改到 AI 的能力圈内。AI 短剧团队的原话是："通过剧情铺垫避免让 AI 承担超出其能力的表演要求。"
  3. 把"感觉"翻译成约束清单。 可复用的一直是数字和规则：人物占画面高度远景 1%–4%、一条视觉轴线、云海分三层、柱子飞檐全程静止、换装卡点在 1.25/2.95/4.40/6.55 秒——不是"仙侠天宫，唯美震撼"这八个字。
  4. 仙宫吃"空间一致性"，古风美女吃"角色一致性"——这是两条完全不同的技术路线。 仙宫纯空镜 + 大景小人 + 无台词，绕开 AI 最弱的人脸与口型；古风美女必须锁脸锁服装，成本是仙宫空镜的 3–5 倍。用错力气是最常见的浪费。
  5. 两类题材的共同最优解都是"静态图 → 图生视频"，不是文生视频。 先出 20–50 张图选 1 张，再让视频模型做微动（云飘、衣摆、鹤飞、光移），比 T2V 一次成片成功率高一个量级。

两类题材的难度与打法差异：

仙宫 / 天宫珠光宝气古风美女
核心难点建筑稳定（不融化、不变形）、云海动态、镜头幅度人物一致（不换脸）、首饰质感（不塑料）、衣料物理
制胜关键首帧锁死 + 小尺度运镜 + 构件写具体形制词 + 材质词 + 光影 + 参考图
典型失败动态 PPT 感 / 宫殿晃动 / 远景人物崩义乌小商品塑料感 / 簪子插歪 / 手指畸形
成本档位50–300 元/条（个人号）；国外链路约 $3–4.5约 3–5 倍于仙宫空镜（国外口径 $6–$15）

1 现象：这波内容是怎么起来的

2026 年 8 月，一条没有台词、没有字幕的 33 秒 AI 短视频从国内被搬运到海外平台，不到 4 天播放量突破 500 万，收获 4.8 万点赞、转发超 9700 次。画面内容是：白玉长廊延伸向云海深处，南天门巍峨耸立，仙鹤穿梭于层层叠叠的飞檐琼楼之间。

随后外交部发言人毛宁在个人账号转发了这条视频，配文"中式天堂长什么样"——等于给这波内容做了一次官方背书，热度持续了不止一周。

为什么是这两类题材：

来源：封面新闻/网易、数艺社/网易、四川新闻网

1.1 海外侧：不止是仙宫，"中式审美"整体在起量

来源：Kompas 教程、Kapwing Chinamaxxing trend、网易号报道

2 标杆案例（两档完全不同的做法）

2.1 个人号天花板：栖光（陈爱军）——"中式天庭"

维度事实
身份1991 年生，成都眼镜店老板，非设计科班，"纯小白"自学 AI 近两年
工作流Midjourney 出图 → 可灵 / 即梦 转视频
爆款33 秒无台词无字幕，海外 不到 4 天破 500 万播放
产量抖音 50 万+ 粉丝、200+ 条作品、接近日更；单条 4–5 小时
成本一般画质 50–60 元/条；4K 画质 100–300 元/条
变现仅靠平台流量收益，收支基本打平；下一步计划做修仙向 AI 短剧

这个案例最大的信息量是"链路可以有多简单"。 他没有用复杂的 ComfyUI 工作流，没有自训 LoRA，没有多模型分流。他做对的是两件事：选题精准 + 日更坚持。

2.2 工业化基线：《斩仙台 AI 真人版》——AI 仙侠短剧

来源：红星新闻/搜狐

维度事实
体量81 集，单集平均 40 个镜头，上线 6 天播放破亿
团队12 人（真人剧动辄几十人）
周期分镜 20 多天，整体约 30 天
成本算力约 10 万元（真人剧同体量 30–100 万元）≈ 31 元/镜头
流程剧本 → 分镜 → 角色设定 → 场景设定 → 文生图 → 图生视频 → 剪辑 → 配音

已知短板（这决定了所有 AI 仙侠内容的剧本边界）：

  1. 高速运动（御剑飞行、激烈打斗）大场面边缘细节精度掉，人工微调成本高；
  2. 复杂情绪（"隐忍的愤怒""克制的喜悦""悲喜交加"）还原不了，要么夸张要么平淡；
  3. 微表情（嘴角微颤、眼神闪烁、眉头轻蹙）不可控。

补救体系：AI 生成 + 人工精准优化 + 专业指导三层；用镜头语言兜底（慢镜头突出情绪、特写聚焦眼睛/面部、BGM 与音效强化氛围）；剧本层面主动避开 AI 做不到的表演。

这一节是给所有想做 AI 仙侠内容的人的最重要提醒：不要在文本阶段就写满微表情和高速武打，那是给自己挖坑。把镜头语言当"表演替身"。

2.3 拆解级案例：行者AI视频的天宫 48 小时实验

这是公开资料里最实操的一份天宫拆解，方法论部分见第 5 章。来源：觉醒AI知识库转载

核心洞察一句话："画面越大，建筑越复杂，能交给模型的运动就越少。"

3 当前工具格局（2026-09 快照）

3.1 文生视频盲测榜单（Artificial Analysis，抓取于 2026-09-02）

排名模型开发者Elo距榜首
1Gemini Omni FlashGoogle1238—
2Wan 3.0Alibaba1237−1
3MiniMax H3 Max（fal 后训练）Fal1235−3
4MiniMax H3MiniMax1227−11
5Dreamina Seedance 2.0 720pByteDance Seed1221−17
—（此处断层 60+ 分）
6Wan2.7-260612Alibaba1157−81
7HappyHorse-1.1Alibaba-ATH1145−93
9Kling 3.0 1080p (Pro)KlingAI1108−130
11SkyReels V4Skywork AI1103−135
13Veo 3.1Google1092−146
19Vidu Q3 ProVidu1075−163
20PixVerse V6PixVerse1074−164
21grok-imagine-videoxAI1062−176

来源：BenchmarkList 收录的 Artificial Analysis 文生视频榜（榜单为"含音频视角"的盲测对比）

读榜要点：

3.2 一个必须知道的重大变动：Sora 已经关停

OpenAI 已于 2026 年 3 月 25 日宣布关停 Sora：App/网页于 2026-04-26 关停，开发者 API 于 2026-09-24 下线。

来源：VentureBeat、澎湃/雷科技《Sora为何"暴毙"？》、封面新闻

关停数据与原因：

对做内容的人意味着什么：别再参考任何把 Sora 当首选的教程了。同时这也预示一个更大的趋势——视频生成的算力正在被 Agent 抢走，涨价和排队是长期趋势，不是短期波动。这与第 11 章"即梦一年三次调价""Seedance 2.0 首日排队 8–10 小时"完全同源。

3.3 工具链：各自在链路中承担什么

工具链路中的角色关键评价
即梦 Dreamina（字节）主力出图 + 图生视频 + 首尾帧 + 智能参考转绘中文语义强，AI 漫剧/玄幻题材首选；内置 Seedream（图）/Seedance（视频）、角色锁定、局部重绘、三视图模板
可灵 Kling（快手）图生视频、首尾帧、原生音频镜头叙事感强、电影级画质，适合影视短片
海螺 AI / MiniMax人物表现、镜头生成、原生声音常做镜头间过渡段；其官方 specular highlights 指南是"珠光宝气"最好的公开方法论（见 6.1.1）
Vidu（生数）多参考图生视频（多主体一致性）用于"图一中的女人立于空中，图二中的飞剑刺中她"这类多素材合成
通义万相 Wan（阿里）网页创作入口 + Model Studio API 双路径⚠️ 网页版本名与 API model 字符串不能互相推断（如网页展示万相 3.0，国际区 API 文档仍以 Wan 2.7 为主）
腾讯混元图生视频 + 首尾帧已开源图生视频模型，可自部署
PixVerse（爱诗）社媒特效、模板、快速迭代同质化风险最高——"模板越强，作品越容易出现相似构图"
剪映成片总装：拼接、卡点、智能字幕、BGM、调色几乎所有教程的最后一步；"图文成片/智能画布"的细节未找到权威拆解（未证实）
Liblib 哩布 / 无界AI / 堆友国风模型与 LoRA 社区 + 在线工作流，负责出图侧风格化与一致性无界AI 有独立"2.5D 国风"模型，公开参数：DPM++ SDE Karras、9:16、CFG 7、精绘 1.5 倍强度 50%。堆友的链路位置未证实

两条被验证的实战组合：

逐环节对应关系：

环节主流选择
出图Seedream 4.5/5.0、Nano Banana Pro、Midjourney、即梦、Flux 系
图生视频Seedance 2.x、可灵 3.0 系、MiniMax H3 系、Wan 3.0
换装/卡点即梦、可灵 + 换装技能规范（见 6.2）
配音/BGMTTS + Suno 国风 + ElevenLabs 音效（见第 12 章）
放大/精修Topaz Video AI、ComfyUI 放大链
剪辑剪映

3.4 国外链路：2026-09 的实际主力（两条时效校正）

⚠️ 必须先知道的两件事（截至 2026-09）：

  1. Sora 2 已停服——App/网页 2026-04-26 关停，API 2026-09-24 下线。任何仍以 Sora 2 为主力的方案已过期。
  2. Veo 4 从未发布——2026 Google I/O 只发了 Gemini Omni；官方 Veo 系列仍是 Veo 3.1（1080p / 原生音频 / 8s 可续接）。
环节国外实际主力
出图Midjourney V8.1/V8.2（alpha）、FLUX 3 / FLUX.1 Krea、Ideogram 4.0、Nano Banana Pro、Seedream 5.0、SDXL 生态（Pony/Illustrious/NoobAI）
出视频Veo 3.1、Kling 3.0 / 3.0 Omni、Runway Gen-4.5、Seedance 2.5、Hailuo 3（MiniMax H3）、Grok Imagine Video 1.5、Higgsfield（聚合层）
一致性Kling Elements、Runway Gen-4 References、Veo Flow Ingredients、Seedance 多参考（30 图）、Higgsfield Soul ID
音频模型原生音频（Kling 3.0 Omni / Veo 3.1 / Hailuo 3）、ElevenLabs、Suno v6
后期Topaz Video AI（2025-10 起改订阅制）、DaVinci Resolve
分发竖屏 9:16、8–15s、前 1–2 秒定生死

各视频模型在仙宫题材上的实际差异：

模型单次时长最强项仙宫题材表现
Veo 3.14/6/8s 可续接原生音频 + 提示词遵循 + 4K 质感 + Ingredients 参考云海/建筑质感最"贵"，光很"电影"；缺点是贵、单段短
Kling 3.0 / 3.0 Omni3–15s 可续到 3 分钟一次生成 6 镜头故事板 + 原生 4K 60fps + Omni Audio（对白/音效/配乐同帧生成）+ Elements 角色锁定仙宫"巡游式多镜头"最强；多角色同场也能锁
Runway Gen-4.52–10sReferences（≤3 张）+ Motion Brush 逐区域控制 + Director Mode适合"先定角色板再动"的精修流程；纯空镜性价比一般
Seedance 2.54–30s 任意整秒首尾帧 + 最多 30 图/10 视频/10 音频参考 + 编辑式局部改720p 上限，但长镜头一次成最省事；竖屏短剧首选
Hailuo 3 / MiniMax H35–15s4K 原生 + 便宜（$0.06/s @768p、$0.16/s @4K）+ 32kHz 立体声；H3-Base 已开源仙宫大景"清晰又便宜"；但该端点不吃关键帧/参考图
Grok Imagine 1.51–15s极快、便宜（$0.08/s @480p）用于快速试运镜与构图（草稿），成片仍需换模型
Higgsfield聚合层Soul ID（20+ 张图训练持久身份）+ Cinema Studio 运镜做"同一仙女跨几十条视频"最省事的商业化方案

3.5 国外打法的四条结构性差异

  1. 仙宫题材吃"空间一致性"，不吃"角色一致性"。 这是 B 报告最有价值的判断，与栖光案例完全吻合：纯空镜 + 大景小人 + 无台词无字幕，绕开 AI 最弱的人脸/口型，只压最强的建筑/云雾/体积光。这是该题材能低成本跑通的根本原因。
  2. 古风美人题材恰好相反，必须有稳定的脸和服装，必须走参考图/身份训练路线，成本约为仙宫空镜的 3–5 倍。
  3. 两个题材的共同最优解是"静态图 → 图生视频"，而不是文生视频。 先出 20–50 张图选 1 张，再让视频模型做微动（云飘、衣摆、鹤飞、光移），比 T2V 一次成片成功率高一个量级。
  4. 国外信的是"账号级资产"，不是"单条提示词"：Midjourney 的 moodboard（风格板） + 角色四联表（character sheet）+ 身份训练（Soul ID），都是为了把一次成功变成可复用资产。

Midjourney 古风调参四件套（可直接用）：

一致性方案的四套主流做法：

  1. 参考图锁脸：Kling Elements（角色 2–4 张不同角度图，官方建议 5–10 张含正面/3-4/侧面/不同光照/一张特写）；Runway Gen-4 References（最多 3 张生效，官方建议中性均匀打光素材）；Veo 3.1 Flow Ingredients（1–3 张；注意 Quality 档不支持 Ingredients，只有 Lite/Fast 支持）；Seedance 2.5 参考预算最大（30 图 + 10 视频 + 10 音频）。
  2. 角色表（character sheet）：一次出"正面全身 + 3/4 侧 + 侧面 + 特写 + 服装平铺"四联图，作为项目固定资产。国外短剧团队把它当"选角照"用，任何镜头都从这张表出发，而不是从文字描述出发。
  3. 首尾帧插值：最实用的仙宫玩法是——同一张图的"未加光"与"加光"两个版本做首尾帧，让光在镜头里生长。
  4. 身份训练（Soul ID 类）：20+ 张图训练持久身份，之后在平台内所有模型（Seedance / Kling / WAN / Veo / Gemini Omni）复用，不必每次重传参考。

多镜头同一角色的实操纪律：把身份/服装/场景写在固定段，把动作/景别/机位写在变化段；每条镜头只用一个变化点（换机位就不换服装）；逐镜头按"身份 / 服装道具 / 场景连续性 / 动作连续性"四维评分——耳环、发际线、手、眼珠颜色是最常崩的细节。

分发与算法偏好（国外）：

国外单条成本折算（15 秒 5 镜头，含 4 次重试）：

路线单条成本
纯仙宫空镜（Kling 720p 无音频 + MJ 摊薄）≈ $3；加原生音频 ≈ $4.5
纯仙宫空镜（Hailuo 3 @768p）≈ $3.6（最便宜）
古风美人路线（角色表 + 参考锁定，生成量翻倍）$6–$15
古风美人 + Higgsfield Soul ID 锁脸$5–$12

⚠️ 成本口径提醒：不同来源的 Veo 3.1"每有效秒"差异极大（$0.17 ~ $5.5/秒），差异来自是否计入重试、是否用 Vertex 计费、Resolution/音频档位混算。报价前务必用「有效秒 × 重试系数」自算，不要直接引用博客的单秒数字。 另注意：Kling 订阅 credits 不滚存、失败任务仍扣（API 侧失败不扣）。

4 通用生产链路（六步法）

不管国内还是国外、个人还是团队，能跑通的链路都可以归到这六步：

① 创意/选题  →  ② 关键帧出图  →  ③ 图生视频（锁首帧 + 小运镜）
                     ↓                        ↓
              ④ 一致性处理            ⑤ 音频（配音/BGM/音效）
                     ↓                        ↓
              ⑥ 放大精修 + 剪辑 → 发布（含 AI 标识声明）

每一步的核心原则：

步骤原则典型翻车
① 选题视觉母题必须一句话说清（"云海白玉长廊通向天门"）选题模糊 → 提示词只能"许愿"
② 出图图片是视频的结构母图；先构图 → 再空间层次 → 再镜头位置 → 最后主次一上来就写氛围词，AI 停在"图像渲染"
③ 视频锁首帧 + 只写看得见的动作 + 小尺度运镜镜头幅度大 → 建筑融化、人物换脸
④ 一致性人景拆分（人物三视图单独做）+ 物料拆包（人物图 / 场景图分开）把参考图当"参考人物"，其实只是风格与结构输入
⑤ 音频声音克制，画面才显得大堆 BGM 和音效 → 廉价感
⑥ 后期放大 + 调色数据化（Hex 色板）+ 剪词过度磨皮、过度锐化 = AI 味

5 仙宫 / 天宫 专项打法

来源：行者AI视频拆解（同 2.3）+ gjgagvg/tiangong-image-prompt-generator（目前最系统的公开"仙宫提示词规约"，已逐条核实）

5.0 巨物尺度分级（把"宏伟"变成可量化数字）

这是整个仙宫题材最重要的一组数字。人物占画面高度比按景别分级：

景别人物占画面高度
远景1%–4%
中景5%–8%
近景12%–20%

除非明确要求，人物不抢占建筑主体。 同时必须至少保留两级尺度参照（人物、仙鹤、灯火、栏杆、门洞、云层、远山任选）。以遮挡、透视收缩、空气透视和重复结构表达体量，不只依赖"巨大、宏伟"这类形容词。

常见错误：门窗与人物比例冲突；远近物体同等清晰；重复柱网失真；无承重逻辑的结构。

5.1 出图的四条铁律

  1. 人物要小。 远景把人物压到画面 3%–5%。再大一点，天宫就变成人像写真的背景板。
  2. 建筑要有轴线。 白玉阶、南天门、主殿、远山落在同一条视觉线上，观众视线有路可走。
  3. 建筑要写具体构件。 柱、斗拱、抬梁、飞檐、白玉基座、云龙浮雕——写清楚构件，模型才知道东西该放哪。
  4. 云海要分层。 前景薄雾 / 中景翻涌云海 / 远景空气透视 + 虚化山体。

配色公式：白玉 + 冷青灰打底，暖金光只照重点，加一点朱红压细节。

构图量化配方（实测输出）：一点透视柱廊引导视线延伸；右侧留 40%–60% 云海呼吸空间；暖金色晨光斜射；红衣人物立在画面约 3% 位置作为视觉锚点。

5.2 动起来的五个字段

把一张静图拆成：时间轴 / 镜头 / 人物动作 / 环境动态 / 连续性约束。

5.3 进阶：第一人称 Vlog（把远景变成能看 60 秒的内容）

工程关键：物料拆包。 用 7 张图：1 张人物主图（锁脸/发型/衣服）+ 6 张场景图（白玉广场、云阶、月门、云桥、云廊、茶席）。"人物归人物，地点归地点"——生成时不用每到一处重新猜。

60 秒 Vlog 选 3 个片段，每段给秒级区间 + 明确动作，让人物把镜头带到下一个地方（穿过月门、纱幔掠过镜头）。

5.4 材质要写出物理差异（同一画面里玉、木、瓦、金、云、水必须能区分）

材质要写的要避免的
白玉温润、微透光、细微矿物纹理、边缘磨损塑料感、均匀自发光
木构可见古木纹理、榫卯关系、朱红漆面与岁月痕迹光滑玩具质感
琉璃瓦沿曲面反射天光，粗糙度有变化镜面金属屋顶
金属只用于节点和礼器，氧化/拉丝/锤纹，不大面积铺金满铺金饰、廉价"国潮"贴图
云雾有密度梯度、受光面和阴影面棉花状重复纹理
水体反射、波纹、折射、表面张力，与重力方向一致完整镜像、镜面水
废墟断口、灰尘、苔痕与结构受力相互吻合随机裂纹贴图

构图三层：前景框架 / 中景叙事主体 / 远景世界延伸。 每幅最多一个主奇观 + 两个辅助奇观（这是"画面不堆砌"的硬约束）。 仪式场景优先对称与中轴；探索场景优先偏心、遮挡、负空间；危机场景用斜线、断裂、逆向动势。 画面要能一眼回答：人物在哪里、要去哪里、世界有多大、此刻发生什么。

5.5 九组差异化生成策略（做系列号直接照抄）

做天宫系列号最怕"每条都一样"。这套九组策略保证世界观和角色连续，同时让叙事、空间、镜头、时段或动态中至少两项显著不同：

#策略要点
1天门初见｜建立世界超远景/越肩；人物首次抵达巨型天门；门框套景、云海、尺度震撼
2中轴朝圣｜秩序仪式正面对称、低机位、长玉阶；少量仪仗沿中轴前行
3云廊漫游｜空间纵深侧向长廊、重复柱网、消失点；平视跟拍或缓慢横移
4月宫静夜｜诗性孤寂冷色夜景、巨月、白玉平台；单人小比例；负空间与静止感
5星河祭坛｜宇宙神圣高台/俯瞰，天河环绕；圆形秩序、星轨、可读光源
6浮城全貌｜体系规模极高机位/航拍推进；多层宫群与悬桥构成城市体系
7云瀑奇境｜自然共生垂直构图；宫殿嵌入神山，云瀑穿越桥下
8战争遗迹｜历史创伤破碎天桥、倾塌殿宇、熄灭宫灯；偏心构图与逆光
9神迹降临｜叙事高潮光柱/天门开启/神兽掠过，只保留一个核心神迹

连续九镜的叙事映射：建立世界 → 抵达 → 深入 → 发现 → 仪式 → 全貌 → 异变 → 遗迹真相 → 神迹高潮。

5.6 分平台提示词写法（别把多个平台的语法混进同一条）

平台写法要点
Midjourney紧凑自然语言，顺序：主体→环境→构图→光线→材质→风格；--ar 指定画幅；无独立负面栏时用 --no 放少量明确对象
Flux完整描述句，明确空间关系、材质、光源；避免大量逗号标签与互相矛盾的风格词；把限制写成可观察的正向约束
SDXL正负分离；按主体/环境/摄影/质量组织；写实模型要减少引擎名和冲突的艺术家风格词
即梦清晰中文：主体、景别、动作、环境、光影、画幅、风格；视频任务补镜头运动、主体运动、环境运动与稳定性限制
可灵按"首帧场景—主体动作—镜头运动—环境响应—结尾状态"描述视频；控制单镜头动作数量，写清速度/方向/幅度/前后景视差
Runway只写视觉可见、可拍摄的运动；区分镜头运动与主体运动；多写"如何移动"，少写抽象审美标签
AI 漫剧分镜每镜输出：镜号、时长、景别、画面、角色动作、台词、音效、转场、连续性锚点；相邻镜头遵守视线/运动方向/轴线连续；每镜只承载一个主要叙事动作

5.7 镜头运动的四条硬规则

来源：Runway Gen-4 官方指南 + AI漫剧提示词写法

  1. 一段只保留一个主运镜。 不要在同一小段同时写推近、横移、升高、环绕、俯冲、变焦——过多冲突指令会让模型"尝试调和矛盾"。
  2. "缓慢推进"必须是摄像机空间位移。 近景视差快、中景适中、远景最慢；禁止用数码放大冒充推进。
  3. 追逐镜头要分开写三种方向：主体运动 / 摄影机运动 / 场景相对运动。只写"高速追逐"，模型会自行发明方向。
  4. 用时钟方位描述光源（"11 点方向低角度逆光"）比"侧逆光"更可控；时间轴用 2–4 个阶段组织，不必逐秒切碎。

首尾帧衔接的判据（这条很关键）： 首尾帧差异必须能由真实摄影机路径解释——先判断摄像机能否从首帧位置物理到达尾帧位置、两者是否同侧轴线、门/墙/道路内外关系是否一致。不能解释时应改首帧或尾帧，而不是用复杂运镜硬接。 最常见的续接方式是直接导出上一镜尾帧当下一镜首帧。

5.8 零提示词路线（不想写提示词的人）

两个开源技能包，装上就是"视觉导演 + 运镜导演"：

三步复刻法（来源：数艺社实测）：

  1. 在豆包"工作任务"里发"安装这两个技能：<GitHub 链接>"；
  2. 出图：有参考图用图生图（更稳），没有就词生图，点名 Seedream 4.5；
  3. 出视频：附上满意的图，说"根据这张图片生成视频，使用 Seedance 2.5"。

同类可参考的还有 joshesye/design-xianxia-celestial-shots（生图）与 joshesye/design-seedance-celestial-motion（运镜）。

⚠️ 可信度提示：liyue-aigc/xianxia-visual-director 与 xianxia-cinematic-video-director 两个仓库的 SKILL.md 在实测中返回 404，其内部规则未能直接核实（"安装即用"的效果描述来自第三方测评）。已逐条核实、可直接使用的是 gjgagvg/tiangong-image-prompt-generator——本报告第 5 章的尺度分级、九组策略、材质规则、分平台写法、质量检查清单均取自该规约。建议优先用它。

6 珠光宝气古风美女 专项打法

6.1 去塑料感：四板斧

来源：FlowPix《AI绘画古风发饰怎么画不塑料？》

第一板斧——形制写准。 只写 "hairpin" / "hair accessory"，形态全凭运气：

形制正确写法
簪（单股）zan, single-prong hairpin
钗（双股）chai, double-prong hairpin
步摇（带坠流苏会动）buyao, hairpin with dangling pendants that sway
钿（花形片状）dian, floral inlaid hair ornament

新手建议从步摇入手：流苏坠子辨识度高，AI 容错率大。

第二板斧——材质写出工艺和透感（塑料感的根子在材质词太笼统）。见第 7 章模板。

第三板斧——光影让发饰立体。 soft directional light from upper left, specular highlights on metal edges, subsurface scattering on jade, gentle shadow under ornaments 绝对不要写 flat lighting / even lighting——那种光下发饰必扁。背景要压暗（深褐或墨绿）才衬得出高光。

第四板斧——朝代锁调性。 唐华丽 / 宋清雅 / 明繁复 / 清点翠（关键词见第 7 章）。

两条硬数据：

局部修复优先于整张重来：发饰"长歪"（簪子插到耳朵上面、步摇垂到肩膀外）用局部重绘框住发饰区域单独修。

6.1.1 金属与宝石的物理关键词体系（来自海螺 AI 官方指南）

来源：Hailuo AI《Prompting Specular Highlights for Luxury》（2026-07-27）——目前"珠光宝气"质感最权威的公开方法论。

关键词作用
anisotropic highlights各向异性高光——拉丝金属的关键
specular roll-off高光滚降（高光到暗部的过渡）
warm metallic luster暖金属光泽
internal refractions内部折射（宝石/玉石）
caustics焦散（光线透过宝石投下的光斑）
prismatic glints棱面闪彩（火彩）
Fresnel effect菲涅尔效应（掠射角反射增强）
iridescent overtone虹彩泛色（珍珠）

三条反直觉的核心原则：

  1. 优先描述光源与材质物理，而不是直接描述高光位置。 让模型自己算高光。
  2. 用 soft glow 搭配 specular，比单写 extremely shiny 更物理可信。 "极致闪亮"会导致高光溢出、细节被吃掉。
  3. 金属必须有东西可反射才像金属。 金属在纯黑背景里会"融"进去——必须用 rim lighting 勾边，或给它环境反射源。

珍珠的四层光学写法（来源：FlowPix《AI珍珠首饰绘画》）：

珍珠 = ① body color（底色，暖奶油白带象牙底）
     + ② 表面虹彩晕彩（soft pink → pale green，边缘掠射光处最明显）
     + ③ 镜面高光（柔和扩散光斑，而非锐利白点——"像一片月光而不是激光点"）
     + ④ 内部微弱内发光（光被封在层叠半透明结构里）

必须分层描述。正面直射光会压掉晕彩；CFG 建议 5–7。 反面教训：只写 pearl necklace on a black velvet background 会得到"乒乓球串"；负面词若包含 plastic / glossy / shiny / reflective，会把珍珠高光一并压低——这是很多人生搬硬套负面词反而翻车的原因。

⚠️ "人物 + 首饰"同时生成会牺牲首饰精度：必须用 Inpaint 单独重绘首饰区域，或干脆分开出图再合成。

6.1.2 人物资产前置：三个记忆点 + 别堆头饰

来源：刺猬星球/FlowPix（2026-06-17）

6.2 换装类内容：工业级规范

来源：liyue-aigc/female-outfit-director

项目规范
画幅/时长9:16，8 秒 = 初始造型 + 4 次换装
卡点1.25s / 2.95s / 4.40s / 6.55s（最后一段必须留最终造型展示时间）
机位固定高位俯拍（前上方，向下 30–35°），全程不推拉摇移变焦
换装机制汉服大袖/披帛 → 袖摆遮镜；古风贵女 → 团扇/折扇遮挡；东方幻想/神女 → 披帛、花瓣、云纹、水墨
首帧版式中央主体占画面宽 60%–65%，四周 4 个小人物（同一角色，白色虚线轮廓抠像）
硬性约束同一张脸、同一成年年龄感、同一族裔外观、同一肤色、同发型发色、同头饰耳饰、同身材比例；只改变穿搭，不重做人物
衣料物理自然重力、转身轻微惯性延迟、停止后逐渐回落；不僵硬漂浮、不穿模、不粘连身体

最容易被忽略、也最重要的两条：

  1. 首帧要为视频兼容而优化——小人物避免极端扭曲姿势，头肩腰臂结构清晰，小人物与中央人物身体拓扑尽量兼容（便于重合换装），袖摆裙摆披帛完整不裁切。图片是视频的结构母图，首帧不合格后面全废。
  2. 短时长中不要同时叠加复杂运镜与复杂换装机制。

6.3 古风美人视频的六段式结构

见第 7 章 G4 模板。值得单独强调的是它的分工：首帧锁定 → 人物表情动作 → 台词 → 镜头 → 氛围光线 → 约束。 仙宫类只需把"台词"段换成"环境动态"、把"人物"段缩到最小——结构完全通用。

7 提示词模板

完整可抄的模板（仙宫中文/英文、古风美女中文/英文、头面特写、朝代切换、换装规范、负面词速查）见附录： → _parts/G-提示词模板合集.md

8 去 AI 味：这套工程化技巧库比提示词本身更重要

来源：shyman159/seedance-prompts-skill · prompt-craft-and-realism.md（由抖音"刺猬星球superi"37 集合集蒸馏）

核心理念：AI 图/视频"一眼假"的根因不是模型弱、也不是提示词不够长，而是你在"许愿"而不是用视觉语言下指令。

8.1 五板块结构 + 词序就是优先级

情绪 + 主体 + 光线 + 镜头 + 细节

8.2 把抽象词翻译成可量化视觉动作

你想说的要写的
梦幻低饱和 + 软光源 + 长焦压缩
高级强光线对比 + 部分留白
质感微弱侧光 + 高阴影对比

并直接告诉 AI 不要什么：无纹理、无锐化。

8.3 光线控制（AI 最容易露馅的地方）

8.4 去 AI 感："AI 最大的问题不是不真实，而是太干净"

去摆拍感，摆拍感来自镜头与画面关系不真实，与提示词无关，三因三解：

病因解法
取景起点完成度过高让画面从不完整视角开始（前景遮挡/构图偏移），再用运镜去"找"画面
运动轨迹过度平滑引入减速/停顿等人为操作痕迹
主体动作与镜头完全同步让人物动作早于镜头反应，制造"被进入的瞬间"

前景遮挡去 AI 味：物理遮挡（树叶/柱子/人物背影 + 低角度 + 前景虚化；注意 AI 遵循顺序机制，不写"虚化"它会把前景画清楚而失去景深）+ 氛围遮挡（空气里有雪花/雾气/颗粒感）。

电影感 = 摄影约束先于美学：先写镜头类型/拍摄距离/光线结构，再写风格。90% 的人上来就写氛围，AI 只停在"图像渲染"而非"真实摄影"。

剪词（让画面显贵）：

8.5 动作崩坏的三条规则

AI 眼里动词是"目标状态"不是"进行态"。

  1. 减动词、增方式词——保留一个核心动作，用"犹豫的/持续的/重心转移"限定节奏。
  2. 单一主动作锁身体结构——走路的主动作是 walking，"回头看"只是朝向变化。
  3. 别用"然后/接着/同时"——深层模型不可靠地执行时间轴；改描述"动作发生时角色处于什么状态"。

8.6 调色数据化

8.7 后期去 AI 味三步（带具体参数，可直接照做）

来源：器灵科技《Seedance出的片总觉得"怪怪的"？可能是少了这三步》（2026-07-16）

第一步：拉反差

第二步：锐化但别狠

第三步：三个藏味细节（这才是拉开差距的地方）

  1. 加胶片颗粒（35mm 400T，强度 15–20%）——"塑料感立刻消退"，最快见效；
  2. 补运动模糊（物理快门有曝光时间，AI 运动太丝滑；沿运动方向模糊 3–5 像素）；
  3. 帧混合过渡（分镜衔接处加 1–2 帧交叉溶解，透明度 80%→20%）。

作者的总结很到位："不是参数，是你愿不愿意多花半小时。"

8.8 手指与脸崩的修复参数

问题处理
手指提示词末尾加 perfect hands, detailed fingers, five fingers, anatomically correct；配合手部修复/OpenPose 固定骨骼；仍崩就裁掉手部用局部重绘
脸面部关键词权重 1.3–1.4，CFG 降到 5–6，步数提到 30 以上；"脸崩多半是过度优化或权重打架"
权重纪律1.1–1.3 最稳妥；超过 1.5 会让发丝变钢丝、眼睛高光变成大白点

通用负面词：

low quality, blurry, pixelated, noise, text, subtitles, watermark, logo,
deformed, bad anatomy, extra limbs, extra fingers, oversaturated, overexposed

人像另加：bad face, asymmetrical eyes, weird teeth

⚠️ 但注意 6.1.1 的反面教训：做珠宝/珍珠题材时，plastic / glossy / shiny / reflective 这几个词会误伤材质表现，需按题材裁剪负面词，不要机械照搬。

9 一致性工程（古风美女类内容的生死线）

来源：同 8；以及 2018 年前的经典做法 + 当前技能规范

一句反直觉但极关键的结论：

参考图不是"参考人物"，只是风格与结构输入。

三招保一致性：

  1. 人景拆分——先生成人物多角度三视图，成为稳定可复用对象；别和场景一起生成。
  2. 先动作、再进场景——先让人物完成指定动作再与场景合成，避免叠加场景时重推人物结构。
  3. 拆镜头降时间维度——连续帧每多一帧多一次偏移，尽量一个动作一段视频。

物料层面：远景/中景用"人物主图 + 分场景图"拆包；特写/近景人脸崩时用 FaceRefine 类修复后处理。

9.1 角色一致性的七条路径（按门槛从低到高）

来源：火星时代《AI短剧角色一致性的7种方案》（2026-08-11）

有文章称 76% 的 AI 短剧创作者把"镜头一切就换人"列为第一大痛点。七条路径：

#路径门槛 / 效果
1图生视频 + 参考图驱动（先出定妆照，后续只写动作）最低；但侧面/远景匹配度约 55%
2角色卡片 + 外貌锚点（固定文字段每镜原样粘贴）低；对提示词纪律要求极高
3固定 seed低；同场景有效，跨场景仍漂移
4AI 换脸后期（ReActor / InstantID）中；救急用
5LoRA 训练（20–50 张多角度，rank 32–64，strength 0.7–1.0）高；每角色 5–8 小时
6ComfyUI IP-Adapter FaceID + LoRA + ControlNet 三重锁定最高天花板；需 12GB+ 显存
7全流程角色引擎（项目级角色档案，跨集引用）团队级

四个低成本辅助技巧：服装锚点法、快速剪辑法（每镜 2–4 秒，观众来不及看脸）、统一调色法、剪辑过渡法。

核心纪律：先把角色锁定，再开拍。

外貌锚点串的写法（每一镜原样粘贴，不要改写）：

角色C01：25岁亚洲女性，鹅蛋脸，杏仁眼，右眼下方浅色小痣，
黑色齐肩直发，三七侧分，银色圆形耳环。

纪律原话："不要把'齐肩直发'改成'中长发'，不要交替使用'清秀''妩媚'等主观词——每个词都会导致模型重新推断面部。"

声音一致性（AI 视频最易露馅的是声音）：建角色声音参考库（把满意片段的音频抽出来存独立文件，每次生成上传作参考）+ 独立配音模型锁定音色 + 情绪声音库（同一角色"正常/愤怒/伤心"样本按剧情选用）。

10 本地复现（RTX 5060 Ti 16GB / Blackwell sm_120）

完整方案（量化档位、50+ 个可验证的 Civitai 资源、三套节点级工作流、显存与耗时表）见附录： → _parts/C-本地ComfyUI复现方案.md

10.1 本卡实测数据（照抄即可，不用再试错）

出图：

模型配置耗时
FLUX.1 Krea devfp8_e4m3fn 或 GGUF Q8，992×1440 / 20 步≈53 秒（冷启含加载 121.7s）
FLUX.1 Krea dev+ DyPE，1440×2560≈94 秒
Qwen-ImageQ4_K_S（12.14GB），Lightning 4 步，1080×1360≈21~23 秒
FLUX.2 devfp8 33GB（需 83GB 总内存）/ GGUF Q5 992×1440>4 分钟 → ❌ 本机不实用

结论：写实古风首选 FLUX.1 Krea dev；中文提示词、画面内题字、换镜头首选 Qwen-Image（4 步版）——同样时间里 Qwen-Image 能出 5~8 张。FLUX.2 dev 明确不推荐（官方 fp8 20.43GB 的 Qwen-Image 同样必 OOM，必须走 GGUF Q4_K_S）。

视频（这是最硬的一组数据）：

模型分辨率 / 帧耗时
Wan2.2 I2V 14B（High Q8 + Low Q6 + BlockSwap + Sage + TorchPatch）496×720 / 81f冷启 222.8s → 热启 133.2s
同上496×720 / 97f158.6s
HunyuanVideo 1.5（720p i2v cfg-distilled fp8）496×720 / 97f198.0s（慢些但更省显存、物理更真）
LTX-2.5 22B（Q3_K_M GGUF，10.73GB）1920×1088 / 97f183.1s，峰值 14.1–15.5GB，带同步音频
MiniMax H3（已有）864×480 / 5.17s / 20 步 + EasyCache194s；无 EasyCache 是 633s

10.2 这块卡上最大的提速杠杆：EasyCache

ComfyUI 原生 EasyCache 在 H3 上把 633s → 194s（3.3×），在 FLUX.2 GGUF 上把 20 步 181s → 91s。同一张 5060 Ti 的两篇公开实测差异全部来自它。 开它比换模型更有效。

10.3 sm_120 的四个必踩坑

坑现象处理
PyTorch CUDA 版本低于 cu128 的轮子无 sm_120 kernel → no kernel image is available必须装 cu130（或 cu128）轮子
requirements 顺序torch 未 pin，在装完 CUDA13 栈后再跑 requirements.txt 会静默覆盖回默认源、失去加速顺序固定：requirements.txt 先，CUDA 13 栈最后装；启动日志必须看到 +cu130 与 comfy-kitchen CUDA backend available: True
Triton / SageAttentionsm_120 的 triton 支持滞后不强求 triton；SageAttention 走源码编译（--no-build-isolation 必须，否则 pip 会拉第二份 torch）。sm_120 上所有显式模式都崩，只留 auto
32GB 内存 + pinned memoryH3 这类大模型被 OOM-killer 杀启动加 --disable-pinned-memory（实测：默认 29,866MB 被杀 → 7,508MB 跑通）

ComfyUI 版本地板：MiniMax H3 核心节点自 v0.30.0，LTX-2.5 自 v0.32.0，Krea 2 自 0.25.0。建议直接跟 master。

10.4 古风资源：老生态最全，Flux 侧靠组合

关键发现：汉服、仙侠、古建类 LoRA 绝大多数是 SD1.5 / SDXL / Illustrious 底模，Flux 侧资源较少，需要靠"通用古风 LoRA + 光影 LoRA + 提示词"补。

可直接检索到的资源（均经 Civitai API 逐条验证，下载量附后）：

类别代表条目底模 / 下载量
仙侠风格仙侠道/xianxia/taoist/法天象地SD1.5 / 5,099
PAseer 的仙侠之境SD1.5 / 6,613
xianxiaFlux.1 D / 304
ChineseXianxiaStyleLTXV 2.3 / 447 ← 可直接进视频侧
国风底模国风3 GuoFeng3SD1.5 / 160,805
国风4 GuoFeng4 XLSDXL / 27,357
汉服hanfu 汉服SD1.5 / 106,378
汉服合集 [Flux.1] Hanfu Collection [Female]Flux.1 D / 4,867
hanfu tang / song / mingSD1.5
古建Ancient Chinese architectural styleSD1.5 / 11,191
珠宝jewelry SliderPony / 4,105
GemstoneAI - konyconiSD1.5 / 9,081
打光Backlight (Hair light) cinematic lightingFlux.1 D + SDXL / 3,901 ← 轮廓光/发丝光
Cinematic "Warm Light" 3200k多底模 / 12,361
Cinematic Volumetric (God Rays)多底模 / 6,233
降 AI 味NL2 | film grain & chromatic aberrationIllustrious
FilmGrain.Redmond多底模

「云海」没有专门的 LoRA——Civitai 无有效结果，走提示词 + 体积光 LoRA： sea of clouds, cloud ocean, aerial view above clouds, volumetric god rays, mist, atmospheric perspective, ethereal

⚠️ Civitai 官方域名在本网被 DNS 污染，实际下载走 civitai.red 镜像（API key 见 ~/Downloads/civitai_api_key.txt）。LiblibAI 站点可达但搜索 API 返回 500，需手工站内搜。

推荐权重组合（Flux Krea dev 基准）：

古风底味：     风格 LoRA (xianxia/古风)         0.5 ~ 0.7
服装：         汉服 Collection [Flux.1]         0.7 ~ 0.9
配饰：         Jewelry Gemstone Pearl Diamond   0.6 ~ 0.8
打光：         Backlight (Hair light)           0.6 ~ 0.8   ← 轮廓光/发丝光
               Cinematic Warm Light 3200k       0.5 ~ 0.7
氛围：         Volumetric God Rays              0.4 ~ 0.6
质感：         film grain & chromatic aberration 0.3 ~ 0.5  ← 最后加
加速：         Flux Lightning 8step             0.6 ~ 0.8
换脸：         BFS 换脸 LoRA                    0.8         （1.0 会出画面问题）

经验规则：风格类 ≤0.8、材质/光照类 ≤0.8、加速类 0.6~0.8、颗粒类 ≤0.5。 总 LoRA 数超过 4 个时 Flux 会掉细节 → 串成两级采样（第一级只放风格+服装，第二级只放打光+颗粒）。

10.5 本地一致性技术（这块本地比云端有优势）

方案16GB 可行性用途
三视图 + ref2v（已有 H3 工作流）✅ 已在用最强的身份锚定；配 h3-turnaround-autoprep 技能先裁出正面图
Qwen-Image-Edit 2509 + BFS 换脸 LoRA(0.8)✅ 4 步加速后 20~35s/张把已定妆的脸批量贴到不同镜头/角度（v1 保脸型、v2 换整头）
PuLID for FLUX✅（约 +2~3GB）单张参考图锁脸，比 InstantID 轻
FLUX Redux✅保风格/构图/服装，不保脸；权重 0.4~0.6
FLUX.1 Kontext dev✅指令式编辑："同一个人换到侧脸/换背景"
InstantID / IP-Adapter FaceID⚠️ 需 insightface，Py3.13 编译常失败SDXL 老工作流

跨镜头配方：① 出定妆照锁 seed → ② Qwen-Image-Edit 2509 + BFS(0.8) 生成 3~5 个角度 → ③ 每镜头 参考图 + 服装 LoRA 0.8 + 打光 LoRA 0.7 + Redux 0.5 → ④ 视频阶段统一用同一参考图走 Wan2.2 I2V 或 H3 ref2v。

⚠️ 注意：LTX-2.5 上身份漂移与分辨率绑死——640×320 会明显漂，768×448 以上才稳。

10.6 本地 vs 云：怎么分工

单条 5 秒 720p 成品本地链路：关键帧 60s + 放大 30s + I2V 150s ≈ 4 分钟/条；一天 8 小时名义可出 100~120 条，含试错打 5~8 折 → 实际 15~30 条可用。电费不到 1 分钱/条。

云价对照（2026 公开价）：Kling 2.1 Standard $0.07/5s、Pro $0.28/5s、Seedance 2.0 $0.30、Veo3 $0.50。

⚠️ 但云价的真实成本要乘 2.5× 以上：失败率 10~15% + 平均需 2~3 次迭代，行业实测"一条能用的 AI 视频，实际成本是标价的 5~20 倍"。

环节放哪理由
概念探索、构图、风格试错本地秒级反馈，零边际成本
古风 LoRA 调权重、打光试错本地需要几十次快速迭代
关键帧定稿 + 放大本地2K 出图本地已够用
人物一致性镜头（同一人多角度）本地云端无对应开源级控脸能力
纯场景/运镜镜头（仙宫航拍、云海）本地 Wan2.2 / LTX-2.5130~200s/条可接受
带对白/音效的镜头本地 MiniMax H3（已有）唯一本地同步音频方案
复杂多人交互、需 1080p 物理正确上云 Kling Pro / Veo3本地 16GB 做不到稳定
商业终稿、客户交付素材上云质量与一致性上限更高

一句话策略：本地承担 80% 的迭代 + 所有关键帧 + 所有身份一致性工作；云端只买"复杂动作 + 1080p 终稿"这两个本地做不到的能力。

与本机已有 H3 工作的分工建议：H3 出"有人物 + 要说话/有音效"的镜头，Wan2.2 出纯场景/运镜镜头。

11 成本与变现（这段最容易被忽略，也最容易亏钱）

11.1 真实成本结构

栖光口径（个人号）：一般画质 50–60 元/条，4K 100–300 元/条。

即梦价目表口径（蓝鲸财经/东方财富 + 娱乐资本论/澎湃，2026-04-10）

档位年费（原价）首充优惠月积分变化
基础659 元/年5 折 → 6 折1080 → 725
标准1899 元/年5 折 → 6 折4000 → 2210（砍半）
高级5199 元/年5 折 → 6 折15000 → 6160（另一来源记为 5870）

两个来源的价格看起来不同（329/949/2599 vs 659/1899/5199），实际是首充五折价 vs 原价的关系：659×0.5≈329、5199×0.5≈2599。改六折后即 395/1139/3119，每档每年多交约 500 元。

可灵价目表口径（Modellix 引官方页，2026-08-14）

档位首月 / 续费Credits
Standard$6.99 / $8.80660
Pro$25.99 / $32.563000
Premier$64.99 / $80.968000
Ultra$127.99 / $159.9926000

免费 66 credits/天、24 小时过期。VIDEO 3.0 每秒消耗：720p 无音频 6 / 1080p 无音频 8 / 1080p 原生音频 12 / 4K 30 credits。

（国内"黑金连续包月 169 元/月"来自第三方测评文，未证实。）

工业化口径：《斩仙台》算力约 10 万元 / 约 3240 个镜头 ≈ 31 元/镜头。

11.1.1 失败率：价目表上的钱要除以 3–5

11.2 完整成本公式

总成本 ≈ 单位成本 × 镜头数 × (1 + 返工率)

返工率的实际差距（器灵科技复盘）：

按镜头类型分流模型的策略：

特写 / 近景  → 面部保持最好的模型（保证角色不出戏）
全景 / 场景  → 场景还原度高的模型（保证氛围）
运动镜头    → 动态流畅的模型（保证过渡自然）

11.2.1 云价的"真实成本"要乘 2.5× 以上

标价单秒数字不能直接用来报价：

这条与 C 部分的本地电费对照（4 分钟/条，电费不到 1 分钱）结合起来，就是"本地做迭代、云端买终稿"这个策略的全部理由。

11.3 变现：靠平台分成基本不可能回本

平台模式实际收入参考
抖音中视频计划 + 广告分成10 万播放 ≈ 30–80 元；百万播放 ≈ 300–800 元
红果短剧独家签约或播放分成相对稳定，但对更新频率与剧集质量要求高
快手光合计划 + 流量分成新手扶持期后播放量断崖式下降很常见

两个残酷数字：

但这与栖光"靠流量收益基本打平"并不矛盾：奇观流（33 秒无台词）的完播率天然高于剧情流，且他有日更 + 50 万粉的规模效应。个人号做奇观流可以打平；做剧情流靠分成必亏。

真正赚钱的是商单：新人单条定制 500–2000 元，有粉丝基础可报 3000–8000 元。真实项目：一条净亏 95 元的短剧，因被品牌看中做 3 条定制 @1500 元，进账 4500 元。

值得试的方向：品牌剧情类短剧 / 悬疑恐怖科幻垂类（观众对画面真实感要求低、对创意氛围要求高；有账号做到 90 秒内、前 5 秒抛钩子，完播率稳定 45%+）/ 素材批量销售。

12 音频与配乐（仙宫类的高级感有一半来自声音）

12.1 声音克制，画面才显得大

天宫类视频普遍采用极简声音设计：高空风声 + 轻微衣袂声 + 远处鹤唳 + 编钟余韵。行者AI视频的 5 秒提示词里明确写了"环境声以高空风声和轻微衣袂声为主"。

12.2 Suno 国风：把"国风"拆成乐器 + 演奏法 + 情绪 + 场景

来源：谱乐AI《Suno 国风提示词指南》

黄金三角结构：

主旋律乐器（1件）+ 和声/衬托乐器（1件）+ 打击/节奏乐器（1件）
例：古筝（主旋律）+ 洞箫（衬托）+ 大鼓（节奏）

仙宫/天庭直接可用：

Chinese court music, pentatonic scale, pipa and yangqin and small drum, elegant, bpm-88,
refined ornamentation, silk and bamboo ensemble, palace hall with lanterns, instrumental

苍凉空镜可用：

Chinese folk, pentatonic scale, xiao and guqin, desolate, bpm-65, slow and sparse,
wind effect, horse bell in distance, desert outpost atmosphere, instrumental

搭配逻辑：情绪相近、音色互补（古琴+洞箫 = 一弦一气；琵琶武曲+大鼓 = 一旋律一节奏）。情绪相悖要慎重（洞箫+唢呐、古琴+快速打击乐、葫芦丝+编钟）。

⚠️ 已知坑：Suno 生成古风音乐容易带电子味，需加抑制词。

12.3 音效与原生音频

12.4 工具与授权（2026 时点）

工具价格关键限制
Suno v6（2026-09-11 发布）免费档 v6-mini；Pro $8/月；Premier $24/月首个用正版授权音乐训练的版本（华纳、BMG、Believe/TuneCore），支持段落级编辑与混音；⚠️ 索尼、环球版权诉讼仍在进行，授权尚未全覆盖
ElevenLabsStarter $5/月（有商用权 + 即时克隆）、Creator $22（专业克隆、192kbps）、Pro $99、Scale $330、Business $1,320Free 档无商用权——做付费内容至少 Starter
Topaz Video AI2025-10 起订阅制：Personal $299/年、Pro $699/年价格来自竞品博客，建议官网复核；典型链：Starlight/Astra 生成式放大 → Proteus 细修 → Apollo/RIFE 补帧 → 稳定

12.5 仙宫环境音清单（直接写进提示词的 audio block）

high-altitude wind, distant bronze bell, crane calls, waterfall,
temple chime, fabric rustle, stone footsteps

Suno 国风关键词串：

guqin, guzheng, dizi bamboo flute, pipa, bianzhong bronze bells,
pentatonic, guofeng, cinematic Chinese fantasy score, sparse, 60 BPM, no vocals

"中式天庭"类爆款的共同点是：无台词、无字幕，只靠画面 + 环境音。 这恰恰规避了 AI 口型与配音的短板，也让它无需翻译即可跨国传播。

12.6 调色的一个专业细节

国外团队在 DaVinci 里调 AI 生成的仙宫片时的重点不是加饱和，而是降饱和 + 分离色相——AI 出图常见"全局橙金滤镜"和"灰雾吞色"，需要把白玉/云层/皮肤拉回中性，只让朱红与暖金保持高纯。这与第 8 章"减法审美"是同一件事。

13 合规：AI 标识是硬性要求

来源：抖音黑板报公告

平台能力（可识别、可提示、可追溯）：AI 内容标识功能 + 元数据标识读写（可识别并写入，用于溯源）+ AI 内容检测模型矩阵。

平台会自己加标识的情况：核验/检测站内未主动标识的内容是否由 AI 生成，对疑似 AI 内容或元数据含 AI 标识的作品补充添加显式标识；通过抖音账号直接制作发布的 AI 内容，平台主动添加显式标识；所有 AI 内容同步添加/更新隐式标识。

风险：平台对故意规避 AI 标识、滥用 AI 内容开展主动治理，并排查历史投稿的"标识缺失、标识不规范、漏标识"。

落地建议：把"发布时勾选 AI 声明"写进 SOP。不要试图靠去元数据、二次转码规避。 另外注意：海外平台（YouTube/TikTok）同样要求 AI 内容披露，跨平台分发时两边都要声明。

14 上手路线（三档，按投入选）

档位 A：零基础验证（1 天，几十元）

  1. 装两个技能包（xianxia-visual-director + xianxia-cinematic-video-director）到豆包；
  2. 出图（Seedream 4.5）→ 挑最好的 1–2 张；
  3. 图生视频（Seedance 2.5），用 5.4 的三步法；
  4. 配 Suno 国风 BGM + 极简环境音；
  5. 剪映合成 9:16，发布并勾选 AI 声明。

目标：先跑通链路，看看自己脑子里的画面能不能做出来。

档位 B：稳定出片（1–2 周，日产 1 条）

  1. 建自己的提示词 Skill——把第 5 章天宫规则、第 6 章头面规则固化成清单（行者AI视频的做法：把规则写成 Skill，下次换题材只改主体和构图元素）；
  2. 出图侧用 Midjourney/Seedream 批量抽卡，一次出 30–50 张挑 5 张；
  3. 视频侧严格锁首帧 + 小尺度运镜，单镜头 5 秒，一条 33 秒 = 6–7 个镜头；
  4. 物料拆包：人物主图 1 张 + 场景图 5–6 张；
  5. 按镜头类型分流模型 + 双 seed 取优，压返工率；
  6. 建立声音参考库与情绪声音库。

目标：把单条成本压到 50–100 元、返工率压到 20% 以下、做到日更。

档位 C：本地流水线（1 个月，硬件已就位）

  1. 先把底座修对：装 cu130 轮子（requirements.txt 必须先跑）、启动加 --disable-pinned-memory、SageAttention 只选 auto、打开 EasyCache（本卡 3.3× 提速）；
  2. 图像侧本地化：FLUX.1 Krea dev fp8（992×1440/20 步 ≈53s）出关键帧；快速迭代用 Qwen-Image Q4_K_S 4 步版（≈21–23s/张）；中文题字/换镜头用 Qwen-Image-Edit 2509 + BFS 换脸 LoRA(0.8)；
  3. 按第 10.4 节的权重组合配 LoRA（风格 ≤0.8、材质/光照 ≤0.8、加速 0.6–0.8、颗粒 ≤0.5；超 4 个 LoRA 要串两级采样）；
  4. 视频侧本地补位：纯场景/运镜走 Wan2.2 I2V 14B（496×720/97f ≈159s）；要音频走已有 MiniMax H3（≈194s）；长镜头草稿可用 LTX-2.5（1080p/4s ≈183s，带音频）；
  5. 云端只留两个口子：复杂多人交互 + 1080p 商业终稿。

目标：图像成本归零，把省下的钱全部投给视频算力。

档位 D：出海（在档位 B 基础上加三步）

  1. 先建 Moodboard：MJ 跑 30–50 张仙宫图建风格板，固定 --sref --sw，确定"一个主色 + 一个点缀色"（例：月白 + 朱红鎏金）；
  2. 换分发逻辑：Shorts 首要信号是 swipe-away rate，前 1–2 秒直接给最大景别，封面用最贵的那一帧，标题用提问式（What Chinese people imagine heaven looks like），话题带 #ChineseHeaven / #Chinamaxxing；
  3. 音画一体：把 audio block 直接写进视频提示词（Kling 3.0 Omni / Veo 3.1 / Hailuo 3 都支持），省掉配音环节——无台词无字幕反而是优势，跨国传播零损耗。

出海专属的一条纪律：不要把"角色一致性"当成仙宫题材的必做项。仙宫要的是空间一致性；只有做古风美人时才需要投入身份训练（Soul ID / 参考图包），而那会把成本推高 3–5 倍。

15 避坑清单（按血泪值排序）

#坑正确做法
1一上来就写"唯美震撼、电影感、高级感"五板块结构 + 把抽象词翻译成可量化视觉动作（8.2）
2跑大运镜（穿云、俯冲、环绕宫殿）慢推/轻移/缓慢抬升三选一；画面越大越要少动
3远景人物画太大远景压到 1%–4%（中景 5%–8%，近景 12%–20%）
3b用一个主运镜以外的第二、第三个运动指令一段只保留一个主运镜；"缓慢推进"必须是摄像机空间位移，禁止数码放大冒充
3c首尾帧用复杂运镜硬接首尾帧差异必须能由真实摄影机路径解释，否则改首帧或尾帧
3d给珠宝/珍珠题材照搬通用负面词plastic / glossy / shiny / reflective 会误伤珍珠高光，需按题材裁剪
4没锁首帧就直接写动作先锁首帧，再写"看得见的动作"
5把参考图当"参考人物"参考图只是风格与结构输入；人物一致性靠人景拆分 + 三视图
6发饰材质只写 gold / jade写工艺（filigree/granulation）+ 透感（translucent/inner glow）
7用 flat lighting / even lighting明确主光方向 + 金属镜面高光 + 玉石次表面散射
8用矩形缩略图替代人物抠像（换装）必须沿真实身体轮廓裁切的完整抠像
9短时长里同时堆复杂运镜和复杂换装二选一
10剧本写满微表情和高速武打改剧本避开；用镜头语言兜底
11提示词堆 40+ 个关键词控制在 15–25 个，过多分散注意力
12负向限制词写十几条选 3–5 个最相关的
13全部镜头用同一个模型死磕按镜头类型分流（特写/全景/运动）
14靠平台分成指望回本奇观流可打平；真钱在商单，把片子当作品集
15发布不勾 AI 声明硬性要求，且平台会追溯历史投稿
16还照着 Sora 的教程做Sora App/网页 2026-04-26 已关停、API 2026-09-24 下线；换 Seedance/可灵/Wan/MiniMax
17以为 Veo 4 已发布Veo 4 从未发布，官方仍是 Veo 3.1；Google 转向 Gemini Omni
18直接把"角色一致性"套到仙宫题材上烧钱仙宫吃空间一致性；角色一致性成本是它的 3–5 倍，别用错力气
19每条提醒词都从零写建 Moodboard 风格板 + 角色四联表，把一次成功变成可复用资产
20封面上放小字 / 开场黑屏封面用最贵的那一帧；前 2 秒直接给最大景别

16 附录索引

文件内容
速查卡.md一页纸速查：开工前必记的 5 个数、六步链路、四板斧、去 AI 味三招、成本速算、发布前 8 项检查
_parts/A-国内平台链路.md国内平台（即梦/可灵/海螺/Vidu/万相/混元/PixVerse/剪映/Liblib）链路与 10 条可抄中文提示词
_parts/B-国外链路.md国外链路（Midjourney/FLUX/Veo 3.1/Kling 3.0/Runway Gen-4.5/Seedance 2.5/Hailuo 3/Higgsfield）与 15 条英文提示词、完整价格表、3 个海外案例
_parts/C-本地ComfyUI复现方案.mdRTX 5060 Ti 16GB 本地 ComfyUI 完整复现方案
_parts/D-案例与核心技法.md标杆案例细读 + 仙宫/古风美女技法原始素材
_parts/E-成本合规与分发.md成本数据、算力排队现实、AI 标识合规、分发约束
_parts/F-变现与音画.md变现复盘、Suno 国风配乐、降返工率策略
_parts/G-提示词模板合集.md全部可直接抄用的提示词模板（含天宫规约完整示例与 14 项质量检查清单）

17 主要来源

案例与报道

技法

国外链路

市场与成本

音频与合规

下载此文件