AIGC—全ai流程制作商业护肤品视频

哈喽，站酷的各位创作者、CG动画师以及视觉后期的同行们，大家好！

首先感谢对于这个ai产品动态片子的制作过程中给我很大帮助的一豪哥和组员的小伙伴。

这两年AI视频技术呈井喷式爆发，但大家在实操中普遍会遇到一个瓶颈：做做风景和意识流短片还行，一旦遇到对产品一致性、光影质感要求极高的商业广告（TVC），AI往往就变成了难以控制的“抽卡盲盒”。

今天，我带着刚刚完工的《VETES鱼子酱面膜》商业TVC成品以及完整的分镜头手稿，以这个真实落地的商业项目为例，为大家做一次深度的“视觉拆解”，并毫无保留地分享不同AI动画模型的底层差异与核心工作流。

在文章顶部的视频和分镜长图中，大家可以看到这支护肤品视频的完整呈现。作为产品动画视频，这支视频的核心诉求是传达“奢华、深层滋润、高科技抗衰”的产品调性。

先简单概括这个视频的前期想法和主要画面提示词的一些注意点，和画面静态和动态需要注意的地方。

我们放弃了传统的纯实拍路线，而是利用AI的生成优势，构建了一个充满微观物理美感的视觉世界。整支视频以“琥珀金”与“深邃黑”为主色调，分镜设计上锚定了以下几个核心视觉奇观：

极致的微距质感（Macro Detail）： 晶莹剔透、带有次表面散射（Subsurface Scattering）透光感的金色鱼子酱颗粒；以及浓郁、高粘稠度、带有高光反射的精华液拉丝特写。

动态流体与分子碰撞（Fluid & Particle Dynamics）： 金色水波纹的翻涌、悬浮在空中的水滴与精华分子的交织碰撞，用来具象化展现面膜成分的“高活性”。

功效可视化（Visualizing Efficacy）： 模特面部在敷上面膜后，浮现出金色的提拉网格（Grid）与DNA双螺旋光效，将抽象的“紧致提拉”概念转化为直观的CG视觉语言。

这个项目如果完全用C4D、Houdini配合Redshift去硬“K”流体、解算粒子，不仅周期极长，渲染成本也极其高昂。但是这次我深度介入了AI工作流：用谷歌的Gemini和nano banana pro模型负责前期的美术设定与分镜绘制，用AI视频大模型veo3.1和海螺2.6模型负责复杂流体与微距光影的生成，最后用剪映完成精准的商业级合成。

AI时代，分镜头与导演思维不仅没有被淘汰，反而成为了创作者的核心壁垒。想要产出《VETES鱼子酱面膜》这种级别的工业级视频，必须把AI关进严谨的“工作流笼子”里。

以下是我在实战中跑通的全链路闭环：

千万不要用文本去赌运气，废片率会让你崩溃。我们的标准操作是“图生视频”。像我提供的分镜图那样，先定一个产品的风格调性，然后用 Gemini和nano banana pro生成极致水准的“风格帧”。

提示词秘诀： 加入《微距摄影，影室布光，次表面散射，琥珀金调色，8K分辨率》 等词汇，先死死锁定整支视频的色调、质感和审美底线。

喂给视频模型时，提示词要像专业摄影指导（DP）一样精准。

摒弃“水在流”这种废话，改用 微距特写，120fps 慢动作，焦点从哪里切换到哪里，浅景深。

必须坦诚地说，目前的AI绝对无法完美生成并保持商业产品包装上的Logo和文字不变形。

AI可以惊艳地完成90%的流体和光影，但剩下的10%是商业底线。

在我们的工作流中，VETES的包装盒是在AI生成带有漂亮光影的“空白占位盒”后，进入剪映 中，通过跟踪进行三维平面追踪（Planar Tracking），再将高清的包装贴图、烫金Logo精准合成上去的，最后再用 Topaz Video AI 进行 4K 提升与画质增强。

但是跟踪对于一些运镜不难或者不复杂的比较和谐，如果需要光影复杂的和运镜比较复杂的还是无法达到高商业级别，但是对于目前ai的发展速度，我相信后面对于文字和贴图变动的这一弊端会很快的解决掉。即梦sd2.0模型对于贴图和文字的变化已经很少了，这就是一个很好的起步。

不同视频模型的优缺点（Advantages and disadvantages）

在推进这个项目时，为了达到最优的画面表现，我横向测试了目前市面上最顶梯队的几款AI视频大模型。抛开厂商的营销噱头，它们在实战落地中的“偏科”现象非常严重：

物理规律与光影的“Transformer写实派”

下面为不同模型的展示效果

     

在处理视频中“金色精华液的折射”、“流体的粘稠度”以及“鱼子酱透光感”时，这类基于最新架构的模型表现出了极其恐怖的物理世界模拟能力。它们能准确计算出光线穿透半透明材质时的漫反射，质感逼近电影级微距实拍（Macro Cinematography）。

这就是今天着重也要提出来的模型“veo3.1视频模型”

veo3.1模型的特点就是跑出的视频比较真实，无论是水面还是自然界场景的模拟，包括一些光效的体现都非常的到位。

   

时间连贯性极差。一旦镜头超过8秒，时长不够，无法像即梦d2.0模型一样连贯性，识别不出来的流体和物体发生剧烈碰撞，物体边缘就会开始“融化”或产生诡异的形变（幻觉）。

另外介绍当前主流的一些视频模型可灵3.0、O1模型、海螺的2.6模型、viduQ3，StarVideo 2.0以及最强大，但是时间成本很大的即梦sd2.0模型的优缺点，可根据优缺点适当取舍，完成属于自己的片子。

   

音画同出、15秒长镜头、借由“图生视频+主体参考”技术，即使镜头剧烈推拉摇移，人物面部、服装和道具特征也高度连贯，极少崩坏，

   

时间与成本双高： Pro模式算力消耗大，单次渲染（尤其是15秒4K视频）通常需要数分钟，试错成本较高。动态偶现“AI塑料感”： 在处理部分高动态画面时，动作可能会过度平滑，缺乏真实的物理阻尼感与重量感

   

融合文本、图像、视频、主体指令于单一引擎，实现“像P图一样P视频”的精准局部编辑与多轮重绘，彻底解决镜头切换时的“特征漂移”，多角色互动时人物面部、服装、场景极少崩坏，支持3-10秒自由时长设定及精准的首尾帧控制，便于长剧情故事板衔接。

   

相比可灵，原生生成时长较短，且缺乏针对多镜头串联和精细故事板控制的底层架构支持。

   

单次支持最多 9图+3段视频+3段音频 的海量混合输入，能直接复刻极度复杂的镜头组合与构图，具备自动分镜的“导演思维”，能生成极度流畅的多人交互与高仿真动作，动作不扭曲。。

   

服务器常年承压，基础会员单次生成需排队数小时甚至十几小时，且高级订阅费用昂贵，强力反深伪机制限制了未经校验的真人照片/视频作为主体上传，必须经过严格的真人活体与声纹校验才能出镜。

   

内置剧情结构拆解引擎，仅需输入故事提示词，即可自动处理分镜、转场、节奏、对白及音效匹配，支持4K分辨率与电影级打光，可精准驾驭微短剧、商业广告等复杂风格，人物动作与表情自然真实。

 

当前限制为 LibTV 团队版（付费专属） 可用，个人普通用户无法直接访问。高度自动化的端到端生成流水线，牺牲了部分操作颗粒度，使得专业创作者在逐帧精修或完全自定义单一细节时缺乏足够的控制力。

   

： 物理引擎表现极佳，人物肢体动作、流体（水、火）交互及布料形变极其自然，响应速度和渲染效率在业内处于第一梯队，非常适合需要高频试错和快速迭代的创作者，语义理解优秀，仅需简单的提示词或单张参考图即可输出高质量画面，上手门槛低。

   

相比可灵，原生生成时长较短，且缺乏针对多镜头串联和精细故事板控制的底层架构支持。

   

突破叙事阈值，单次可一键直出16秒高清（1080P）视频，可呈现完整的剧情起承转合，具备底层导演逻辑，支持在单一提示词中实现多视角切镜与复杂的镜头语言转换，稳定支持中、英、日等语言文字自然嵌入画面（如招牌、服饰Logo），无乱码或扭曲。

   痛点： 长视频与声画同出的算力消耗极大，API调用与订阅单价较高，试错成本大，复杂的音视频一体化联合生成导致处理速度偏慢，不适合极致追求出图速度的低延迟场景。

拥抱“AI生成素材 + 传统后期强控合成”的混合工作流，是目前AI商业化落地的不错选择。

完整的视频和分镜头手稿就在上方，大家可以放大感受一下微距的光影！如果你觉得这篇实战复盘和部分教学和自己对不同视频模型的理解对你有启发，欢迎在站酷点赞、收藏并交流。

作为创作者，你在将AI应用于实际项目时，最让你头疼的“翻车点”是什么（比如产品变形、文字乱码、还是无法精准卡点）？

最后说句题外话，都知道即梦seedance2.0视频模型好，但是我想说的是可以用接下来的图表达出我现在的心情↓