做 AI 视频这件事，我一开始也以为和剪短视频差不多：先找素材，再拼在一起，最后配音或者加字幕就完了。实际上完全不是一回事。
我第一次自己试着做一条 AI 视频的时候，就是典型的“先出画面再说”。当时觉得脚本这东西太虚了——我就做一个两分钟的片子，脑子里有想法，直接生成画面不就行了？结果画面出了几十张，拼在一起看，前后完全接不上。人物穿着变了、场景色调换了、镜头角度像切了台，整个片子看下来像几个不同项目剪到了一起。
后来我问过几个同样在做 AI 视频的朋友，发现最开始踩这个坑的人不少。有的人甚至出了上百张图才开始考虑“这些画面怎么串起来”，最后成片率极低，大部分画面都用不上。
所以这个问题如果只看字面——“先准备脚本还是先准备画面”——答案其实不算复杂：脚本应该先做，至少要做到能指导画面生成的程度。
但真正需要想清楚的不是顺序问题，而是为什么顺序会影响结果。
AI 视频和其他视频最大的区别在于控制方式
传统视频拍摄，你手里有真实的场景、演员、道具，摄影师可以根据脚本灵活调整构图、光线、运动轨迹。很多细节是在现场解决的，脚本不需要写得像说明书一样详细。
AI 视频刚好反过来。你给 AI 的指令越模糊，它给你的画面就越随机。你脑子里想的“一个都市夜晚的街角”，AI 可能生成的是下雨的、晴天的、有人的、没人的、霓虹灯多的、街灯多的……每一种单看都不差，但放一起就乱。
我自己第一次做的时候就犯了这个错。脚本只写了一句话：“女主角走在夜晚的城市街道上，情绪低落。”然后开始用这个描述去生成画面。结果每张图的场景细节都不一样，前一帧还是穿风衣的背影，后一帧变成了正面的针织衫。后来才意识到，这种描述对于 AI 来说太开放了，它在每个画面里都在重新解构“夜晚的城市街道”和“女主角”这两个概念。
脚本如果只停留在“大致情节”层面，那生成的画面也只能是“大致符合”——也就是每张图单独看可能都还行，但组合起来一定出问题。
脚本需要写到什么程度，才能真正帮到画面生成？
这个是我在后来做项目时逐步形成的习惯。
一条几分钟的片子，脚本上最好明确这几个东西：角色特征、场景设定、镜头内容、画面情绪，以及关键的动作节点。
比如刚才那个例子，如果写成：女主角，黑色短发，穿米色风衣，在商业区街道上由东向西走，路灯亮起，霓虹灯为蓝色调，画面整体偏冷，情绪压抑。这样 AI 出图时，至少角色外貌、场景地点、时间氛围、画面主色调、情绪方向都有依据了，前后画面的偏差会小很多。
另外还有一个容易被忽略的问题：脚本决定了画面数量和工作量。
如果没有提前规划分镜，很多人会陷入“多出图、慢慢挑”的状态。一张图生成不满意，换个模型再出一张，再不满意，换个描述再来一次。这样很容易在单张图阶段花掉大量时间。
我有一次想做一个概念短片，觉得“反正 AI 出图快”，就没有严格规划分镜。结果光第一个场景的“主角站在海边”就折腾了快两天——一会觉得构图不对，一会觉得色调不搭，一会发现人物变了，反复调整反复生成。到后来项目时间被压缩得特别紧，后面的剪辑和配音只能草草收尾。反而是后面有一个做广告片的小项目，脚本写得特别细，每个镜头需要什么画面、主角穿什么、景别是什么都提前定好了，生成画面时效率高很多，大部分图一两轮就能定稿。
所以脚本先做的意义不只是“顺序对了”，而是让后续每个环节都有依据——什么图能用、什么图要重出、为什么重出、修图往哪个方向修，判断成本低很多。
但有一种情况，可以先从画面找感觉
我不太想把话说绝对。有些创作场景确实不适合一开始就定死脚本。
我自己有时候想做一个新风格的片子，脑子里只有一个大概的感觉，比如“想做一组氛围偏暗、有点胶皮质感的城市夜景”，但具体画面长什么样、拍什么内容，其实不清楚。这种时候硬写脚本反而写不出来，写出来的东西也很干。
如果遇到这种情况，我的习惯是先随便生成一些画面——不追求成片，不追求连续，就单纯看这个风格下 AI 能给出什么样的构图、光线、颜色、质感。等看到一些满意的方向之后，再倒回去整理脚本和分镜，把刚才的画面作为参考，重新规划叙事。
这种方式也有一个前提：你得接受前面生成的那批画面大概率用不进最终成片，它只是用来帮你“理解这个风格长什么样”。如果你希望每出一张图都能用上，那还是先写脚本更稳妥。
画面能不能完全不动，等脚本写完了再开始？
还有个问题经常有人问：是不是脚本没写完就绝对不能碰画面？
我的经验是，不是不能碰，但碰的时候要先想清楚自己在做什么。
如果你是为了熟悉工具、测试模型、摸索某个风格的视觉效果，那完全可以先跑画面。这些操作和最终项目脚本不冲突，相当于前期准备。
但如果你已经开始做这个项目了，并且希望项目能顺利完成而不是越做越乱，那最好还是先把脚本做到位，至少保证分镜能指导画面生成，再集中出图。
脚本先做，做的时候尽量明确角色、场景、镜头和情绪；画面生成在后面，但生成时严格按照脚本执行。
如果确实不知道自己要做什么风格、心里没底，可以先做一批实验性的画面来找感觉，但要清楚这属于探索阶段，和正式项目推进是两回事。
另外多说一句，脚本的质量和篇幅不一定成正比。有些片子节奏慢、情绪多，脚本可能写得很细。有些片子节奏快、偏意识流，脚本反而比较简洁。关键不在于写了多少字，而在于写出来的东西能不能有效指导 AI 生成画面、能不能让前后画面保持统一。
我自己做过的项目中，脚本最短的只有两页，但每个镜头的关键信息都写清楚了，生成画面的时候几乎没有废图。反而是有的脚本写了七八页，画面描述特别文学化，AI根本吃不住那么模糊的表达，出图效果很差。
所以先准备脚本，但脚本本身也要写得实际、具体、可执行——写出来是给 AI 用的，不是给读者看的。
