上一篇文章记录的是一套 AI 短视频工作流还在边做边调试时的样子。后来，第三期《迁移》和第四期《认知灵活性》按用户当轮意见通过收口，我们也把两期制作里实际走过的环节、遇到的问题和返修经验重新整理成了一套工作流说明。

所以这篇是后续记录：不是重写上一篇，也不是宣布“AI 视频已经可以自动做好”。这次完成的是工作流整理与编排方法归纳；第三、第四期的成片各自有通过范围和未验项目；整理后的流程还需要在新一期里继续检验。

这次我更想讲清楚一件事：短视频不只是把文案、配音、图片和动画放在一起。真正要交接的是“观众这一刻应该理解什么”，以及每一步怎么确认自己没有把意思弄丢。

一、为什么两期做完后，还要停下来整理工作流

做完一条视频，并不自动等于下一条就知道怎么做。每期题材、声音、画面和制作条件都可能不同。如果只留下成片，下次容易记住某个镜头或秒数，却忘了当时为什么这样安排；如果只留下原则，又可能不知道遇到字幕、画面接续或文字太多时该怎么处理。

第三、第四期的制作让我们看到，问题常常不是“缺一个工具”，而是阶段之间的意思没有接好。例如画面看起来已经出现，不代表观众来得及读；程序中的对象还在，不代表成片里关系清楚；字幕没有和主体重叠，也不代表它没有挡住卡片边缘、编号或说明。

因此，整理的目标不是增加文档，而是把真实遇到的情况变成下次能照着检查的工作方法：先说明输入和责任，再说交付什么、怎么验、没过时回到哪一步。

图 1：两期制作中的具体问题，怎样转成后续工作流里的检查方法。它展示的是经验归纳，不代表这些改进已经在新一期全部验证。

二、现在整理出的完整制作主线

目前整理出的主线是：确认文案 → 制作同版声音与字幕 → 设计两张愿景图 → 总控核验并由用户确认方向 → 准备素材并细化动作 → 组件动态核验 → 按原音编排并试看片段 → 完整编码与总控验收 → 用户审看和复盘。

这条主线看起来有很多步，其实每一步都在回答一个简单问题：上一环交来的东西，下一环能不能拿来继续做？如果还不能，就先不要把它当作已经完成。

图 2：从定稿到复盘的制作路径。图中每个关口都要核输入版本、实际交付与尚未验证的部分。

三、每一步具体要解决什么问题

1. 先把文案说清楚，再让声音和画面跟同一版走

文案先明确这条视频想表达什么，哪些是事实，哪些是举例或推测，条件和人物关系是什么，观众最容易误会哪里。确认后的正文作为唯一版本交给后续制作。

配音和字幕必须对应这版正文。文案一旦改动，就检查声音、字幕和时间信息是否仍然匹配；不能让配音按旧稿、字幕按新稿、画面又理解成第三种意思。时间标记也要注明来自实际测量、机器候选还是人工校准，不能把估算说成实测。

2. 先设计“怎样讲明白”，再准备正式素材

视觉阶段要交两张用途不同的图：一张分镜总览，帮助检查整期有哪些场景、重点和关系；一张动作连续图，说明对象从哪里开始、怎样移动、停在哪里，哪些要保留到下一段。两张图不能只是把同一张拼图换个名字。

总控先对照文案、参考和画面检查意思、条件、对象关系、素材一致性和可实现性。之后由用户确认这套视觉方向。只有确认了方向，才进入正式素材和动画细化。这样可以避免已经花时间做好一整套素材，才发现一开始理解的就不是用户想表达的内容。

3. 素材齐备后，再把动作绑定到真实对象

确认方向之后，风格阶段准备实际会用到的图片、文字和可移动元素，再把动作说明对应到这些真实素材。要交代每个对象的身份、层级、位置、起始状态、运动、停留、退出，以及它怎样接到下一段。单张平面图可以是参考，但不能当成已经拆好的动画素材。

组件阶段优先复用已有能力；如果要调整，也要查清真实入口、参数范围、对象是谁控制、播放时能否停住和退出。能在组件预览里动起来只是一个检查范围，还要确认放进真实视频工程后，交接和状态仍然成立。

4. 编排时先想观众怎么读，再安排物体怎么动

编排不按字幕每换一行就换一个镜头，也不平均分配每个场景的秒数。先把文案按完整意思分段，再问：这一段观众应该懂什么？先看谁？对象之间是什么关系？哪些信息要等解释到这里才出现？哪些内容必须保留到下一句话？

然后拿真实配音安排画面。一个意群里要分清对象出现、动作发生、重点落稳、观众阅读和最后退出。运动的时间和静止阅读的时间不是一回事；不设每段都要停几秒的统一标准，而是结合文字多少、关系复杂度、声音密度和正常播放时是否跟得上来判断。

图 3：按“意思—声音—画面”的关系编排，不把字幕边界当硬切点，也不让必要信息一闪而过。

5. 用能暴露问题的片段先检查，再检查完整成片

整片渲染前，先挑本期最容易出问题的段落，比如信息密集、对象要连续移动、需要保留条件，或结尾要完成总结和预告的部分。接上原音，以正常速度看它能不能跟上、看懂；选段理由来自本期风险，而不是固定挑开头、中间和结尾。

片段能帮助尽早发现编排问题，但它不能代替完整视频检查。完整编码之后，还要对这份实际文件核规格、首尾、字幕、画面连续、原音保留、同步和接缝。不同检查分别留下结论；浏览器预览、截图、代码测试和实际编码各能说明一部分，不能互相代替。

图 4：从文件、静态画面、动态预览到完整编码和用户审看，各自回答不同的问题。

四、两期实践具体改变了哪些做法

第三期《迁移》的复核发现，说明文字虽然在画面里出现过，却未必留够时间让人读懂；有些编号或对象边缘与真实框线、箭头发生了问题；接收卡的完整边界也不能只靠检查字幕中点来判断。由此整理出的做法是：检查实际出现的字形和边线，确认关键内容完整出现后是否真的稳定可读，并覆盖字幕和对象的进入、停留、退出及相邻字幕交接。

第四期《认知灵活性》用户指出整体节奏过快，之后的 R4 将动作时间与阅读保持分开处理，在受限位置做了组件层面的最小调整，并按实际编码检查画面和接续。它提醒我们，不能只看程序里的时间倍率，也不能简单把全片统一放慢；重点是观众什么时候能看见完整关系，什么时候有机会读，前后场景是否接得上。

另一个重要改变是检查出现问题时，不再无限扩大全量复查：先确定当前版本和具体缺陷，再交回对应环节修复，随后复核受影响的对象和前后接续。没有变化的部分，如果旧证据仍对应同一版本和范围，可以说明依据后复用。

图 5：实际问题、原因判断和流程动作的对应关系。不是把某一期的镜头、秒数或组件数量做成通用模板。

五、哪些事情已经完成，哪些还不能下结论

截至 2026 年 9 月 27 日，项目已经完成工作流总览和第三、第四期的流程复盘，也补齐了各阶段如何记录检查范围、缺陷如何回到责任环节、什么条件下可以停止本轮检查。两期成片按各自范围通过收口，项目没有把用户的通过扩大解释为“最终满意”。

但这轮完成的是方法整理，不是新一期的生产验证，也没有重新制作或重新检查两期媒体。第三期完整第四版已有全时间轴离散画面观察、文件和原音客观保留核查；连续无观察空档观看与真实听感仍未验。第四期 R4 的完整编码、画面接续和原音客观保留有对应复核，但原有声音评价仍是“勉强通过，仍有较大调试空间”，不能说做过新的真人听审。

项目也没有证明新内容可以不用人判断就自动生成合格分镜，或这些规则换到任何机器、模型、版本都能得到一样结果。规则写进文档，不代表每个工作窗口已经读取、每次都执行，也不代表从此不再返工。

图 6：把“已完成的整理工作”和“仍需新一轮证明的效果”分开陈述。

六、下一期会怎样检验这套整理后的方法

截至这次核查，新一期《非典型组合》的口播 V2 正等待用户审阅，尚未进入配音或音画制作。它不是已经通过的新流程案例，反而会成为下一次观察机会：文案确认后，各阶段交接是否清楚；相同类型的遮挡和节奏问题能否更早发现；已验过的范围是否能复用，而不是重复等待；如果工具做不到连续听看，能否及时讲明影响。

下一次复盘应该记录真实发生了什么：在哪个阶段发现问题，返修回到哪里，最后检查了哪些对象和版本，是否出现不必要的重复编码或等待。只有这些事情在新项目里真的发生并留下证据，才有资格判断整理后的流程有没有变得更好。

结语：流程写完了，效果还要靠下一期验证

这次工作的完成，不是宣布 AI 视频制作已经结束调试，而是先把两期实践整理成一套更清楚的协作路径：每一步知道自己接什么、交什么、怎么检查；出了问题知道该回哪一步；证据不够时就把范围说清楚。

对我来说，这比只说“现在有一套完整流程”更重要。因为流程最终值不值得保留，不看它写得多完整，而要看下一期能不能更早发现问题、少走无效返修，同时仍然让视频把原本的意思讲清楚。