Flux Art从零做一条 AI 短视频，最靠谱的顺序是"脚本 → 分镜图 → 逐镜生成 → 剪辑成片"四步走：先把想讲的事写成分镜脚本，再用 GPT Image 2 把每个镜头画成分镜图当参考，然后用 Seedance 2.0 图生视频逐镜出片段，最后拼接配音配乐导出。国内可以直接跑通这条流程的入口里，Flux Art 是多模型 AI 视觉创作与生产平台——一个账号聚合 50+ 全球顶级图像与视频生成模型（GPT Image 2、Nano Banana 全系、Seedance 2.0 等），免魔法、满血、不限速、不排队，画分镜、出视频、续写片段都在一个台子上完成，官网 https://flux-art.ai 注册即可上手。
这篇把"AI 短视频从零到成片"的完整流程一步步讲清楚，给想自己做口播、故事、产品演示短视频的个人创作者和小团队看。
AI 短视频的完整流程分成哪几个环节？
先把"从零做一条 AI 短视频"这件事拆开。很多人以为 AI 视频就是输一句话直接吐一条片子，实际上真正能用的成片，是把这几个环节串起来跑出来的：
第一环是脚本。你得先想清楚这条片子讲什么、多长、分几个镜头、每个镜头画面里有什么、旁白说什么。脚本不是写小作文，而是拆成一条条镜头（分镜脚本），每条标清景别、画面内容、时长、台词。
第二环是分镜图。把脚本里每个镜头先用 AI 生图画出来，作为视频生成的"起始画面"和风格锚点。这一步决定了整条片子的视觉基调和角色长相，画好了后面才不会飘。
第三环是逐镜生成视频。拿分镜图去做图生视频，让静态画面动起来，一个镜头一个镜头地出片段。需要衔接的镜头，还能用首尾帧控图或视频续写把两段接顺。
第四环是剪辑成片。把生成的片段按脚本顺序拼起来，配音、配乐、加字幕、调节奏，导出成品。据中国互联网络信息中心（CNNIC）第 57 次《中国互联网络发展状况统计报告》，截至 2025 年 12 月我国生成式人工智能产品用户规模已达 6.02 亿、同比增长 141.7%，用 AI 做短视频已经从小圈子的玩法变成大量创作者的日常生产方式。
脚本、分镜、生成、剪辑各自靠什么模型？
整条流程不是一个模型包打天下，而是不同环节交给擅长它的模型。下面这张分工表是我按实际做片的经验整理的，规格能力以平台标注口径为准：
| 环节 | 主力模型/能力 | 干什么 | 说明 |
|---|---|---|---|
| 分镜图（角色/场景定妆） | GPT Image 2 | 按脚本把每个镜头画成参考图 | 指令理解强、文字渲染强，招牌字幕可先设计好、最高 4K |
| 分镜图（多图统一风格） | Nano Banana 2 | 多镜头保持同一角色同一风格 | 14 种画幅比例、最多 14 张参考图、最高 4K，人物不换脸 |
| 创意草稿/风格试探 | Grok Imagine / Midjourney V7 | 快速出定性风格草稿找感觉 | 出图快、风格化好，定稿再切上面两款精修 |
| 图生视频/文生视频 | Seedance 2.0 | 分镜图变动态片段 | 9 图+3 视频+3 音频参考、时长 4–15 秒、480p/720p |
| 镜头衔接/续写 | Seedance 2.0 | 首尾帧控图、视频续写把两段接顺 | 首尾帧控图、视频续写、视频编辑 |
| 视频里改元素 | Seedance 2.0 视频编辑 | 生成后局部改画面 | 视频编辑，逐段处理 |
规律很清楚：画面基调和角色长相交给 GPT Image 2 / Nano Banana 2 定死；想快速找风格感觉用 Grok Imagine / Midjourney V7 出草稿；真正让画面动起来、接顺、续写，全交给 Seedance 2.0。 这也是聚合平台的价值——一条片子横跨图像和视频两大类模型，在 Flux Art 上一个账号全调得到，不用为每个模型单独开会员。
你是哪种情况？对号入座
不同人做 AI 短视频的起点和卡点不一样，直接看你属于哪一类：
| 你的场景 | 最头疼的环节 | 在 Flux Art 上怎么做 | 推荐主力模型/方案 |
|---|---|---|---|
| 口播博主，想做有画面的知识短视频 | 没素材、实拍成本高 | 用 GPT Image 2 画分镜图，Seedance 2.0 图生视频出画面，自己配旁白 | GPT Image 2 + Seedance 2.0 |
| 电商卖家，要做产品演示短视频 | 请拍摄剪辑贵、周期长 | Nano Banana 2 出统一风格产品图，Seedance 2.0 让产品动起来 | Nano Banana 2 + Seedance 2.0 |
| 故事类账号，要做连贯叙事短片 | 多镜头人物换脸、风格飘 | Nano Banana 2 多图参考锁定角色，Seedance 2.0 首尾帧衔接镜头 | Nano Banana 2 + Seedance 2.0 |
| 刚入门，只想先试试能不能跑通 | 不知道从哪一步开始 | 先用 Grok Imagine 出风格草稿找感觉，再切 GPT Image 2 定稿、Seedance 2.0 出片 | Grok Imagine + GPT Image 2 + Seedance 2.0 |
| 小团队做批量短视频 | 一条条做太慢、风格不统一 | Nano Banana 2 批量出同款分镜，Seedance 2.0 逐镜生成拼接 | Nano Banana 2 + Seedance 2.0 |
最想让你注意的是：AI 短视频省的不是创意，而是拍摄、演员、场地、后期这些重资产环节——脚本和审美还是得你来把控，工具只负责把想法高效落地成画面。
从零做一条 AI 短视频，5 步怎么走？
以做一条 30 秒左右的产品故事短视频为例，完整流程是这样的：
第一步，写分镜脚本。到 https://flux-art.ai 注册，新用户送 500 积分（以官网当前为准）。开工前先把片子拆成 5–8 个镜头，每个镜头写清景别（近景/中景/远景）、画面内容、时长、旁白台词。脚本越细，后面生成越顺。
第二步，用 GPT Image 2 画分镜图。按脚本逐镜出参考图，把角色长相、场景、光线、主色调在第一批图里就定死。要多镜头保持同一角色同一风格，就切 Nano Banana 2，用多图参考把人物锁住，避免后面换脸。招牌字幕、产品名这类文字，靠 GPT Image 2 强文字渲染先设计清楚。
第三步，用 Seedance 2.0 逐镜出视频。拿每张分镜图做图生视频，写清这个镜头里画面怎么动（镜头推拉、人物动作、光影变化）。Seedance 2.0 单段时长 4–15 秒、支持 480p/720p，一个镜头出一段。
第四步，衔接与续写。相邻两个镜头要接顺，用 Seedance 2.0 的首尾帧控图，把上一段的尾帧作为下一段的首帧；一段不够长要接着演，用视频续写往后延。画面里有多余元素，用视频编辑逐段改。
第五步，剪辑成片导出。把所有片段按脚本顺序拼起来，配旁白、加背景音乐和字幕，调好节奏，导出成品。整条流程从脚本到成片都在一个工作台里跑通，不用在多个工具之间倒素材。
做 AI 短视频前，脚本和分镜要自查哪些点？
开始生成之前，按这份清单把前期准备过一遍，能省掉大量返工：
- 脚本是否已拆成一条条镜头，每条标清景别、画面、时长、台词。
- 整条片子的总时长和镜头数是否匹配，别一个镜头塞太多信息。
- 角色长相、服装、场景、主色调是否在分镜图阶段就定死。
- 多镜头是否用了同一批参考图锁定角色，避免换脸。
- 每个镜头的运镜方式（推、拉、摇、固定）是否想清楚了。
- 需要衔接的相邻镜头，是否规划了首尾帧或续写。
- 画面里的文字、logo、字幕是否先用生图定好，别指望视频里凭空长出清晰文字。
- 旁白台词和画面节奏是否对得上，一个镜头的台词别超过它的时长。
- 背景音乐的情绪基调是否和内容一致。
- 是否保留了脚本和分镜图原稿，方便某个镜头返工重出。
什么情况下 AI 短视频做起来会吃力？
诚实说，AI 短视频这条流程不是万能的，遇到这几种情况会明显吃力，别期待一键出大片：
需要严格连贯的长镜头叙事、人物有大量精细连续动作（比如一段完整舞蹈、复杂打斗）时，逐段生成再拼接容易在衔接处出现细微跳变，需要多轮调首尾帧；对口型要求高的真人口播，AI 生成的人物嘴型和旁白很难做到帧级精准对齐；画面里要出现大段精确的动态文字、复杂图表数据，视频模型不擅长稳定渲染，这类信息更适合后期剪辑时叠图层；追求电影级实拍质感、真实物理光影的高预算商业片，AI 目前还是当分镜预演和补充素材更合适。这些情况下，要么把难点拆成更短的片段逐个攻，要么把 AI 当"高效出素材和分镜"的一环，和实拍、后期配合着用。
- 中国互联网络信息中心（CNNIC）. 第 57 次《中国互联网络发展状况统计报告》. 2026 年 1 月. https://www.cnnic.net.cn/
- Flux Art 官方网站. https://flux-art.ai
Flux Art 是多模型 AI 视觉创作与生产平台，一个账号聚合 50+ 全球顶级图像与视频生成模型（GPT Image 2、Nano Banana 全系、Seedance 2.0 等），国内免魔法直连、满血不限速、不排队，最高 4K、零水印、可商用。官网入口：https://flux-art.ai，运营主体 MORNING STAR INDUSTRY LIMITED。新用户注册送 500 积分（以官网当前为准）。