用AI在10分钟制作电影级城市宣传片

发布日期：2026/5/26 15:12:33      浏览量：

整体思路很简单：
把一条 60 秒左右的城市宣传片，拆成 6 段，每段约 10 秒，分别生成，再合成为一条完整视频。
这样做的好处是：
单段更容易控制画面质量、镜头节奏和生成稳定性，最后再通过剪辑合成，整体效果会比一次性生成长视频更可控，且大部分模型单次最多支持15秒。

我们正式开始：
一、整体制作思路

这条视频的目标是做出一种“电影级航拍城市宣传片”的感觉。
画面包括：
城市航拍推进
河流、桥梁、街道、广场
人文生活场景
地方美食、特色景点
文旅活动
日落、夜景、灯光氛围
整体基调要统一：
大气、温暖、有家乡感，同时具备城市宣传片的高级感。

二、第一步：用 ChatGPT 做前期策划

我先让 ChatGPT 完成三个核心内容：
整体脚本
六段分镜文字框架
每段视频生成提示词
因为视频总时长大约 60 秒，所以我把它拆成 6 个小段：
提示词可以这样写⬇️
我要做一个家乡/城市的高端文旅宣传视频，我需要你帮我设计并生成用于分镜/分解图海报的提示词，核心内容要满足专业级城市宣传片所覆盖的所有方面，我的城市是《这里换成你想做的城市》，你自行寻找需要的所有核心素材，契合城市主题，最终将提示词分成6段给我，每段设置4个分镜头，但需保持主题统一、镜头连贯、节奏完整

这里最重要的是：

脚本决定整体基调，分镜决定画面顺序，视频提示词决定最终生成效果。
所以前期不是直接开始生成视频，而是先把整条宣传片的逻辑规划清楚。

三、第二步：用 GPT Image 生成分镜图

脚本和分镜满意之后，我再用 GPT Image 生成参考图。
每一段生成 4 张分镜图。
6 段一共就是 24 张图。
这些图的作用不是直接当成最终视频，而是作为后续视频生成的“视觉参考”。
这样可以保证：
城市风格统一
镜头氛围统一
画面元素更稳定
每段视频之间衔接更自然
重点：将第二步 ChatGPT 输出的分段镜头提示词调整到满意后，让 GPT Image 开始出图，粘贴好提示词，并输入以下指令⬇️，等待出图
请按照我提供的分段提示词，做好分段的配图。每段对应四个关键镜头，分别输出
等出图以后，看有无不满意的地方

如有就让 GPT Image 重做，满意了我们继续让它输出每段视频生成提示词⬇️
给我6段用于在 seedance 2.0 用的视频提示词，分别一一对你上面给我的六段图，并写好对应的旁白与字幕，必须注意主题统一性和专业镜头感

四、第三步：用豆包 / Seedance 逐段生成视频

接下来进入视频生成阶段。

为了避免顺序错乱，一定要把参考图顺序记好，复制一段+对应参考图，做好了第一段再进行下一段。
我使用豆包的免费次数，结合前面生成的参考图和视频提示词，一段一段生成 10 秒视频。
⬇️如下图，输入后等几分钟即可
图像
每段都单独生成的好处是：
镜头更容易控制
出错后只需要重做某一段
整体画质更稳定
后期剪辑更灵活
比如第一段可以是城市航拍开场，第二段是河流桥梁，第三段是街道生活，第四段是美食与人文，第五段是文旅活动，第六段是夜景收束。
这样最后合起来，就会有一条完整的城市宣传片节奏。

五、第四步：用 Codex + HyperFrames 合成视频

6 段视频生成完成后，我让 Codex 使用 HyperFrames 插件进行合成。
主要完成两件事：
把 6 段视频按照时间线顺序拼接起来
根据脚本自动填充字幕
这一环节是把前面生成的“素材片段”，输出成一条完整的视频作品。

打开 Codex，加载好 HyperFrames 插件，⬇️这样告诉它：
图像

六、第五步：用剪映完成配音和声音设计

最后一步放到剪映里完成。
主要处理：
配音
背景音乐
环境音
字幕微调
节奏优化
环境音很重要，它能让画面更有真实感。
比如：
清晨可以加蝉鸣、鸟叫
河边可以加水流声、蛙叫
街道可以加汽车引擎、人群声
夜景可以加轻微城市环境音
这些声音会让 AI 生成的视频更像一条真正的城市宣传片，而不是单纯的画面拼接。

七、这套工作流用到的工具

这次制作主要用到：
ChatGPT：脚本、分镜、提示词
GPT Image：生成分镜参考图
Seedance / 豆包：参考图生成视频
Codex：辅助合成视频流程
HyperFrames：视频拼接与字幕时间线
剪映：配音、环境音