500 条视频后总结的长视频工作流:分工比单点模型更重要

导读：外网作者分享了一篇长文，总结了自己生成近 500 条视频后的经验：长视频的稳定性更多来自流程分工，而不是某一个模型单点发力。

/长视频工作流文章封面/

三个阶段：从全交给一个模型，到三环分工

作者从 9 月 25 日注册 Muse 开始，20 多天里共生成了 488 条视频，流程经历了三个阶段。

第一阶段是全交给 Muse：做一部 3 分钟、18 个 10 秒分镜的作品，从拆分镜、写提示词、生成参考图和视频、到拼片都由 Muse 负责，作者只负责审定。这个阶段能跑通，但稳定性有限。

第二阶段是把整片提示词交给豆包 Work：先全网找爆款、查官方技巧，写好一部 3 分钟、18 镜的完整提示词，再交 Muse 出首帧、逐镜生成，成片是一部天宫系列作品。

第三阶段是把首帧改交 ChatGPT：用新一代图像模型出 21 张首帧参考图，Muse 按图生成 21 条 10 秒视频，拼成一部 3 分半的风格集锦。这个阶段的画质和风格一致性明显更好。

三个阶段的演进方向很清楚：不是换一个更强的模型，而是把每个环节交给最适合它的工具。

固定下来的四步流程

作者最后固定下来的流程是四步：

第一步，豆包 Work 定整片方案，包括分镜、提示词和整体风格；第二步，ChatGPT 出首帧，一镜一确认，首帧不满意就不往下走；第三步，Muse 逐镜生成、逐镜选片，单镜试 10 到 15 次还不行就简化或改拍法，不要死磕；第四步，Muse 写脚本拼片，统一分辨率、换音乐、调水印。

总结的分工是：提示词用豆包 Work，参考图用 ChatGPT，视频用 Muse。影响画质的环节用最强的工具，大量生成和挑选的环节兼顾成本，比如用免费额度来做逐镜试错。

第肆堵墙点评

近 500 条的经验值钱在“流程可复制”，而不是“照抄就能出同款”。不同题材要先跑一集全流程，测准每个环节的返工率，再决定更新频率。

成本方面，三环串联意味着三份调用和人工挑选成本。长视频要先按“分钟成本”算账，再定更新频率，否则很容易在挑选环节把时间拖没。

风险方面，逐镜挑选环节最耗人，流程里要留出明确的弃镜标准：试多少次不行就简化、改拍法，而不是无限试下去。没有弃镜标准，挑选就会无限拖长。

对想做长视频的人来说，这篇的参考价值在于分工思路，而不是某个具体提示词。先把方案、首帧、逐镜生成三个环节拆开，再分别找最适合的工具，长视频才有机会稳得住。

🤖

出处：Jarvis｜AI 商业实验室（@jarvis11x）

AI赋能力场是由第肆堵墙运营的中文 AI 工具实测专栏，面向 AI 从业者与研究者，用可复现的实测方法和真实数据，评估 AI 工具在具体工作场景中的能力边界、失败率与落地成本。

Photos | 网络 侵删 / Edit | 整理: 第肆堵墙