把经典故事套进 vlog 的形式，是这两年做 vlog 很讨巧的一种做法：熟悉的 IP 降低理解成本，第一人称的日常视角又带来新鲜感。用 AI 做这类片子，门槛比实拍低得多，一个人一台电脑就能跑通。这份教程拆的就是这条线。

为什么这种 vlog 形式能火

一是认知基础。西游记的故事人人都熟，不需要铺垫背景，三秒内观众就知道在看什么。二是反差感，把唐僧师徒放进”今天吃了什么””路上遇到什么”这种日常叙事里，严肃题材和琐碎日常的反差本身就构成笑点。三是制作可行，人物和场景都能靠生成解决，不用搭景不用服化道。

做之前先想清楚的三件事

角色一致性是第一道坎

观众能接受画风变化，但接受不了唐僧每一帧长得不一样。解决思路有三条：固定种子值让同一角色的多张图风格统一；先生成一个标准形象再拿它当参考图去衍生其他角度；用角色参考类功能锁定面部特征。第一条最省事，第三条最稳，代价是需要反复调参。

如果做对话场景，同一个画面里出现两个以上角色，难度会陡增。新手建议先从单人独白做起，等稳定了再上群戏。

场景和光线要统一

不同镜头之间如果色调和光线方向对不上，剪在一起会很跳。做法是先定一版视觉基调——比如”傍晚暖光的山林”——后面所有的生成描述都往这个基调上靠。季节、时段、天气这几个变量要写进描述里，别让模型自由发挥。

配音决定成品气质

画面再好，配音不对味全白费。这类内容通常有两种路线：正经旁白配轻松画面，反差感强；或者方言和口语化配音，更接地气。选定了就整条片子保持一致，中途换风格会让观众出戏。配音之后记得加环境音，脚步声、风声、远处的鸟叫，这些细节能撑起画面可信度。

vlog 的制作流程

1. 先写脚本。这类 vlog 的结构短平快，一条片子讲一件小事就够，别贪多。
2. 确定角色形象，生成标准参考图，用固定种子锁住。
3. 按分镜逐条生成画面，每个镜头都带上统一的场景描述。
4. 挑片。生成十张能用的可能只有三四张，这一步别省。
5. 配音加音效，节奏按脚本卡点。
6. 剪到一起，转场尽量简单，硬切比花哨转场耐看。

合规这块要说清楚

西游记的原著文本属于公有领域，用它的故事和人物设定创作没有问题。但具体到视觉形象，要留意素材来源：直接拿某一版电视剧的剧照去训练或者垫图，涉及那部作品的著作权；某些现代改编形象也有权利归属。稳妥的做法是只基于原著的文字描写生成，或者用公有领域的古画素材做参考。

发布时也要看平台规则，二次创作和 AI 生成内容的标注要求各家不一样，发之前确认一下。经典改编的版权界定，中国版权保护中心有相关说明。

常见问题

问：需要什么配置的电脑
出图出视频主要依赖云端算力，本地机器做剪辑和配音就够了。显卡不够就全走云端，慢一点但能做。

问：一条片子要做多久
熟练之后三到四个小时能出一条 vlog。新手主要卡在角色一致性的调参上，这部分耐心点。

问：画面抖动和变形怎么解决
减少单镜头的运动描述，缩短单个镜头的时长，或者用补帧和插帧工具处理一遍。运动幅度越大越容易崩。

问：可以换别的IP吗
可以，思路是通用的。选 IP 时优先考虑原著进入公有领域的，能省掉很多版权麻烦。角色固定和风格统一的做法可以参考国风AI视频从提示词到成片的流程，分镜结构方面商业动画从JSON分镜到成片的做法更系统。

获取方式

完整的操作演示与配套素材在下方获取区查看。建议先按上面的流程做一条三十秒的短片跑通全链路，再考虑做成 vlog 系列，一上来就做长片容易卡在中途。