AI短片制作实战：零基础上手，Midjourney+ElevenLabs双平台，三步轻松完成作品

这门课的主题很明确：用 Midjourney 出画面、用 ElevenLabs 出声音，把两者拼成一条能跑通的短片生产线。它不讨论 AI 视频的宏观趋势，而是拆成可执行的环节——图像生成、音频生成、视频生成、剪辑收尾，最后用完整工作流串起来。对开发者来说，价值不在"看别人怎么做出一条片子"，而在于理解每个环节的输入输出、参数边界，以及哪些步骤可以脚本化、哪些必须手工干预。

技术栈与工具边界

核心工具是两个外部平台。Midjourney 负责静态画面的风格一致性与镜头构图，课程里对应图像生成部分；ElevenLabs 负责旁白与对白的语音合成，对应音频生成部分。两者之间不是简单拼接，中间还夹着视频生成环节——把静态图转成动态镜头，再与音频对齐。课程目录里出现的 AI Production、Video Generation、Post-production 三段，实际是把"生成"和"组装"分开处理：先生成素材，再做时间线上的合成。这种切分方式对写代码的人很友好，因为每一步的产物都是文件，可以被检查、替换和重跑。

项目结构怎么读

资料包按制作阶段分目录，而不是按软件分。图像、音频、视频各自独立，最后收敛到完整工作流和收尾环节。建议按这个顺序对照实践：先跑通单张图到单段语音的最小闭环，再进入视频生成，最后把多镜头组合成片。不要一上来就照着完整工作流做，那样中间任何一步参数不对，你很难定位是生成问题还是合成问题。把每个阶段的输出单独存一份，方便回退和对比。

可复用的部分

• 提示词结构：Midjourney 部分的关键不是单条提示词，而是如何保持同一角色、同一场景在多镜头间的一致性，这部分可以抽成模板复用。
• 语音参数：ElevenLabs 的语速、停顿、情绪设定，直接影响后期对齐难度，值得单独记一份参数表。
• 工作流串联：完整工作流那一节展示的是步骤顺序和依赖关系，可以照着画一张流程图，再决定哪些环节用脚本批处理。
• 收尾规范：剪辑、字幕、导出格式这些收尾动作，决定了成品能不能直接交付，容易被忽略但复用价值高。

自学路径建议

如果你有编程背景但没碰过 AI 短片，建议按"单点验证—串联—批量"三步走。先只玩图像生成，确认能稳定产出符合要求的画面；再接入语音，确认音频长度和画面节奏匹配；最后才进入视频生成和完整工作流。课程里的零基础定位指的是不需要剪辑经验，但如果你想把流程自动化，仍然需要理解每个平台对外暴露的能力边界——哪些能调 API，哪些只能手动操作。把这两类分开管理，后面做批量生产时才不会卡住。

整体来看，这份资料适合拿来当对照手册：一边看阶段划分，一边在自己的工程里搭一条最小流水线。它给的是流程骨架和平台用法，具体画面质量和语音效果仍取决于你的提示词与参数调校。先跑通，再优化，比反复看演示更有效。