AI短片实战课程：零基础入门，Midjourney+ElevenLabs双工具，三步完成成品

这门课的核心不是「教你用 AI 做视频」这种泛泛的说法，而是把一条完整的短片生产链路拆成了可复用的三段：先用 Midjourney 生成镜头画面，再用 ElevenLabs 处理旁白与配音，最后把画面、声音和节奏组装成成品。资料包按阶段切分，从前期策划一直到成片输出都有对应目录，适合拿来做工程对照，而不是只看一遍视频就丢在收藏夹里。

技术栈与分工：两个工具各管一段

Midjourney 负责视觉资产的生成。它在短片流程里的位置是「镜头素材的批量产出」，你需要关心的不是单张图好不好看，而是风格一致性、构图比例、镜头之间的连贯性，以及如何用同一套提示词结构维持角色和场景的稳定。课程把它放在图像生成与 AI 制作环节，说明它承担的是分镜到画面这一步。

ElevenLabs 负责声音。短片的声音通常分三类：旁白、对白和环境音。ElevenLabs 擅长的是前两类，尤其是把文本转成有情绪起伏的配音，并且支持多语言与音色选择。它出现在音频生成目录中，意味着课程把「声音」当成独立的生产阶段来处理，而不是最后随便配个背景音乐。

项目结构：按生产阶段拆目录

资料包的组织方式本身就是一条流水线。前期策划对应脚本、分镜和情绪板；图像生成和视频生成分开，说明画面和动态是两套处理逻辑；音频生成与后期制作各自独立；最后用完整工作流把所有环节串起来。这种结构的价值在于：你可以只取其中一段来对照自己的项目。比如你的画面已经稳定，但配音总是别扭，那直接看音频生成部分就行，不必从头走一遍。

完整工作流目录的存在也很关键。单看每个环节都懂，合起来做仍然容易乱，因为剪辑节奏、音画对位、转场处理这些是跨阶段的。课程用一条完整链路把它们收口，适合作为你自查的参照系。

可复用模块与工程习惯

• 提示词模板：把角色、场景、光线、镜头语言写成可替换的字段，换项目时只改字段内容，不改结构。
• 资产命名与版本：同一镜头多次生成时，用可读的命名区分版本，后期回溯时不用靠记忆。
• 配音文本预处理：标点、停顿、重音位置会直接影响 ElevenLabs 的输出效果，先整理文本再生成。
• 音画对齐检查：把配音时间轴和镜头切换点对齐，短片观感是否流畅，八成取决于这一步。
• 输出规格统一：分辨率、帧率、音频采样率在开始前定好，避免后期反复转码。

这些习惯不依赖具体工具版本，换一套生成模型依然成立，属于可以迁移到其他 AI 视频项目里的部分。

自学路径建议

建议按「先跑通一遍，再回头补细节」的方式使用这份资料。第一遍不要纠结每张图是否完美，目标是把前期到成片的链路走完，拿到一个能播放的成品。第二遍再针对薄弱环节深入，比如画面风格不统一就回到图像生成部分，配音不自然就回到音频生成部分。

对于有开发背景的读者，可以顺手把重复步骤脚本化：提示词的批量生成、资产的整理归档、配音文本的分段处理，这些都是可以用代码替代手工操作的地方。课程提供的是流程认知和操作示范，把它转成你自己的半自动管线，才是这份资料真正的用法。零基础可以照着做，有工程经验的人可以拆开来用。