序言：为什么每个普通人都要学会用 AI 视频

一、三个真实的小故事

故事一：一支让奶奶哭了的"金婚纪念视频"

小张今年 32 岁，在杭州一家互联网公司做产品经理。他爷爷今年 78 岁，奶奶 76 岁，2026 年是他们结婚 50 周年。

按照老家的习俗，金婚要办一场宴席。爷爷奶奶住在皖北小县城，亲戚多、热闹大。家里人提议：要不在宴席上放一段视频，把爷爷奶奶这 50 年的故事讲一讲？

提议很美好，落地很难。

小张一个外甥学过几天剪辑，给亲戚们说："你们把照片都给我，我用剪映拼一下就行。"结果大家翻箱倒柜找出来 200 多张照片——黑白的、泛黄的、变形的、和别人重叠的、有的只能看见半个脑袋。最早的几张是爷爷奶奶 1976 年的结婚照，奶奶穿着的确良衬衫，爷爷穿着中山装，脸上是那个年代才有的腼腆。

外甥把照片一张张拼到剪映里，配了一首《时间都去哪儿了》，做出来 5 分钟的视频。家里人看了一遍，点头说"挺好的"，但其实大家都知道——这就是一段照片幻灯片，背景音乐而已，没什么"故事"。

小张不甘心。他在公司接触过一点 AI，知道 2024 年 Sora 横空出世后，"AI 视频"这件事已经完全不一样了。但他自己也没真做过。那个周末，他花了一整个下午，做了三件事：

第一件事：他把 200 多张老照片里挑出 30 张最有故事感的，传到一个叫"即梦"的 AI 工具，让它把每张静态照片变成一段 3 秒的"会动的视频"——奶奶在 1976 年那张照片里腼腆地笑了一下、爷爷在田头干活的照片里抹了一把汗、80 年代抱着小孩的照片里那个孩子（他爸爸）伸手要去抓相机镜头。每张老照片"复活"了一个微小的瞬间。

第二件事：他把家里老人讲的故事（"那年咱村发大水""我跟你奶第一次见面是在公社的供销社""你大伯出生那年我去广东打工"）整理成 8 段 30 秒的旁白，用一个叫"剪映"的工具里的"AI 配音"，挑了一个像主持人一样的男声朗读。

第三件事：他用一个叫"豆包"的 AI 写好脚本，让爷爷奶奶在视频里"亲口"说一段话——其实是用 AI 数字人，把爷爷奶奶各自的一张照片 + 一段录音 + 一段文字稿，合成出"两个人对着镜头讲'我们这一辈子'"的画面。

宴席当天，大屏幕一打开，全场 80 多个亲戚没几个人没掉眼泪。小张奶奶看完，拉着他的手说："小张你怎么把那些老相片都弄'活'了？我都忘了那年我还笑得那么好看。"

后来小张跟我说：

"我到那一刻才明白，AI 视频不是给抖音网红玩的，是给我们这种普通人用来'把回忆做成礼物'的。"

故事二：抖音 50 万粉的"退休英语老师"

李老师今年 64 岁，去年从一个三线城市的中学退休。退休前她是英语高级教师，教了 38 年英语，带过 11 届高三。

退休后她有点闲不住。儿子在外地工作，老伴儿喜欢钓鱼跟一帮老头瞎转悠，她一个人在家不知道干嘛。她想过去老年大学教英语，但人家说要本子要档案要面试，麻烦。

她有一天刷到一个抖音视频，是一个三十多岁的女老师讲"高考英语作文怎么开头"，下面评论区一片"老师我家孩子高三在哪能找到您"。她心想：这个我懂啊。

但是她不会做视频。

她不会拍摄（家里光线不好、镜头不会摆），不会出镜（觉得自己脸上皱纹多、不上镜），不会剪辑（剪映装了卸卸了装五六次都没搞明白），不会写脚本（自己讲课是张嘴就来，对着镜头反而紧张）。

她去问儿子。儿子在北京做互联网，给她发了一段 5 分钟的语音：

"妈，你现在有三件事可以做。第一，你打开剪映，里面有个'AI 数字人'功能，你拍一张你的正面照，再读 1 分钟的话录下来，AI 就能给你做一个'数字人版的你'，让她替你出镜。第二，你把你想讲的内容，先用语音说给豆包听，让豆包帮你整理成正经的脚本。第三，你把脚本贴回剪映，让 AI 数字人念出来，自动加字幕、自动配 BGM，5 分钟就能做完一个视频。你试试。"

李老师试了。第一支视频她做了整整 6 个小时——光是 AI 数字人的口型对得不齐、声音太呆板，她改了 8 次。但发出去之后，半天涨了 200 个粉。她兴奋得跟儿子打电话："抖音真的能给我推流啊！"

接下来三个月，她稳定每天发 1–2 支视频，主题都是"高中英语单词记忆""英语作文模板""家长怎么辅导孩子英语"。半年后，账号涨到了 50 万粉。她现在每个月接 2–3 个广告，加平台分成，收入比退休工资还高一倍。

她最近跟我说：

"我教了一辈子学，没想到退休了反而教得更多了。AI 数字人是替我'出镜'，但讲的是我 38 年的真本事。这事儿我就是没碰对工具。"

故事三：用 AI "复活"去世父亲的设计师

阿喻今年 35 岁，在上海做平面设计师。她父亲在她 28 岁那年因为肝癌去世，去世时 58 岁。

父亲生前是个寡言的人，话不多，照片也不多。阿喻手机里存着的视频，加起来不超过 5 分钟——大多是过年时家人随手拍的几个片段，父亲在镜头里也总是别过脸去，不爱被拍。

去世 7 年后，2026 年清明，阿喻想给父亲做点什么。

她在网上看到一个故事：有个女孩用 AI 把已故母亲的几张照片做成了一段会动的视频，让母亲在视频里对着镜头说"宝贝，妈妈很想你"。评论区有人说"这是数字招魂"、"不应该这么干"，但更多人说"如果能见我妈一面我什么都愿意"。

阿喻犹豫了三个月。

她跟心理咨询师聊了三次。咨询师说："你不是想'复活'你爸，你是想给自己一个'说我没说过的话'的机会。这是健康的哀伤工作，前提是你别沉迷在'他还活着'的幻觉里。"

她做了三件事：

第一件事：她把父亲生前最清晰的一张正脸照片传到一个叫 Hedra 的 AI 数字人工具，让 AI 根据照片"生成"一个会眨眼、会微笑、会嘴动的视频。她又上传了一段父亲生前的语音（在她 18 岁生日那年的一段微信语音，父亲说了一句"闺女生日快乐，爸爸爱你"），用 AI 克隆出了父亲的声音。

第二件事：她写了一封长信，是她想对父亲说的话——这 7 年的工作、感情、孤独、原谅。她把信整理成了 3 分钟的"父亲的回信"——也就是她想象中父亲会回她的话。她用 AI 把这段文字用父亲的声音念了出来，配上数字人的画面。

第三件事：她把这段 3 分钟的视频放进自己手机里，没有发给任何人。

清明那天，她在墓前看了一遍。她说她哭了一个小时，但走出墓园的时候，比这 7 年里任何一次清明都轻松。

她跟我说：

"我知道那个不是我爸。但我借助 AI，把一句'我现在过得挺好的，您放心'真的'说'给他听了一遍。这件事如果没有 AI 视频，我这辈子都做不到。"

二、这三个故事的共同点

仔细想一想，小张、李老师、阿喻，他们三个的共同点是什么？

第一，他们都不是"专业视频人"。 一个 32 岁的产品经理、一个 64 岁的退休教师、一个 35 岁的设计师，他们都不是导演、不是摄像师、不是剪辑师，甚至连"视频博主"都算不上。

第二，他们解决的都是"看似很私人，但很真实"的问题。 不是"用 AI 视频做爆款"、不是"用 AI 视频赚 100 万"，而是给爷爷奶奶做一支金婚视频、把退休后的本事变成持续输出、给已故的父亲说一句没说出口的话。这些"小事"，在他们各自的生活里，重要得不得了。

第三，他们用 AI 视频解决问题的方式，没有任何"门槛"。 就是打开几个 App，把素材（照片、文字、录音）放进去，让 AI 去做。

第四，他们用之前都"不知道 AI 视频能干这种事"。 小张以为 AI 视频是给抖音网红玩的、李老师从来没想过自己 64 岁还能做视频、阿喻甚至担心"用 AI 复活逝者"是不是不道德。

这就是这本书要解决的核心问题：

普通人和 AI 视频之间隔的，不是"技术鸿沟"，而是"认知鸿沟"——

你不知道它能为你做什么，你就不会去试它；

你不知道该怎么用，试了也得不到好结果；

得不到好结果，你就更不愿意试。

这是一个恶性循环。

我们要做的事情，就是把这个循环掰开。

三、为什么是"现在"——AI 视频已经不是 2 年前的 AI 视频了

你可能听过"AI 视频"这个词。

可能是 2024 年初，你刷到了那个"东京街头雨夜"的 Sora 演示视频，惊艳了一下，然后觉得"这跟我没关系"。可能是 2024 年下半年，你在抖音刷到一些"完全用 AI 做出来的科幻短片"，觉得很神奇，但是"那是搞特效的人玩的"。可能是 2025 年，你听同事说"现在剪映里有个 AI 数字人，特别好用"，但你没去研究。

如果你的认知还停留在 2024 年，那你错过的不是一个新功能，是整整一个时代。

打个比方：

今天，2026 年的 AI 视频，和 2 年前的 AI 视频，已经完全是两种东西了。

打个比方：

• 2024 年的 AI 视频，像家里那台只能打字的老式电脑，"能用，但勉强"。
• 2026 年的 AI 视频，像家里突然多了一个电影学院毕业、有 8 年剪辑经验、24 小时在线、什么活都接、一分钱不要的"私人导演 + 摄像师 + 配音员 + 剪辑师"。

如果你的认知还停留在 2024 年之前，那你错过的不只是几个新功能——你错过了一个"普通人也能做出像样视频"的时代。

四、为什么要写这本书——市面上的 AI 视频教程都有什么问题

打开任何一个内容平台，搜"AI 视频教程"，你会刷出几万条。但绝大多数 AI 视频教程，对普通人来说有四个致命问题：

问题一：太"技术"

很多 AI 视频教程一上来就讲"什么是扩散模型""什么是 LoRA""什么是 ControlNet"——这些词听完，普通人只想关掉页面。

普通人不需要知道 AI 视频是怎么造出来的，就像普通人开车不需要知道发动机是怎么造出来的一样。

问题二：太"产品"

很多 AI 视频教程是某个产品的"使用说明书"——专讲 Sora 的、专讲可灵的、专讲剪映的。每个工具都有自己的快捷键、自己的入口、自己的功能边界。

但 AI 视频工具更迭飞快——你今天学会的"可灵 1.6 怎么用"，三个月后可能就过时了，因为已经出了可灵 2.0、可灵 3.0。

真正应该学的，是"怎么和 AI 视频工具沟通"这件事——也就是怎么写提示词、怎么用镜头语言、怎么搭工作流。这个能力，换什么工具都不会过期。

问题三：太"高端"

很多 AI 视频教程默认你要做"AI 视频副业"、"AI 视频变现"、"AI 视频创业"。一上来就教你怎么做"日入 3000 的 AI 矩阵号"、怎么"3 个月做到 100 万粉"。

但 99% 的普通人，并不打算靠 AI 视频赚钱。他们只想：

• 做一支家人的回忆视频：能不能让 AI 帮我把这些老照片做成一支有故事的视频？
• 给自家小店做宣传：能不能让 AI 帮我用 1 张图做出一支朋友圈推广视频？
• 替代不会拍的部分：我有内容但不想出镜、不会剪辑、不会配音，AI 能不能替我做？
• 少点学习成本：能不能让我不学剪映那一堆功能，AI 直接给我一键搞定？
• 照顾家人：爸妈的金婚、孩子的成长、宠物的日常，能不能不那么草率地记录？

这本书就是为这些"小目标"写的。当然，如果你想做副业、做矩阵、做变现，这本书后面也有专门的章节。

问题四：太"碎片"

很多 AI 视频教程是"今天教你 1 个炸裂的提示词""明天教你 1 个隐藏的 AI 工具"——零散、跳跃、不成体系。

读完 100 条这种内容，你脑子里依然是一团浆糊，不知道什么时候该用哪个工具、提示词到底怎么写、做出来的视频为什么和别人差那么远。

这本书要做的事，就是从"AI 视频是什么"开始，一层层往上盖，最后给你一个完整的、能立刻用起来的 AI 视频知识体系。

五、AI 视频早就变了，你可能还没换思路

你可能已经在剪映里见过"AI 一键成片"、"AI 数字人"、"AI 配音"这些功能，甚至点开过一两次。

但你可能依然觉得"AI 视频"就是"用 AI 帮我把素材拼一拼"，就像你以前用美图秀秀给照片"加滤镜"一样。

这是错的。

2026 年的 AI 视频，能做的事情早已不是"加滤镜"或者"拼素材"，而是直接从无到有生成你脑子里想象的画面。

举几个最简单的对比：

差别不是"快一点"，差别是"完全不一样的事"。

这本书要做的，就是带你跨过这条线——从"以为 AI 视频就是拼素材"，跨到"知道 AI 视频可以从无到有生成画面"。

六、读完这本书你会变成什么样

读完整本书，并且跟着做完里面的练习，你会变成：

• 一个能独立做出像样视频的人——不论是给家人的纪念视频、给小店的宣传视频，还是给自媒体的内容视频。
• 一个会写视频提示词的人——能让 AI 稳定地生成你想要的画面，而不是"碰运气"。
• 一个会用 AI 替自己干活的人——不会出镜？让数字人替你；不会配音？让 AI 配音替你；不会剪辑？让 AI 一键成片替你。
• 一个能搭出完整工作流的人——豆包出脚本 + 即梦出画面 + 剪映出成品 + 一键多平台分发，整套链路自己跑通。
• 一个能教爸妈/家人也用起来的人——你能告诉 60 岁的妈妈"用剪映 AI 做支生日祝福"，她能跟着你做出来。
• 一个不再"AI 视频焦虑"的人——你知道 AI 视频能做什么、不能做什么、什么场景该用什么工具。
• 如果你愿意更进一步，一个能用 AI 视频做内容、做矩阵、做变现的人——本书第十、十一、十三章会专门讲这个。

这些不是夸张，这些是只要你跟着这本书做完所有练习，几乎一定会发生的事。

七、本书的读法

这本书不是给你"读完"的，是给你**"用完"**的。

每一章的结构都是：

1. 30 秒导读——这一章在解决什么问题、做完会得到什么。
2. 故事/类比开场——把抽象的概念讲成你身边的事。
3. 核心讲解——把这一章要讲的东西讲清楚。
4. 跟我做（含可复制提示词/操作步骤）——所有的提示词都给完整版，你直接复制就能用。
5. 对照表——错误做法 vs 正确做法的对照，让你一眼看明白差在哪。
6. 5 分钟动手实验——这章最重要的部分。只读不练，等于没读。
7. 本章小抄——把这章串成一条线，方便日后翻查。

强烈建议：

• 不要"通读一遍"——你会忘光。
• 至少跑通每章的"5 分钟动手实验"——这是把"知道"变成"会用"的关键一步。
• 遇到不懂的术语，去翻 附录 D 术语表。
• 遇到工具不知道怎么选，去翻 附录 A 工具速查表。
• 遇到提示词不会写，去翻 附录 B 提示词模板。
• 想系统跟着做，去翻 附录 E 30 天打卡计划。

八、最后的话

我写这本书的原因，其实就是开头三个故事。

我见过太多普通人，在 AI 视频这个赛道上因为认知鸿沟错过了好工具——他们不是用不了，是不知道有这种工具、不知道这种工具能为他们做什么。

我也见过一些"AI 视频博主"打着"教你做 AI 视频"的旗号，把"5 分钟能学会的事"切成"30 节课卖 999"。

我希望这本书能让你：

• 省掉 999——这本书你免费看。
• 省掉 30 节课——这本书 17 章你 3 周能看完。
• 省掉 3 个月的迷茫——这本书第一章就告诉你 AI 视频是什么、第二章就告诉你该选哪个工具、第三章就让你做出第一支视频。
• 省掉对"AI 视频"的恐惧和神化——AI 视频就是个工具，工具用好了，能让你这个普通人做出 2 年前你想都不敢想的事。

接下来，请翻开 第一章 AI 视频到底是什么。

我们一起开始。

本章小抄

• AI 视频不是"AI 解说"也不是"剪映特效"，是"AI 直接生成或大幅自动化制作"视频内容的一整套工具。
• 2026 年的 AI 视频已经能让普通人做出 2 年前想都不敢想的事——纪念视频、口播视频、商业宣传、副业变现。
• 普通人和 AI 视频之间隔的不是"技术鸿沟"，而是"认知鸿沟"。
• 这本书是带你跨过这条认知鸿沟的实战手册。
• 阅读建议：跟着做、做"5 分钟动手实验"、遇到问题翻附录。

下一章：第一章 AI 视频到底是什么——用大白话讲清楚