5分钟学会制作TikTok上火爆的AI播客视频

目前最具代表性的两个案例：一个是“babypodcastofficial”，用宝宝形象制作AI播客内容，14天涨粉23万，单条播放量动辄百万；另一个是“junkboxai”，用宝宝还原影视角色、演绎经典名场面，现已拥有36万粉丝，每一期视频都成为爆款。接下来我们将详细拆解这种宝宝影视名场面视频的完整制作流程，从镜头图片到成片，一步步讲清楚。

完整制作流程

整体分为四步：制作镜头图片、图生视频、对口型、剪辑。每一步都有一些需要注意的关键细节。

一、用Sora制作镜头图片

GPT/Sora、Midjourney、豆包、即梦都能生成图片，但要论真实感和影视感，Sora仍然表现最为突出，而且一次能出两张，生成效率也很高。因此第一步使用Sora来完成。

1. 挑选一个想复刻的影视名场面——去B站随手一搜就能找到。
2. 把你想要复刻的每个镜头截图，然后让Sora把图中的人物转成婴儿或六岁孩子的形象。指令参考：将图片中XXXXX的样子转成六岁的样子，保持外貌、着装、场景一致，不要字幕。每次生成两张，后续选择空间更大。
3. 部分图片建议结合原视频结尾帧截图，这样一来所有图生视频的素材都有了，真实感和影视感都非常到位。

二、用即梦生成视频

对于这类以对话和细腻动作为主的场景，即梦3.0模型表现足够出色，关键在于相比可灵，成本更低。

1. 上传图片，输入指令，选视频3.0模型，生成视频。
2. 每个镜头都需要体会角色的情绪、动作、微表情、运镜等细节，这样生成的视频才贴合原片。
3. 只要图片和指令配合好，出片率就能很高。

三、用即梦对口型

选择即梦不仅因为它性价比高、生成速度快，还特别适合小场景的对话场景，另外内置了一站式对口型功能，效果也很不错。

1. 在有角色说话的视频片段上点击“对口型”。
2. 把对白输入，随便选一个音色（因为最终会用影视原声，对口型生成的声音会被静音），速度建议设置在1.2～1.4倍，生成视频。一般抽卡一两次就能出片。
3. 按照这个逻辑，把所有需要说话的镜头都做一遍，素材就基本齐了。

四、用剪映剪辑

1. 打开剪映，新建项目。
2. 把所有素材导入，音频则从对标作品中提取原声即可。
3. 把素材和原声对白节奏对齐。如果对口型片段与原声速度差太多，需要适当调整播放速度或重新生成合适语速的对口型视频。
4. 如果只发布到TikTok、YouTube等英语平台，直接识别字幕即可，不需要额外制作中英双语。
5. 适当调整画面、字幕、背景音乐。
6. 最后导出。

整体流程并不复杂，但每个环节都需要细心把控质量。如果要制作宝宝播客类原创音频，可以用ElevenLabs、Minimax Speech 02等模型来生成语音，本文不再详细展开。