前阵子刷抖音，连续刷到好几个橘猫主题的怀旧视频，一只拟人化的大橘猫演小时候家里那些事，写作业、等爸妈回家、冬天围着炉子烤火，评论区全是“这不就是我小时候吗”。我盯着屏幕看了半天，寻思这种视频到底怎么做出来的。后来花了点时间把整个流程跑了一遍，发现根本没有想象中那么复杂，用的都是免费工具，DeepSeek写文案，豆包出图出视频，剪映做后期。这篇就把我实操的完整流程拆开讲清楚，包括那些课程里不会专门拎出来说的坑。
先说清楚这类视频是啥。用AI生成一只拟人化的猫或者兔子，让它演家庭琐事，一家三四口人的家长里短，走亲访友、冬天烤火、孩子写作业这些情节，整体走怀旧回忆路线。小时候玩过的游戏、用过的物件往里面一放，共鸣感一下就上来了，七八十年代出生的人看得最有感觉。这类视频近段时间流量一直不错，因为不讲大道理，就是把你记忆里的画面还原出来。
做一条视频的完整链路是这样的：DeepSeek生成剧本→拆成分镜脚本→确定角色形象和配饰→生成角色三视图→豆包生成视频片段→去水印→剪映后期配音字幕→发布。
这里面最关键的一步就是三视图。三视图说白了就是固定角色形象，正面、侧面、背面各一张，让AI每次生成视频时都知道这只猫长什么样。不做这一步的话，同一个角色在不同镜头里会串模、变形，第二段还是橘猫，第三段可能就变成狸花猫了。
项目介绍
我先说下要准备的工具。DeepSeek用来生成剧本和分镜脚本，豆包用来生成图片和视频，剪映用来剪辑，再加一个小程序去水印。全部免费，不用花一分钱。
那课程里的第一步操作，复制口令到DeepSeek。口令的大概意思是，你告诉DeepSeek你要做一个回忆类的动物拟人化故事视频，设定好动物的品种、家庭成员、故事数量。有几个参数可以自己改：地域能换成四川、东北、广东都行，方言也会跟着变；动物可以换成猫、兔子，甚至其他拟人化动物；季节也能调，冬天还是夏天你自己说了算。
时长建议控制在30到50秒。太短了故事讲不完整，太长了对话密度跟不上，AI生成视频的时长限制你也很难凑够。口令前后要呼应，提示词也要前后一致，不然DeepSeek容易写着写着跑偏。
DeepSeek会一次性生成5个故事，你挑一个最有共鸣的就行。第一次跑的时候我选了第一个，结果发现后面4个一个比一个精彩，建议都看完再选。
剧本生成
打开DeepSeek网页端，把口令复制进去。口令大概意思是从“你是一个短视频编剧”开始，一直到设定好人物关系。不用选什么模式，直接标准模式就行。
发过去之后，DeepSeek会给你生成几个小故事。每个故事都是一家子猫的生活片段，对话和动作都写好了，直接能当剧本用。我跑出来5个，有的讲冬天猫妈妈做饭，有的讲猫爸爸下班回家，选哪个看你自己。
这里有个细节，故事生成之后，如果觉得不够好，可以在原来的对话里继续追加要求，让它改地域、改口吻、改故事线，不用重新开新对话。
故事选定之后，下一步就是用第二个模板生成分镜提示词。把故事编号填进去，告诉DeepSeek总时长大概多久，发送。它会按照时间轴把故事拆成一个个分镜，每个分镜包含场景、人物、动作、对话、音效。
分镜脚本生成
检查DeepSeek生成的分镜时发现一个规律，第一个镜头细节非常完整，风格、场景、人物形象、动作、对话全都写到了，但从第二个镜头开始就偷懒，经常出现“同上”两个字。第一次看到“同上”的时候我人都懵了，这玩意儿能直接拿去生成视频吗，肯定不能。
需要复制一条口令给DeepSeek，让它把“同上”的位置补充完整。口令大概是“请将以上分镜头中出现同上的位置补充完整”，它会老老实实把之前省略的细节重新写一遍。
还有更稳的做法。先让DeepSeek把角色年龄、着装、配饰全部单独提取出来，然后再命令它“将提取出来的人物形象重新整理到每个分镜头”。这样操作完，每个分镜里角色形象都是完整的，后面拿去生成视频时，AI不会搞混谁是谁。
分镜脚本检查完毕后，记得让DeepSeek把每个镜头的提示词里面带上风格、场景、人物形象、动作、对话、音效，这样后面生成视频时信息才够用。这里多花十分钟，后面能少折腾一小时。
角色三视图设计
三视图是整套流程里最值得反复打磨的环节。没有三视图，豆包生成的视频里，角色每一帧长得都不一样。有了三视图，角色就固定住了。
用第四步的模板，复制到豆包里去生成。注意，不要在DeepSeek里生成图片，DeepSeek只能写文案。豆包里找到AI创作—图像生成，选择比例9:16。
三视图的要点是配饰、上衣、裤子、鞋子必须齐全，缺哪样都可能生成失败。我第一次生成的时候没写鞋子，结果出来的角色是飘在空中的半身像，直接没法用。缺下装特别容易出问题，一定要把下装写清楚。
复制提示词到豆包的时候，记得删掉与长相无关的细节，什么胡须、起球、衣服上的汉字这些，都去掉。只保留年龄、着装、帽子、配饰。
每个人用同样的口令生成出来的三视图都不一样，所以不用担心和别人撞形象。三视图是可以重复用的，这次生成的角色保存下来，下次做新故事直接换场景就行，不用重新生成角色。
生成后从结果里选膝盖不裸露的正常图保存，有些图是半身照或者姿势奇怪的，直接跳过。其他角色，妻子、邻居、儿女，都用同样的方法生成。保存时文件名写清楚是哪个角色，到时候找起来方便得多。
视频生成
分镜脚本和角色三视图都准备好之后，打开豆包的AI创作—视频生成。参数先设好：比例9:16，时长10秒，版本用2.0 Fast。
注意，复制提示词到豆包时，要删掉“分镜头几秒到几秒”这种时间码，保留风格、人物形象、服装、动画、音效。时间码会让豆包理解混乱，生成的视频反而对不上。
发送之前，要把对应的三视图添加到参考图里。视频里出现哪个人物，就把哪个角色的三视图上传进去。可以多选，可以拖动调顺序。这一步别偷懒，有了参考图，豆包生成视频时角色的长相才稳定。
有个特殊情况要记住。分镜脚本里带“同上”的，必须在同一个豆包对话里连续生成，不能中途换新对话，不然人物和场景全变了。豆包每天的免费额度是10个5秒视频，10秒的视频消耗2个额度，一天能生成30到40秒的素材，够做一条完整的视频了。如果额度用完了才遇到“同上”，只能换新对话，但连续生成的原则不能破坏。这里如果分镜脚本里还有“同上”没修复，最好先在DeepSeek那边处理干净。
生成卡住或者报错，就刷新页面重开浏览器，再重新上传参考图和提示词。成品有AI小bug，比如手部画崩了，只要不严重直接忽略就行，不用反复重生成，太浪费时间。
后期剪辑
视频片段都生成好之后，打开剪映，把素材全部导入。默认情况下导入后顺序是乱的，需要手动调整。手机操作的话，在相册里按顺序选择导入，能省掉排序这一步。电脑操作就老老实实按剧情顺序拖到时间轴，确保分镜衔接正确。
先把音量调到最大，因为AI生成的原片音量很小，后面再加配音。
处理好的分镜，如果发现豆包生成的视频语序错乱，比如本该在后半段说的话跑到了最前面，选中有问题的片段（出现白框），按Ctrl+B分割，然后按住片段拖到正确的位置。生成的时候还要注意一个技巧，豆包只能生成10秒视频，这10秒里最多放3段对话，总字数控制在40到50字。台词太多的话，删掉非重点内容，只保留最关键的。
如果视频里语速过快，选中片段，在变速里把速度调到0.8或0.9，试听到能听清为止。
配乐之前，先把原视频的音轨分离出来，删除原视频的音频轨道。然后删掉音乐开头的气口和结尾的尾巴，让开头直接出声。如果原片自带背景音，选中片段，右键“分离人声”，只保留人声。
背景音乐的音量调到-15到-20之间，背景音乐不能盖过对话。这个标准很实用，音乐是氛围，对话是主体，主次不能颠倒。
然后识别字幕。右键识别字幕，出来的字幕要做两件事：第一，修改错别字，AI生成的视频对白经常有识别错误，比如“老了”听成“姥了”；第二，字幕过长的时候，在断句处选中字幕按Ctrl+B分割，把一个长字幕拆成两段，这样看起来不会一坨字糊在屏幕上。
字幕字体大小和颜色自己选，没有统一标准，但主体内容要清晰可读。如果视频里对话密度太大，AI生成的语音对不上口型，可以用字幕补充表达，把该说的话用文字方式在画面上体现出来。
封面制作
封面统一的话，整个账号看起来专业很多。做法是：在视频里找一个画面好看的片段，选中后点“定格”，里面会变成一张静止照片，把照片缩到1秒，放大到合适大小，加上主题标题，标题可以用DeepSeek生成故事时顺带的标题。
封面比例裁剪为3:4，这样在抖音信息流里显示完整。加标题时根据视频风格来，怀旧类视频标题简单直接就行，比如“小时候最怕爸爸下班检查作业”这种有钩子的标题，比“橘猫的日常”点击率高。
发布与运营
发布时几条设置很关键。
第一个是清晰度。点高清发布，不是高清不上传，抖音对高清内容的推荐优先级更高。
第二个是话题。加2到3个跟内容相关的话题，童年、回忆、8090这些标签最好都带上。话题不用多，精准最重要，无关话题只会让推荐系统搞不清楚你的视频该推给谁。
第三个，发布前在高级设置里找到“自主声明”选项，勾选AI生成内容。这一步千万别忘。有个做这类视频的同行，视频跑到八九十多万播放的时候被平台审核掐停了，因为发布前没做AI声明，被判定疑似AI内容后限制流量。提前声明反而安全，平台对主动声明的AI内容有成熟的分发政策。
第四个是定时发布。抖音支持定时，但小于两小时不能定时。根据你目标粉丝的活跃时间来决定发布时间，一般是中午12点到1点，晚上6点到10点。
发布之后，标题直接用DeepSeek生成故事时的标题就可以，不用额外想。但如果视频跑量了，要留意评论区用户对哪类情节反馈最多，后面的选题方向就往那边靠。
注意事项
整套流程跑下来，有几个坑是课程里反复强调的。
台词格式要用“（动作）+冒号引号”括起来，比如“（猫爸爸推门进来）他说：‘咋还没写作业’”。动作描述单独括起来没关系，关键是对话内容要明确标出来。
10秒视频最多放3段对话，总字数40到50字。豆包的语音合成能力有限，台词太多它念不完，就会变成“阿巴阿巴”式的乱语。删减台词时，无意义的对话直接砍掉，只保留推动剧情的核心对话。比如猫爸爸说一句、孩子回一句、猫爸爸再说一句，三段就够了，其他全删。删台词时要记得把前面分开的动作提示词和后面的内容一起删掉，保持逻辑连贯。
生成视频时，豆包无法指定“这句台词是谁说的”。它只能靠分镜提示词里的描述来猜。所以提示词里要把该括的内容都括好，该删的内容都删完，这样生成的视频才不会出现角色乱替别人说话，或者干脆全程哑剧配音乐。前期麻烦一点，后期生成稳定很多。
角色形象修改的话，猫的品种可以直接百度搜索参考图，然后填写品种、名字、体态、配饰就行。那句“拟人化成年公猫”的固定描述尽量不要改，改了后面出现率会降低。猫妈妈就换成“拟人化成年母猫”，复制上衣下装的配置，选中后Ctrl+V替换就行。
去水印可以用微信小程序“白头发去水印”，复制豆包视频的分享链接粘贴进去，看个广告就能免费去水印，保存到相册。
另外注意，DeepSeek主要是做文案的，所有图片生成任务都放豆包做。
总结
这套流程跑下来，自己做一条视频大概花两三个小时，后面熟练了一个多小时就能搞定一条。成本几乎为零，工具全部免费。而且流程每一步都有现成模板可以套，不用自己从零开始想创意。
做得好的账号，通过抖音分成计划、橱窗带货，甚至收徒变现都是成熟的路径。但这些东西需要账号先跑出流量，别一上来就想着收割。先老老实实做出10条质量稳定的视频，把流程跑顺。
如果你准备试，可以先从确定一个动物形象开始，去豆包生成一组三视图，然后让DeepSeek按你所在的城市写一个家乡回忆类的故事。东北、四川、广东这些地域特色鲜明的故事最容易出共鸣，先按这个方向做第一条，看看数据反馈。
视频教程下载
文章可能无法完整分享清楚，下面是原项目视频教程，粉丝朋友可以自行下载学习。提前说明：资源链接内可能会存在引流广告信息，请自行甄别。
百度网盘：
- 链接：https://pan.baidu.com/s/1zUADADe1evfJoJ9xAVlJSg?pwd=ufxz
- 提取码：ufxz
