做这行以前，我一直觉得AI复活视频是那种离普通人很远的技术活，直到有次刷到一个博主展示客片，才发现这套流程已经成熟到能用LibLib加可灵加剪映就能做出来，而且真有人靠接单赚钱。我花了两天把整套课程啃完，自己也试跑了两个案例，这文章就把全流程拆开讲透，顺便把那些课程里没明说的坑也一并交代了。
项目与工具介绍
这项目说白了，就是拿客户提供的旧照片，用AI生成会动的、能说话的“亲人视频”。博主在抖音有32W粉丝，靠的就是给客户做这种定制视频变现，一条客片根据复杂程度收几十到几百不等。
整套流程用到的工具就三个：LibLib（生图）、可灵和即梦（图生视频、动作迁移、数字人）、剪映（剪辑）。LibLib那边做基础形象图和目标图，可灵负责让静态图动起来，即梦搞定声音克隆和数字人口播，最后剪映把所有素材拼成成片。
博主对外报的套餐挺清晰，A套餐就是基础图生视频，5到6秒，适合做那种照片人物动起来的简单效果；B套餐加长到十几秒，画面会复杂一些；最高端的699订制，包含形象图生成、seedance2.0口播、可灵动作片段、配乐剪辑一整套。
工具本身就这些，但每个环节的细节操作才是值钱的部分，下面挨个说。
基础图片生成
做任何AI视频前，都得先有一张能用的形象图。这一步在LibLib里完成。
进入LibLib工作台，先添加一个图片节点，模型选chatGPT的那个M系列图片模型（博主说目前这个效果最好），分辨率选2K。比例这里有个规律：单人9比16、双人4比3、多人16比9，做定制单人单最多，所以9比16是默认设置。
接下来把客户提供的照片拖进画布，连接到图片节点上，提示词用课程里给现成的就行。核心提示词大概就是“高清修复照片，保持人物形象不变”这类。如果客户要做双人合照，就把两个人的图都拖进来连接，提示词改成“两人上半身合照”。要指定背景也没问题，把背景图拖进去连接，加一句“让图一和图二的人在图三的背景中”。
这张图生成好之后，后面所有环节都用它。AI生图有随机性，一张不满意就重新提交一次，通常只要客户照片清晰度OK、角度别太歪，还原度都不差。
图生视频制作
形象图出来之后，加一个视频节点，模型选可灵（课程里念“可灵360”，这个专门做图生视频）。尺寸同样9比16，标准品质就够用。
关键点在音频设置。如果客户只需要画面动、不用说话，把声音关掉。博主特意说了这一点，开着音频生成功能，积分消耗会贵不少，没需求就别浪费这个钱。
视频提示词直接用课程配套的A套餐模板，大体就是让画面里的人物做轻微的动作，比如“对着镜头微笑”“轻轻挥手”之类。B套餐想更丰富，就把动作描述得细一点，用文字把想要的画面写出来，然后点生成就行。
生成好的片段直接下载，要么原样发给客户，要么丢进剪映加个音乐再交付。A套餐到这一步基本就完事了，这也是整个流程里单价最低但走量最快的单子。
抖音风格视频制作
博主管这类叫“抖音风格”，其实就是用你自己拍的一段视频当模板，把客户的脸和身材换上去，动作完全照搬。这类视频适合做那种对镜头说话、有具体动作的定制单，观感比纯图生视频好不少。
流程是这样的：先拿手机拍一段自己的视频片段，拖进剪映，鼠标右键用“定格”功能抽出一帧关键画面，导出竞争画面。这张截图就是后续生图的参考图。
把截图拖到LibLib画布，重新开一个图片节点，同时连接截图和你准备的目标形象图。提示词里写清楚：“把图一的男生去掉，把图二的角色换到图一的场景中，保持图一的姿势和服装”。描述越细，生成的效果越精准。其他设置跟前面一样，9比16、2K、标准画质。
图生成好了，紧接着加视频节点，这次用可灵的动作迁移模式。注意，动作迁移完全不需要提示词，人物的动作直接跟着你拍的那段模板视频走。把模板视频和形象图都连接到视频节点，选好模式，生成，出来的视频动作就跟模板一模一样了。
这时候回到剪映，把之前定格的片段缩回去或者删掉，换上生成好的新视频，跟前面素材做个衔接转场，抖音风格定制单就完成了。
语音克隆与数字人
这个环节做的是“让照片里的人开口说话”，是整个项目里最有冲击力也最赚钱的一块。
客户那边发过来的通常是微信语音条，微信语音没法直接转发，客户只能录屏发给你。拿到录屏后拖进剪映，把语音裁出来，控制在15秒以内。即梦只认15秒内的音频，多了不认。
导出音频时记得把视频轨道的勾选去掉，只导出音频文件。
然后打开即梦，走视频生成通道，模型选CDS2.0 fast版或者VIP版。这里有个特别坑的细节：CDS2.0模型不让你上传人脸参考图，系统会不识别。解决办法是随便截一张桌面截图拖进去占个位置就行，反正最后只用它生成的音频，画面根本用不上。
提示词要写清楚，博主给了个经典例子：“男人用河北保定话对着镜头说，把要说话的内容打在这里（就是客户语音里说的原话），音频参考里@住刚才导出的音频，加上说话自然流畅，不要加其他词语”。如果客户语音是方言，先问清楚是哪里的方言，有些南方方言还原效果很差，博主原话是“南方那边就还原不了”。
生成完之后你得到的是一个视频，其实只取它的音频。把音频导出来，再回到即梦，这次走数字人大师模式。
把刚才提取的音频拖进去，再配上之前生成好的形象图，动作描述写“对着镜头打招呼，保持人物形象，说话自然流畅”，生成，出来的就是一段形象图在说话的完整口播视频。到了这一步，声音和口型都对上了，客户看完基本没有不震撼的。
699高端订制视频流程
这部分是博主客单价最高的产品线，一条收699，贵在哪里，贵在它是“第一视角”设计，需要你自己先做一个专属形象图，然后整条视频都在这个形象图体系里完成。
先做自己的形象图。LibLib里添加图片节点，模型还是chatGPT那个M系列，尺寸9比16。自己拿手机拍一张自拍，拖进画布，用提示词“修复照片，背景换成白色背景布，9比16照片比例”。生成好的自形象图保存下来，以后所有视频都用这一张，一次制作长期复用。
接着处理客户的素材。客户提供目标图，截图拖进来，连图片节点。提示词里博主有个习惯动作：“保留照片本身的背景，在图片的背景中出现人物上半身，保持人物形象不变”。如果想要其他效果，用文字加上去就行。
生成好目标形象图后，加视频节点，选CDS2.0 VIP版本。这个版本的Video成本单次十几到二十块，博主特别强调了时长要提前确认，他一般设10秒，最长15秒，越长越贵。音频开关要打开，因为这条视频有口播内容。
参考图顺序、镜头视角都要调好。做客片时博主本人不出镜，所以用第一视角，客户能感受到一种“亲人看向你”的代入感。如果是自己做抖音号发视频，可以改成自拍视角，让自己出镜。提示词里点上全能参考，@参考资料图片，把台词写进去，比如“我收到你的请求了”，后面那句“图二的女人回头看镜头打个招呼”是留给转场的动作，也加上。生成完下载，第一段口播搞定。
第二段用可灵3.0模型，加视频节点，尺寸、画质、时长都保持一致。音频开着，因为还有一段话要说。把目标形象图连上去，不用连自己了。提示词写“对着镜头说”，然后把客户的说话内容填进去，注意一条视频控制在20字以内，太长了生成效果会打折扣。结尾加个“挥手告别”之类的离场动作，生成。
两段口播生成好后，整个699视频的核心素材就齐了。
剪辑与交付
剪辑都用剪映，别用付费软件，浪费钱。
第一段口播放前面，第二段接后面，中间加转场特效。转场不用花哨，选个顺眼的，时长调短一点，自然过渡就行。
背景音乐博主提到一个很关键的点：女性客户尽量用《萱草花》那首曲子，氛围贴合。选好后把音乐音量调低一点，别盖过人声。音乐素材注意卡点，用变速工具让节奏对上画面，多余的部分切割删掉，博主习惯用快捷键Ctrl+B切割，懒得分段的话也可以直接把音乐拖到合适位置再裁剪。
导出成片前再整体过一遍，音量、转场、字幕（如果有）都确认没问题。然后给客户交付，收尾的时候多说几句安慰的话。博主原话是“自己可以做下售后的一些服务”，这一点做定制生意的人应该都懂，情绪价值有时候比视频本身更值钱。
注意事项与总结
整套流程跑下来，有几个坑值得单独拎出来说。
成本是个容易被忽略的点。A套餐图生视频成本很低，几块钱就够；但699那个档位，只有CDS2.0 VIP一个片段就烧掉十几二十块，整条做下来素材成本就得小几十。如果客户价格压得低，这活接了就是亏的，报价之前先把成本算清楚。
语音克隆的地域限制是个硬门槛。南方方言还原效果很差，博主原话是“南方那边就还原不了”，接单时碰到客户说方言，先问清楚哪里的口音，保底接标准普通话的单子。更早之前还需要让客户先提供15秒的语音，这一条现在依然适用。
AI生成的不稳定性也躲不掉。图片不满意就重新提交一次，视频画面如果出现崩坏，同样换提示词再跑一遍。好在生成速度够快，多试几次总能有满意的。
整个项目做完一次，你会明显感觉到，技术门槛没有想象中那么高。但只要掌握了这几个环节，从生图到动作迁移，从声音克隆到数字人口播，每一步都是可以独立接单赚钱的能力。
我自己的建议是别急着买课，先按这套流程自己跑一遍。LibLib和即梦都有免费额度，剪映基础版免费，先做出第一条完整视频，感受一下每个环节的细节，再谈接单的事。这行客户其实不太在意视频多精致，能让他看到亲人的脸动起来、听到熟悉的声音，这事儿就成了。
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/1llcpAKB2QRU19DEjA7aG-w?pwd=34c0
- 提取码：34c0
