我刷到那种云上仙宫的视频时，第一反应是这玩意儿肯定得专业团队才能做。直到我自己跑通了一遍，才发现整套流程拆开看没那么玄乎，就是提示词、生图、精修、视频生成、剪辑这几个环节串起来。
前前后后试了大半个月，中间也翻过车。第一次用Midjourney出图，没注意比例，拉成竖构图去生成视频，结果宫殿被裁得只剩半个。后来才摸清楚这套爆款内容的核心逻辑，今天按顺序完整拆一遍。
开篇引入：爆款云上仙宫的美学密码
这类视频能火，靠的不是什么高深技术，而是画面本身带来的视觉冲击。我做过一个对照实验：同一套流程，生成普通比例的视频，和用巨物透视逻辑做的视频，前者完播率只有后者的一半不到。
爆款视频里那些极小的人物剪影、铺满画面的朱红巨柱、翻涌的云海，组合在一起就产生了一种“人在仙宫面前格外渺小”的孤独感。说白了，这种视觉风格恰好踩中了当下大家对国风审美的情绪点。
拆解过的案例里，最高点赞能到426万。那些画面其实没有复杂的剧情，就是靠强烈的比例反差让用户忍不住停下来多看几眼。
核心理念：巨物比例、透视错觉与国风意境
先说透这套东西的核心，后面操作才不会跑偏。
巨物比例，就是让建筑或神兽在画面里占据压倒性的体量，人物缩成很小的剪影。比如一个侍女走在巨大的宫殿台阶上，人和柱子的尺寸差个十几倍，压迫感自然就出来了。
透视错觉，通过长焦压缩空间，让原本离得很远的前景和背景贴在一起，产生一种反直觉的视觉关系。
国风意境，这个靠选元素堆砌：朱红柱子、玉石栏杆、飞檐翘角、松柏、云雾、瀑布、仙鹤。有了这些，画面的东方质感基本就立住了。
我一开始做这类视频总差口气，后来反复对比才发现，问题出在构图太端正了，宫殿放在正中间、建筑水平线横平竖直，出来的画面毫无故事感。
操作流程一：生成或反推画面提示词
有两种方式准备画面提示词，我通常混合着用。
第一种，反推。 看到喜欢的爆款视频，直接下载下来，截取关键帧丢给AI工具，让它反推出画面描述和视频提示词。我自己用下来，这个方式比凭空写提示词要省力得多，反推出来的画面描述，能把你没注意到的细节都挖掘出来。
朋友问我怎么快速提升审美，我的建议就是去拆解爆款作品，反推提示词，把别人验证过的东西拿过来用几遍，量上去了，审美自然就起来了。
第二种，直接让AI按主题扩写分镜。 比如想看“天光普照，云中仙女成群仙鹤”，直接把这句话发给AI，让它以AI视频导演的身份，生成五段完整的视频分镜提示词，每段包含画面描述和摄像机运动两部分。画面描述要涵盖构图方式、场景元素、建筑细节，这部分生成好后，直接复制去生图就行。
我试过让AI一次生成五组分镜，每个镜头的构图差异很明显，不是同一个模板套出来的。如果对某个镜头不满意，删掉重新生成就行，不用纠结。
操作流程二：生图、精修与超清处理
提示词准备好后，进入生图环节。
在图片生成模型的选择上，我测过一圈，包括Midjourney、GPTHR、banana这些，效果上都不太满意。最稳定的还是Midjourney，虽然要抽卡，但生成这种风格的图片，它是目前最合适的。
建议用MJ 8.1或者8.2，画幅16比9，开启原生2K分辨率。同一组提示词单次生成四张，然后从中挑一张构图、氛围、人物状态都满意的。Midjourney有个特点，同一段提示词生成的图片差异很大，这其实是好事，给了你选择空间。
图片有文字或水印怎么办？在生图时加上一句话，“生成的图片上不要有文字、logo或水印”，基本就能解决。如果还有，可以在提示词里再强调一次。
生图完成后，还有一步不能省：精修。Midjourney的编辑功能可以做到局部修改，比如不需要画面里的某片房屋，按住Command键框选那片区域，输入提示词就能精准去除。也可以在生成前就描述清楚画面里该有什么、不该有什么。
然后是把图片做超清化处理。AI直接生成的图片严格来说达不到8K画质，需要用超清工作流处理一下。流程很简单，上传图片，点击运行，等大概两分钟就能得到一张8K画质的图。这一步直接决定最终视频的清晰度，不能省。
操作流程三：本地 ComfyUI/工作流批量出图
如果你有多张图片要批量生成，手动一张张在网页里操作确实累，而且每次都要手动设置参数、导出结果。我的做法是把ComfyUI的接口留给Cloud Code，让它自动跑。
先把所有图片转成1344乘以768的格式，这是本地生成支持的最大分辨率。然后打开ComfyUI，建议不用手动去点参数、调提示词，直接把接口交给Cloud Code，告诉它要用这批图参考对应的提示词，批量生成图片，它会自动执行。
这里有个经验，每个模型的提示词风格不一样，Midjourney的那套提示词不一定适合本地视频模型。可以让AI先去查一下官方的示例和社区的提示词参考，再按模型的偏好改写，出片效果会明显好一些。
操作流程四：生成视频提示词与动态短片
图片处理好，接下来就是生成视频。视频提示词，我建议准备两个版本。
先把画面描述给AI，让它根据图片生成视频提示词。给AI两个方向：一个是低动态版本，适合画面氛围偏静谧的场景，云和水只有缓慢的流动；另一个是高动态版本，让云的翻涌更剧烈、镜头运动更明显，适合音乐情绪起来的那部分。这两个版本我一直在用，可以根据画面内容自由切换。
视频生成模型我目前用Seedance 2.5，生成这种风格效果比较稳。在生成之前，把图片和提示词接好，选好模型和画面比例就能直接运行。跑一段5秒的1080P视频大约需要4到5分钟，时长拉长到15秒，时间成本要翻将近10倍，所以单镜头控制在5到8秒是最划算的。
想做指定的运镜效果，直接在生成时加上主题就行。比如输入“侍女向前走动，FPV镜头”，模型会按这个方向去生成。
生成视频前，建议检查一下提示词里画面元素对应的动态描述，比如云怎么动、水怎么动、人物怎么走。如果生成的视频不满意，后期工具也支持局部修改，框选需要调整的区域，重新生成那部分就行。
后期剪辑：配乐、节拍与成片拼接
所有视频片段生成完，最后一步是剪辑。
目前适配中式仙宫主题的音乐，我常用的是两首，一首叫《相逢识》，另一首叫《空山野马》。前者我更喜欢，旋律起来的时候跟云海的动势很搭。
剪辑操作很简单：拿到音乐后先点“拆分节拍”，让软件自动把音乐的节奏标记出来，然后按节拍把视频片段排进时间线。片段长短根据节奏调整，卡上拍子后，画面切换是顺的。
我一般会选一个偏冷色调的滤镜统一画面质感，然后导出成片。没有复杂的转场或特效，就是按音乐节奏切镜头，干净利落。
变现方式与创新方向
视频做出来了，怎么变现？
创作者激励，平台会给这类优质作品流量扶持。IP授权，如果风格足够独特，会有公司或个人找你合作做游戏视觉画面定制。动态壁纸，把视频做成手机静态或动态壁纸，也有市场。
关于创新，有两个方向值得尝试。一是从“空境奇观”升级为“剧情叙事”，加入简单的角色动线，比如仙女走进大殿、神兽苏醒抬头。二是做风格跨界，东方赛博、东方科幻，把传统建筑和未来机械、霓虹光效组合在一起，视觉反差越大越容易让人记住。
这套流程从生成提示词到剪辑成片，实操下来没有哪个环节是需要硬技术的，最花时间的反而是抽卡选图。但审美这种事，做得多了自然会有感觉。想试的朋友，先从反推一个你最喜欢的云上仙宫视频开始，把它的关键帧和提示词跑通一遍，比看十篇教程都有用。
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：
