演示广告 · 虚构产品 · 12 秒，静音
音频设备 · 分步制作教程
无线耳机 AI 广告，使用角色： 叶真
校园广播主持人戴上耳机，沉浸在音乐中，再回到播音状态。 下面按顺序记录完整制作流程：上传哪些包内图片、发送给 AI 的提示词原文、生成设置、返回结果、弃用的版本和剪辑方法。下载同款角色包，即可按这些步骤尝试制作。
- 角色
- 叶真
- 产品
- CAMPUS ONE 无线耳机（虚构产品）
- 时长
- 3 个镜头与产品片尾卡，共 12 秒
- 生成次数
- 4 张图片，4 段视频（弃用 1 段）
所需工具与素材
- 1
叶真角色包
免费下载，无需注册。 解压后按编号查找文件夹（01_character_reference、02_turnaround_views 等）。
- 2
支持多张参考图片的图像模型
本案例通过 KIE API 使用 GPT 图像模型，图生图。也可在支持 2–4 张参考图与文字提示词的图像模型中尝试，效果需自行检查。
- 3
Kling 3.0 图生视频
本案例使用 Kling 3.0 图生视频（720p，关闭声音） 和角色元素（保存的一组参考图片）。也可尝试其他图生视频模型，效果可能不同。
- 4
视频剪辑工具
可使用剪映、DaVinci Resolve、Premiere 或 ffmpeg，完成裁切、字幕、片尾卡和配乐。
步骤 1解压素材包，找到这些文件
本广告使用了 9 张包内图片。除此之外，只上传了第 3 步生成的产品图。文件路径与 ZIP 包内一致。
04_props/prop_role.png用途： 产品静态图
05_scenes/scene_workspace.png用途： 产品静态图, 镜头 1 首帧, 镜头 2 首帧
03_outfits/outfit_work.png用途： 角色参考（视频）, 镜头 1 首帧, 镜头 2 首帧, 镜头 3 首帧
07_expressions_poses/pose_working.png用途： 角色参考（视频）
07_expressions_poses/pose_presenting.png用途： 角色参考（视频）
08_video_starters/video_starter_portrait.png用途： 角色参考（视频）
07_expressions_poses/expression_neutral.png用途： 镜头 1 首帧
07_expressions_poses/expression_smile.png用途： 镜头 2 首帧
08_video_starters/video_starter_landscape.png用途： 镜头 3 首帧
步骤 2固定角色描述
打开 01_character_reference/model_sheet.png，记录必须保持一致的肤色、眼睛、头发、服装和画风。将这段描述原样放在后续每条提示词开头。下面提供的原文已包含它，可直接复制。视频提示词的开头改为 @yez is the same …，用于引用第 4 步保存的角色参考。
以下英文为实际发送的提示词原文。复现案例时请原样复制。
Same adult young man as the reference images: fair warm skin, amber brown eyes, short tousled sandy brown hair, black over-ear headphones. Cream hoodie, grey trousers, black over-ear headphones around his neck. Clean anime illustration style exactly like the references.
以下英文为实际发送的提示词原文。复现案例时请原样复制。
He wears the cream hoodie with the black over-ear headphones.
以下英文为实际发送的提示词原文。复现案例时请原样复制。
no extra people, no text or logos, no outfit change, no scene cuts, no camera cuts, correct hands with five fingers
步骤 3生成产品静态图
先生成一张产品图，用于片尾卡，以保持产品外观一致。不要要求模型生成品牌文字，文字应在剪辑时添加。
你 · 产品静态图
1. 上传 2 张图片
- 道具04_props/prop_role.png
- 场景05_scenes/scene_workspace.png
2. 原样发送以下提示词
以下英文为实际发送的提示词原文。复现案例时请原样复制。
Clean anime illustration style exactly like the references. Product shot in exactly the same art style as the references. A pair of black over-ear wireless headphones, the same shape as the pair around his neck in the references, resting on a light wooden desk in a sunny campus radio studio with green acoustic panels and plants blurred behind. Generous empty space on the left for a title. 16:9 still. No people, no text, no logos.
3. 生成设置
- GPT 图像模型，图生图
- 16:9
- 1K
AI 返回结果
- 与角色包保持相同画风。
- 图片中不出现文字、标志或人物。
- 左侧留出放置品牌文字的空间。
步骤 4保存视频使用的角色参考
在 Kling 3.0 中，我们将这 4 张图片保存为一个角色元素，名称为 yez ，描述如下。之后每条视频提示词都以 @yez开头，让 Kling 参考这些图片保持面部和服装一致。若你使用的工具不支持角色元素，可以跳过这一步，使用首帧和固定角色描述作为参考。
- 服装03_outfits/outfit_work.png
- 工作动作07_expressions_poses/pose_working.png
- 展示动作07_expressions_poses/pose_presenting.png
- 竖版视频首帧08_video_starters/video_starter_portrait.png
以下英文为实际发送的提示词原文。复现案例时请原样复制。
yez
以下英文为实际发送的提示词原文。复现案例时请原样复制。
adult young man, cream hoodie, grey trousers, black over-ear headphones around his neck
步骤 5镜头 1：戴上耳机
2.5秒成片· 字幕：“Noise out”
1A · 生成镜头首帧
你 · 首帧图
1. 上传 3 张图片
- 服装03_outfits/outfit_work.png
- 场景05_scenes/scene_workspace.png
- 平静表情07_expressions_poses/expression_neutral.png
2. 原样发送以下提示词
以下英文为实际发送的提示词原文。复现案例时请原样复制。
Same adult young man as the reference images: fair warm skin, amber brown eyes, short tousled sandy brown hair, black over-ear headphones. Cream hoodie, grey trousers, black over-ear headphones around his neck. Clean anime illustration style exactly like the references. Medium close-up in the sunny campus radio studio: he lifts the black over-ear headphones from around his neck with both hands, about to put them on, green acoustic panels behind. Create one 16:9 cinematic still frame for this shot. He wears the cream hoodie with the black over-ear headphones. Clean anatomy, no text, no logos.
3. 生成设置
- GPT 图像模型，图生图
- 16:9
- 1K
AI 返回结果
- 面部、头发和服装与三视图一致。
- 手指结构正确，没有文字或标志。
- 若有错误，请在生成视频前重新生成首帧。首帧质量会影响视频质量。
1B · 生成视频
你 · 视频
1. 上传 1 张图片
- 起始帧： 1a，以及第 4 步中的 @yez 角色元素
2. 原样发送以下提示词
以下英文为实际发送的提示词原文。复现案例时请原样复制。
@yez is the same adult young man: fair warm skin, amber brown eyes, short tousled sandy brown hair, black over-ear headphones. Cream hoodie, grey trousers, black over-ear headphones around his neck. Clean anime illustration style exactly like the references. Medium close-up in a sunny campus radio studio. He lifts the black headphones from his neck and settles them over his ears. Static camera, single continuous shot. Negative: no extra people, no text or logos, no outfit change, no scene cuts, no camera cuts, correct hands with five fingers.
3. 生成设置
- Kling 3.0 图生视频
- 标准模式，720p
- 3 秒
- 关闭声音
- 单镜头（关闭多镜头）
AI 返回结果
1C · 检查结果并裁切
- 第一次生成的结果可用.
- 看完整段视频。如果模型切换了机位、改变了服装或增加了人物，需要重新生成；这些情况可能发生。
- 用途 0–2.5 s ，原视频总长为 3秒。 末尾手势不自然，因此只保留前 2.5 秒。
- 保存为
shot-1.mp4.
步骤 6镜头 2：沉浸音乐
3秒成片· 字幕：“Your music, all day”
2A · 生成镜头首帧
你 · 首帧图
1. 上传 3 张图片
- 微笑表情07_expressions_poses/expression_smile.png
- 服装03_outfits/outfit_work.png
- 场景05_scenes/scene_workspace.png
2. 原样发送以下提示词
以下英文为实际发送的提示词原文。复现案例时请原样复制。
Same adult young man as the reference images: fair warm skin, amber brown eyes, short tousled sandy brown hair, black over-ear headphones. Cream hoodie, grey trousers, black over-ear headphones around his neck. Clean anime illustration style exactly like the references. Chest-up shot by the studio window: wearing the black headphones, eyes closed, he smiles and nods along to music, sunlight on his hair. Create one 16:9 cinematic still frame for this shot. He wears the cream hoodie with the black over-ear headphones. Clean anatomy, no text, no logos.
3. 生成设置
- GPT 图像模型，图生图
- 16:9
- 1K
AI 返回结果
- 面部、头发和服装与三视图一致。
- 手指结构正确，没有文字或标志。
- 若有错误，请在生成视频前重新生成首帧。首帧质量会影响视频质量。
2B · 生成视频
你 · 视频
1. 上传 1 张图片
- 起始帧： 2a，以及第 4 步中的 @yez 角色元素
2. 原样发送以下提示词
以下英文为实际发送的提示词原文。复现案例时请原样复制。
@yez is the same adult young man: fair warm skin, amber brown eyes, short tousled sandy brown hair, black over-ear headphones. Cream hoodie, grey trousers, black over-ear headphones around his neck. Clean anime illustration style exactly like the references. Chest-up shot by a sunny window. Wearing the black headphones, eyes closed, he nods to the beat and smiles. Static camera, gentle push-in, single continuous shot. Negative: no extra people, no text or logos, no outfit change, no scene cuts, no camera cuts, correct hands with five fingers.
3. 生成设置
- Kling 3.0 图生视频
- 标准模式，720p
- 3 秒
- 关闭声音
- 单镜头（关闭多镜头）
AI 返回结果
2C · 检查结果并裁切
- 第一次生成的结果可用.
- 看完整段视频。如果模型切换了机位、改变了服装或增加了人物，需要重新生成；这些情况可能发生。
- 用途 0–3 s ，原视频总长为 3秒。
- 保存为
shot-2.mp4.
步骤 7镜头 3：回到播音
3秒成片· 字幕：“Back on air”
3A · 生成镜头首帧
你 · 首帧图
1. 上传 2 张图片
- 横版视频首帧08_video_starters/video_starter_landscape.png
- 服装03_outfits/outfit_work.png
2. 原样发送以下提示词
以下英文为实际发送的提示词原文。复现案例时请原样复制。
Same adult young man as the reference images: fair warm skin, amber brown eyes, short tousled sandy brown hair, black over-ear headphones. Cream hoodie, grey trousers, black over-ear headphones around his neck. Clean anime illustration style exactly like the references. Medium shot at the radio desk: wearing the black headphones he leans toward the studio microphone with a bright smile, script paper on the desk, plants behind. Create one 16:9 cinematic still frame for this shot. He wears the cream hoodie with the black over-ear headphones. Clean anatomy, no text, no logos.
3. 生成设置
- GPT 图像模型，图生图
- 16:9
- 1K
AI 返回结果
- 面部、头发和服装与三视图一致。
- 手指结构正确，没有文字或标志。
- 若有错误，请在生成视频前重新生成首帧。首帧质量会影响视频质量。
3B · 生成视频
你 · 视频
1. 上传 1 张图片
- 起始帧： 3a，以及第 4 步中的 @yez 角色元素
2. 原样发送以下提示词
以下英文为实际发送的提示词原文。复现案例时请原样复制。
@yez is the same adult young man: fair warm skin, amber brown eyes, short tousled sandy brown hair, black over-ear headphones. Cream hoodie, grey trousers, black over-ear headphones around his neck. Clean anime illustration style exactly like the references. Medium shot at a campus radio desk. Wearing the black headphones, he leans to the microphone and starts talking with a bright smile. Static camera, single continuous shot. Negative: no extra people, no text or logos, no outfit change, no scene cuts, no camera cuts, correct hands with five fingers.
3. 生成设置
- Kling 3.0 图生视频
- 标准模式，720p
- 3 秒
- 关闭声音
- 单镜头（关闭多镜头）
AI 返回结果
3C · 检查结果并裁切
- 第 1: 弃用：在 1.5 秒时模型切换到全景，画面还出现了第二个相同人物。
- 第 2: 次结果已保留。
- 看完整段视频。如果模型切换了机位、改变了服装或增加了人物，需要重新生成；这些情况可能发生。
- 用途 0–3 s ，原视频总长为 3秒。
- 保存为
shot-3.mp4.
步骤 8剪辑广告
创建 1920×1080 项目，帧率为 24 fps，将片段依次硬切拼接，不加转场。成片时长为 12 秒。
| # | 文件 | 用途 | 时长 | 字幕 |
|---|---|---|---|---|
| 1 | shot-1.mp4 | 0–2.5 s | 2.5 s | Noise out |
| 2 | shot-2.mp4 | 0–3 s | 3 s | Your music, all day |
| 3 | shot-3.mp4 | 0–3 s | 3 s | Back on air |
| 4 | product.png | 片尾卡 | 3.5 s | CAMPUS ONE / 无线耳机 / Tune out. Turn up. |
字幕设置
- 左下角：距左侧 110 px，距底部 170 px。
- 白色、粗体斜体、54 px（本案例使用 Avenir Next）。
- 置于不透明度约 47% 的黑色圆角底板上。
- “演示广告 · 虚构产品”标记用于说明本案例的产品是虚构的；制作真实产品广告时可按实际情况处理。
片尾卡
- 产品图 product.png 显示 3.5 秒，缓慢放大至约 110%。
- A 奶油色 渐变覆盖左侧约 60% 区域，提高文字可读性。
- CAMPUS ONE 使用粗体斜体，字号 90 px； 无线耳机 字号 52 px；标语字号 40 px，颜色为 #2e6e54.
- 片尾卡出现 0.3 秒后，文字用 0.4 秒淡入。
配乐与导出
- 全片使用一条配乐：开头用 0.5 秒淡入，最后 1.5 秒淡出。请使用你拥有相应使用权的音乐。
- 导出 H.264 MP4， 1920×1080.
- Kling 原始片段为 720p；本案例剪辑时缩放为 1080p，缩放不会增加原生细节。
使用命令行？查看同款 ffmpeg 剪辑脚本
将片段、product.png、music.mp3 和两个字体文件放在同一文件夹中执行脚本。此脚本已用本案例原始片段运行，复现了上述剪辑。
以下英文为实际发送的提示词原文。复现案例时请原样复制。
#!/bin/sh # Cut the CAMPUS ONE ad: 3 shots + a 3.5 s product end card, 1920x1080, 24 fps. # Put these files in one folder first: # shot-1.mp4 the video you kept for "戴上耳机" # shot-2.mp4 the video you kept for "沉浸音乐" # shot-3.mp4 the video you kept for "回到播音" # product.png the product still # music.mp3 a track you have the rights to use # title.ttf font for captions and the brand (we used Avenir Next Bold Italic) # text.ttf font for the product name and tagline (we used Avenir Next Bold) # Needs an ffmpeg build with the drawtext filter: `ffmpeg -filters | grep drawtext` # must print a line (the static builds linked from ffmpeg.org have it). set -e # 1. Trim each shot, scale it to 1080p and burn in its caption. ffmpeg -y -ss 0 -t 2.5 -i shot-1.mp4 -an \ -vf "scale=1920:1080:flags=lanczos,fps=24,setsar=1,format=yuv420p,drawtext=fontfile=title.ttf:text='Noise out':fontsize=54:fontcolor=white:x=110:y=h-170:box=1:boxcolor=black@0.47:boxborderw=18" \ -c:v libx264 -crf 17 part-1.mp4 ffmpeg -y -ss 0 -t 3 -i shot-2.mp4 -an \ -vf "scale=1920:1080:flags=lanczos,fps=24,setsar=1,format=yuv420p,drawtext=fontfile=title.ttf:text='Your music, all day':fontsize=54:fontcolor=white:x=110:y=h-170:box=1:boxcolor=black@0.47:boxborderw=18" \ -c:v libx264 -crf 17 part-2.mp4 ffmpeg -y -ss 0 -t 3 -i shot-3.mp4 -an \ -vf "scale=1920:1080:flags=lanczos,fps=24,setsar=1,format=yuv420p,drawtext=fontfile=title.ttf:text='Back on air':fontsize=54:fontcolor=white:x=110:y=h-170:box=1:boxcolor=black@0.47:boxborderw=18" \ -c:v libx264 -crf 17 part-3.mp4 # 2. End card: the product still with a slow push-in, a soft light fade on the left and the brand. ffmpeg -y -loop 1 -i product.png -f lavfi -i "color=c=0xFAF6F0:s=1920x1080:r=24" -filter_complex \ "[0:v]scale=3840:2160,zoompan=z='1+0.0012*on':x='iw/2-(iw/zoom/2)':y='ih/2-(ih/zoom/2)':d=84:s=1920x1080:fps=24[p];[1:v]format=rgba,geq=r='r(X,Y)':g='g(X,Y)':b='b(X,Y)':a='if(lt(X,1190),215*pow(1-X/1190,1.4),0)'[s];[p][s]overlay=0:0:shortest=1,drawtext=fontfile=title.ttf:text='CAMPUS ONE':fontsize=90:fontcolor=0x281e20:x=130:y=370:alpha='min(1,max(0,(t-0.3)/0.4))',drawtext=fontfile=text.ttf:text='无线耳机':fontsize=52:fontcolor=0x5f5052:x=136:y=490:alpha='min(1,max(0,(t-0.3)/0.4))',drawtext=fontfile=text.ttf:text='Tune out. Turn up.':fontsize=40:fontcolor=0x2e6e54:x=136:y=575:alpha='min(1,max(0,(t-0.3)/0.4))',format=yuv420p" \ -t 3.5 -c:v libx264 -crf 17 end-card.mp4 # 3. Join the parts with hard cuts. printf "file 'part-1.mp4'\nfile 'part-2.mp4'\nfile 'part-3.mp4'\nfile 'end-card.mp4'\n" > parts.txt ffmpeg -y -f concat -safe 0 -i parts.txt -c copy ad-silent.mp4 # 4. Lay the music under it: fade in 0.5 s, fade out over the last 1.5 s. ffmpeg -y -i ad-silent.mp4 -i music.mp3 -filter_complex \ "[1:a]atrim=0:12,asetpts=PTS-STARTPTS,afade=t=in:st=0:d=0.5,afade=t=out:st=10.5:d=1.5,volume=0.9[a]" \ -map 0:v -map "[a]" -c:v copy -c:a aac -b:a 192k -t 12 -movflags +faststart ye-zhen-ad.mp4
用这个角色制作你自己的广告： 叶真
参考上述步骤，替换产品图和镜头内容，继续使用固定角色描述与角色参考。