分镜做不出来,更可能卡在“还没把要的画面说清楚、也没用反馈校准”这一步,而不是38岁。先别追新工作流,拿一个镜头反复改到AI能出接近的画面,从这一个小镜头开始。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
年龄不是解释,缺的是具体反馈
两个月看各种工作流视频,学到的是别人流程的样子,不等于你自己那条提示词为什么不对。立正讲学习时有个判断:重复看课有没有收获,要看实践之后能不能看见新的选择、作出更好的判断;只盯着自己会不会视频里的操作,容易把一个例子看完却漏掉它要说明的变化1。放到你这里,参考图和提示词“不对”,需要拆成可观察的差别:是人物长相不像、构图不对、还是镜头关系没交代清楚。每次只改一处,看输出往哪边变,你才知道AI在哪一层没接住你的意图。
先做一个镜头,而不是一套流程
AI推演立正主张通过真实项目去学AI,而不是通过看教程学;真实项目里遇到的问题,教程没法预设,正是这些问题逼你理解AI哪里可靠、哪里不行2。你可以选漫剧里最简单的一个镜头——一个人物、一个动作、一个背景——自己写清画面里有什么、人物在做什么、镜头从哪看,然后只改提示词或参考图其中一项,连续试几轮,记下哪次接近、差在哪。这个动作能验证的,是你到底缺“描述画面的能力”还是缺“让AI稳定还原的能力”,两者下一步补法不同。
工具要能换,标准要留住
立正在讲自己做视频的skill时提到,他曾因为工具带来的额外工作而觉得被工具绑架,后来把转写、字幕、拼接换回更简单的工具,但清楚的字幕和自然的表达这些标准保留下来3。同理,comyhui的工作流可以换,你要留住的是“这个镜头观众能不能看懂人物在干什么”。如果某个工作流让你花大量时间调参数却说不清画面,先退回用文字把分镜写清楚,再让AI去生成,可能比继续堆参考图更有效。
现有材料没有专门讲comyhui或分镜生成的具体方法,以上是把立正关于学习与实践的判断迁移到你的处境,不是针对该工具的操作指导。
出处
- 1你赚哪份钱,决定了产品该怎么做|切问·立正02
讲重复看课与实践的关系,适合核对“看了两个月视频却没进步”该怎么判断收获。
- 2AI 用得好的人与普通人的5个差距,和背后具体技术原因|非技术岗位版
讲通过真实项目而不是教程学AI,适合支撑先做一个镜头再校准的做法。
- 3让发视频比喝水还要简单的skill
讲工具该换、标准要留,适合判断是否该继续追工作流。
追问2026年11月1日
一个分镜里,你最难让AI还原的是人物和镜头角度?比如我想要个画面就怎么说其实我应该可以做出一个场景的角度,就是生成一张图片然后再生成其他角度,但是这图全景我还没做过。。要反打镜头。。还有人物控制位置关系应该也能,但是我看别人都不是这么做的,他们就一张参考图加一个人,就可以生出在这个环境下的镜头等等说话表情啊。。包括做些简单动作,但是如果这样做的话,一个人做一个漫剧一天能生成一分钟吗??别人不可能这样做的啊。。我电脑也一般4060ti16g 工作流我也没整明白,应该是能用的但是我里面模型可能有错的地方,如果每次用工作流等他回答我完再操作一天又过去了。。我就这样卡住的。
现有材料没有直接讲分镜、反打或人物位置控制,但能帮你判断卡点:先确认自己到底要什么画面,再拿一个镜头反复试,而不是等整套工作流跑通。一天能不能出一分钟,取决于你把多少环节交给AI、多少留给自己判断。
先弄清自己要的画面,再谈工作流
材料里的观点立正在一次直播里提到,他和搭档做东西时发现,真正的问题不是AI做不到,而是他们自己也没想清楚想要什么;他建议遇到AI不行时,先想想自己在任务里哪里做得不够好,以及自己是不是真的知道要什么1。放到你的处境:反打镜头、人物位置关系、表情动作,这些描述如果只停留在“我想要个画面”,模型很难替你补上机位、朝向、谁在前谁在后。别人一张参考图加一个人就能出环境镜头,可能不是他们方法更神,而是他们那张参考图已经把构图和位置关系交代清楚了。你可以先拿一个反打镜头,把“谁在画左、谁在画右、镜头朝谁、景别多大”写成一句话再生成,看出来的图离你要的差在哪。
一天一分钟取决于哪些环节由你判断
有材料提到,AI处理执行层、人负责判断层;编辑自己选的高光包含对整体叙事的判断,这种判断力AI目前还学不会2。同一篇里还讲,一个prompt再强也抵不过一个流程,把创意任务拆成生成、评审、收敛几步串起来,比全塞进一个prompt强2。这可以解释你为什么卡住:如果每张图、每个镜头都要你现场判断对错,一天出一分钟就很难;如果先把判断标准固定下来(比如这个角色固定什么脸、什么服装、什么朝向),执行部分才可能批量跑。4060ti 16G跑本地模型会慢,但慢本身不是主要瓶颈,反复重来才是。
工作流报错先缩小到一个镜头验证
AI推演你提到工作流里模型可能有错、每次等它回答一天就过去了。按立正说的先怀疑自己对任务的理解1,可以先不修整条工作流,只留生成一张图所需的最少节点,跑通一个反打镜头,确认模型加载、参考图输入、输出这三处没问题,再往里加人物和动作。这样一次失败能告诉你是模型错了还是描述错了,而不是整条流程一起黑箱。
现有材料没有专门讲分镜、反打镜头或ComfyUI工作流,以上是从“先弄清要什么、再小步验证”的思路推过来的,具体参数和模型选择需要你在自己的环境里试。
出处
- 1直播用Manus和GPT4.5,研究DeepSeek|如何有效prompt AI,遇到问题如何debug,AI潜力有多大?|直播一度觉得做不出来了,最后三分钟双双达成
立正讲遇到AI做不出来时先反思自己是否真的知道要什么,适合对照你“说不清画面”的卡点。
- 2视频自动生成字幕 + 矫正 + 高光片段 + 起标题
讲AI做执行、人做判断,以及把创意任务拆成流程而非一个prompt,适合理解一天一分钟的产能从哪来。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。