竖屏 9:16 AI 视频制作进阶：TikTok 与 Reels 适配全流程

竖屏制作的底层逻辑：为什么 9:16 需要单独设计

很多团队第一次接触竖屏，走的都是同一条弯路：先按熟悉的横屏宽高比生成画面，再在剪辑软件里裁成 9:16。成品的问题几乎一模一样——人物的头顶被切掉，关键动作落在画面边缘之外，字幕正好压在平台的界面按钮下面，原本流畅的横向运镜变成没有方向的左右晃动。表面看是剪辑没做好，实际上是把竖屏当成了横屏的附属格式。

竖屏是一种独立的观看场景。用户单手竖握手机，视线集中在屏幕中上部，手指随时准备上滑。有效横向信息区比横屏窄得多，纵向空间却被拉得很长。这带来三个直接约束：主体必须落在纵向的中轴附近，或者两侧留出明确的呼吸区；镜头运动需要在纵向轴上产生意义；文字信息要避开平台的界面遮挡区。

把这三点翻译成制作语言，就是一条从提示词阶段就开始的流水线。流程大致分为九步：确定叙事钩子、设计竖屏构图、拆分图像层与视频层、选择比例转换路径、统一跨镜头一致性、调优帧率与节奏、批量生产、发布前质检、复盘迭代。下面逐段展开。

生成前的构图与提示词设计

竖屏提示词的基本结构

一个可复用的竖屏提示词通常包含六块信息：主体、动作、场景、镜头、光线与风格、画幅。顺序不必固定，但六块都要出现，否则模型很容易按默认的横屏叙事去填充画面。例如可以写成这样：一位穿深色外套的年轻人在雨夜的便利店门口低头看手机，中景，人物位于画面纵向中轴偏左，镜头缓慢向前推近，头顶荧光灯与雨后地面反光提供主光源，写实电影质感，浅景深，9:16 竖构图。

注意最后一句。明确写出竖构图，比任何后期处理都有效，因为它会改变模型对场景深度的估计方式：模型会倾向于把背景做成纵向延伸的走廊、天际线、树干或天花板，而不是横向铺开的街道。

纵向运镜词优先

横屏常用的左右横移、水平环绕，在竖屏里经常显得莫名。原因很简单：横向空间被压缩后，横向运动在画面里能走过的距离太短，观众看到的是抖动而不是移动。竖屏更适合以下几类运镜：

纵向推近与拉远：把观众视线从环境带到主体，或者反过来交代处境。
升降镜头：从脚部升到脸部，或从地面升到天空，天然契合纵向画幅。
跟随背影向前：走廊、楼梯、地铁通道这类场景在竖屏里表现力极强。
缓慢环绕：小幅度环绕可以保留立体感，但角度建议控制在四十五度以内，否则主体会频繁滑出画面。
手持微晃：适合纪实和口播类内容，晃动幅度要小，避免与平台压缩叠加后产生糊块。

安全区与文字预留

每个平台都会在画面上叠加自己的界面元素。底部的描述与按钮区、右侧的互动列、顶部的状态提示，这些区域都在侵蚀画面。经验做法是把上下各百分之十二到十五的高度视为低优先区，重要的脸、手、产品或文字不要放在那里。右侧约百分之二十的宽度留空，避免与竖排按钮重叠。

如果视频一定要带字幕，建议把字幕放在画面下方三分之一的上沿，而不是贴底。这样即使平台的界面有差异，字幕也不会被挡住。同时字幕字号要大，手机屏幕上的小字在信息流里几乎等于不存在。

主体占比与视觉重心

竖屏的视觉重心偏高。把主体放在画面高度的百分之五十五到六十五之间，通常比居中更有代入感。主体占画面高度的比例建议在百分之四十到六十之间：太小会被环境吞掉，太大则失去空间感，观众无法判断主体在哪里、在做什么。

一个常见错误是把横屏全身镜头直接搬进竖屏。横屏里人物只占一半高度仍然清晰，竖屏里如果人物全身入画，脸部就会缩小到难以辨认。解决方法是改用中景或近景，用局部交代全身，用环境声音或道具补充信息。

模型分工：图像层与视频层怎么配合

文生视频与图生视频的选择

如果内容依赖精确的角色外观、产品细节或品牌视觉，先出图再生成视频几乎总是更稳。图像阶段可以反复筛选，直到构图、服装、光线都符合要求，再让视频模型为这一帧添加运动。反过来，如果内容强调的是动态氛围、抽象转场或自然景观，直接文生视频效率更高，因为不必为每一帧都锁定细节。

一个实用的折中方案是：用图像模型产出三到五张关键帧，分别对应开场、发展、高潮，再把它们作为首帧送进视频模型。这样既保留了画面控制权，又减少了逐帧微调的工作量。

图像层负责锚定风格与角色

图像层的任务不是做最终成片，而是建立一套可重复的视觉规则。具体做法是固定一组提示词前缀，例如统一的镜头焦段、光线方向、色调倾向和质感描述，然后只替换场景与动作。像 Flux 这类图像模型在写实质感和材质表现上比较稳定，适合作为风格锚点。只要前缀不变，不同批次生成的画面风格就更容易对齐。

如果是系列内容，建议把角色描述单独抽出来做成一段固定文本：面部特征、发型、年龄感、服装颜色与材质。每次生成时完整粘贴，不要凭记忆改写。差一个形容词，出来的角色可能就换了一个人。

视频层负责运动与物理

视频层的核心指标是运动是否可信。地面反光、雨滴落点、布料褶皱、头发飘动，这些细节决定观众是否觉得画面是真的。不同模型在物理表现上的强项并不相同，有的擅长人物动作，有的擅长流体与粒子，有的擅长镜头调度。

以 PixVerse 系列为例，较新的版本提供了较为丰富的镜头控制选项，可以在生成阶段直接指定推、拉、摇、移的方向与幅度。对于竖屏内容，这一点尤其有价值：竖屏的容错空间比横屏小，镜头如果在生成后才调整，很容易出现主体被推出画面的情况。把镜头意图写进生成参数，比在剪辑里补救要省力得多。

组合时的比例对齐

跨模型组合最容易踩的坑是比例不一致。图像模型默认输出方图或横图，视频模型又可能再压一次比例。稳妥的做法是：图像阶段就以九比十六的尺寸生成，或者至少生成足够大的画布再向下裁切；视频阶段保持同一比例不变；最后再统一分辨率与码率。不要在链路中反复变换比例，每次变换都会损失边缘信息。

从 16:9 到 9:16 的三条转换路径

当手上只有横屏素材时，有三条路可走。选错路径，后面的所有修饰都是徒劳。

路径 A：直接裁切

把横屏画面按九比十六居中裁切。优点是速度最快，不需要重新生成；缺点是损失约百分之七十五的原始画面，横向的动作和构图关系全部改变。这条路径只适合一种情况：主体在原始画面中始终处于中央区域，且横向运动很少。如果主体会左右移动，裁切后的画面会不断把主体推向边缘。

路径 B：画布扩展

保留原始画面，向上下扩展画布，用生成式填充补出天空、地面、天花板或墙面。这条路径的最大好处是保留了原始构图关系，主体不会被切掉。难点在于填充区域要与原画面在光线、材质和透视上连续，否则会出现明显的接缝。适合背景相对简单的场景，例如纯色墙面、天空、水面或虚化背景。

操作要点是：先扩展，再微调主体的位置，最后统一做一次色彩匹配。如果填充区域出现明显重复纹理，可以降低填充强度并手动叠加一层轻微的颗粒或景深模糊，把注意力引回主体。

路径 C：原生竖屏重生成

用同一段提示词重新生成一版原生九比十六的素材，并锁定角色与风格描述，让新素材与旧素材属于同一视觉世界。这条路径成本最高，但效果最好，因为画面的纵深、光线分布、运动方向都是为了竖屏重新设计的。

适合它的场景很明确：内容重要、需要长期复用、或者要作为系列的一部分。尤其是口播、产品展示、剧情短片这三类，重新生成带来的收益远大于修补。

怎么选：决策标准

跨镜头一致性：角色、风格与转场

角色一致性

角色一致性靠的是固定描述加固定参考图。把参考图作为首帧或风格参考输入，同时把角色描述文本原样保留。如果模型支持角色参考功能，优先使用，而不是依赖文字描述。生成后如果发现脸型漂移，先检查是不是提示词里的年龄、发型或服装形容词发生了变化，再考虑换模型。

风格一致性

风格一致性比角色一致性更容易实现，因为它不依赖具体细节，而依赖一组稳定的参数：色调、对比度、颗粒感、镜头焦段、光线方向。建议为每个系列建立一个参数表，写清楚每一项的取值，每次生成前对照检查。批量生产时，这份参数表就是质量基准。

转场设计

竖屏视频的转场要短。观众在信息流里滑动极快，超过半秒的转场就容易被当成卡顿。推荐做法是使用动作匹配转场：上一个镜头人物向前走，下一个镜头从更近的位置继续向前；或者用遮挡转场，让一个物体快速扫过镜头完成切换。这两类转场看起来自然，且不依赖特效。

帧率、运动幅度与节奏调优

帧率与平台压缩

平台在上传后会对视频重新编码，高帧率素材在快速运动时更容易出现压缩块。常见的处理方式是：拍摄或生成时用二十四到三十帧，输出时保持同一帧率，不要在上传前强行插帧。如果运动非常快，可以适当降低运动幅度，或者增加一点运动模糊让画面更连贯。

运动幅度

竖屏的有效像素少，画面里大范围的运动会暴露细节不足。建议把运动幅度控制在一个较小的区间：人物走动的速度慢一点，镜头推进的距离短一点，粒子效果少一点。用多个短镜头拼接，比用一个长镜头做大范围运动更容易做好。

首尾帧与循环

如果视频需要无缝循环，第一帧与最后一帧要尽可能接近。做法是固定首帧，让模型生成一个回到原位的运动；或者生成两段方向相反的运动再拼接。循环视频在信息流里很有优势，观众往往看完一遍还会再看一遍，这会直接拉高观看时长。

批量生产流水线

素材分层

把素材分成三层：基础层是角色与环境的关键帧，变化层是动作与镜头，装饰层是字幕、贴纸与音效。批量生产时只改变化层，基础层与装饰层保持不变。这样既保证了系列的一致性，也让修改成本降到最低。

参数化与批量生成

把提示词拆成变量与常量。常量包括风格前缀、光线描述、角色描述和画幅；变量包括场景、动作、情绪和镜头方向。用表格管理变量，每次生成时整行读取，避免手写导致的偏差。批量提交后不要急着全部看，先抽查每条的前三秒和最后一秒，确认没有结构性错误再逐条细看。

命名与版本管理

命名规则建议包含项目、镜头号、版本和日期，例如 project-scene03-v2。生成任务里同时记录使用的提示词版本，这样当某个镜头特别成功时，可以回溯到具体的参数组合并复用。没有记录的团队，通常会在几周后重复已经失败过的尝试。

时间预算参考

一条三十秒的竖屏成片，如果走原生竖屏路线，可以按这个节奏安排：脚本与分镜占一成时间，关键帧生成与筛选占两成，视频片段生成占四成，一致性修正占一成半，剪辑与音频占一成五。把这组比例写进排期，可以避免所有时间都被生成环节吃掉，导致最后没有时间做剪辑与音效。

发布前质检清单

画面层面

主体在整段视频中是否始终处于安全区内，没有滑出边缘或被界面遮挡。
画面上下是否留有足够的空间，字幕没有贴底。
分辨率与比例是否为九比十六，分辨率是否达到平台推荐值。
画面是否存在明显的接缝、闪烁或纹理重复，尤其是扩展填充区域。
色彩与亮度在手机屏幕上是否可读，暗部是否糊成一片。

音频与字幕

前几秒是否有人声或明确的听觉钩子，避免纯音乐开场。
音量是否做过统一，避免忽大忽小。
字幕是否在安全区内，字号是否足够大，断句是否符合口语节奏。
是否添加了静音播放时也能理解的视觉信息。

平台规范

时长是否符合目标平台的推荐区间，是否避开了容易被降权的极端长度。
封面帧是否选择了信息量最大的一帧，而不是默认首帧。
描述文本是否包含清晰的上下文，而不是单纯堆砌标签。
是否检查过平台对水印、第三方标志与素材版权的限制。

常见错误与排查

常见问题

竖屏视频必须重新生成，不能直接裁切吗？

不是必须。如果主体始终在中央、横向运动很少、背景简单，直接裁切完全可以接受。只有当裁切会破坏叙事关系时，才值得投入重新生成的成本。

图像模型和视频模型应该用同一家的吗？

不必。关键是链路中的比例与风格保持一致。图像层负责锚定视觉规则，视频层负责运动与物理表现，两者可以由不同工具承担，只要中间不反复变换尺寸和色调。

提示词里写竖构图有用吗？

有用，而且应该写在提示词靠前的位置。它会影响模型对场景纵深的理解，让背景更倾向于纵向延伸，而不是横向铺开。

怎么解决人物脸部在不同镜头之间的漂移？

三件事：固定角色描述文本、使用参考图、减少镜头数量并复用相同的关键帧。如果仍然漂移，考虑把远景改为近景，因为脸部占画面比例越大，模型越容易保持一致。

帧率越高越好吗？

不一定。高帧率在平台二次压缩后容易产生块状伪影，尤其是在快速运动时。二十四到三十帧对大多数竖屏内容已经足够，重要的是全片帧率统一。

扩展画布失败时怎么办？

先检查填充区域的纹理是否过于复杂。复杂纹理容易生成重复图案。可以缩小扩展范围，分两次扩展，或者先做轻微的模糊与颗粒处理，再让填充区域与主体之间过渡自然。

批量生成时如何控制质量？

把提示词参数化，只改变量不变常量；抽查每条的首尾帧；为每个系列建立参数表与命名规则，确保成功案例可以回溯复用。

横屏素材还值得保留吗？

值得。同一批素材可以同时输出横屏版本用于其他渠道。做法是先完成竖屏版本，再回到原始横屏素材做一次独立剪辑，而不是把竖屏版本强行拉伸回去。