AI 恐怖视频生成

我们实测了什么

002003004005

画面与声景，一起生成

H3 在与画面相同的一次前向传播里生成声景，所以没有可跳过的后期步骤，也没有东西需要同步。这只是把问题挪了个位置，不是把它消掉了，而我们测出了它挪到了哪里：七条官方 H3 片子、2,340 个半秒窗口，其中六条在任何时刻都没有真正降到本底噪声。这个模型的本能是把声音铺满。 所以 AI 恐怖视频的手艺不在于加声音，而在于刻意把声音拿掉——在提示词里，在片子还不存在的时候。完整的 AI 恐怖实测，以及那个例外背后的提示词。

始终没静下来的官方片子

6/7

始终没静下来的官方片子

实测的半秒窗口数

2,340

实测的半秒窗口数

唯一静下来那条的底噪

−53.7 dB

唯一静下来那条的底噪

需要的声音设计工序

0

需要的声音设计工序

• 不用另外调一个音频模型
• 不用手动把音效对到画面上
• 不用担心背景音乐跟场景打架
• 不用花钱去掉水印

提示词生成视频

实测所用的那条片子，以及它背后的完整提示词

16:9 · 15s · 768P

完整提示词，不是摘要

16:9, 15 seconds, 768P. Zero-gravity prison block, weightless inmates drifting slowly against the bars, one hard side light and deep shadow everywhere else. Slow drifting camera, no cuts.

15s · 16:9

一条提示词，一次生成——画面与环境底噪一起来

这些都不是为这个页面专门生成的。它们是素材库里最贴近这一调性的几条，而上面那条哥特预告片就是响度实测真正跑过的那一条——我们宁可给你看四条真实的，也不给你看四条摆拍的。

• 01

  用简单的文字提示词生成 AI 恐怖视频

  一句恐怖描述进去，一条自带环境底噪的片子出来。声景是提示词里的一个字段，不是第二份活。

  4–15 秒，768P 或 2K
• 02

  用 AI 改进你的恐怖视频提示词

  把一个粗糙的想法粘进去，拿回 H3 期待的三段式结构——包括声景，以及多数人会留空的音乐字段。

  替你把「没有什么」写出来
• 03

  从剧本到成片的完整 AI 流程

  恐怖片的节拍表到分镜表再到成片，都在同一套帧网格上，全程不用离开浏览器。反过来也行：丢一条参考片进去，拿回能产出它的提示词。

  剧本 → 分镜 → 声音 → 成片

三条路，同一个价格——768P 每秒 8 积分，而这个品类要的就是 768P。

1. 

   01

   写调性，不是写怪物

   说清楚这条恐怖片是什么感觉——*克制、耐心、压抑*——然后点名你不要的那一路：*不要血、不要血腥、不要跳吓怪物、不要万圣节风格*。在实测的那一组里，唯一静下来的那条，正是把自己的调性用四种说法反复讲清、却一次都没提到声音的那条。

   调性排除句
2. 

   02

   把每一样没有的东西，一样一样点名

   写*不要脚步声、不要呼吸声、不要人声、不要开关门声*，而不是写*安静*。实际情况是，*安静*会被读成*安静的音乐*，跟指令正好相反。然后在音乐字段里填上 `N/A`——留空和填上，不是同一条指令。

   声景non_diegetic_music: N/A
3. 

   03

   把节拍放在一个真实存在的帧上

   在 24 fps 下，`00:07.400` 是第 177.6 帧，而这一帧并不存在，所以你等于把时间点交给了一个四舍五入的步骤。`00:07.000` 是第 168 帧。要就要 192 帧——8.000 秒——这是可用区间里唯一的整秒。

   192 帧8.000s
4. 

   04

   用 768P 生成，并且做好再跑一遍的准备

   恐怖片要的是劣化，所以 2K 是在跟你作对——这是少见的、便宜档位才是正确档位的情形。做好跑三四条才留下一条的打算，因为你追的是一种感觉，不是一张清单。

   768P3–4 条

这四步 AI 恐怖流程里，没有一步发生在片子生成之后。这个品类其余产品要跑的整轮声音设计，在这里被提示词里的两个字段取代了。

1. 01音乐字段是填了的，不是空的

   空着的 `non_diegetic_music` 不是一条指令。模型照样会给场景配乐，而且会正好配在你想让它静下来的那一段上。在里面写上 `N/A`。

   non_diegetic_music: N/A

2. 02把缺席逐条列出来

   *不要脚步声、不要呼吸声、不要人声、不要开关门声。*四个分句，不是一个词。这个页面上最常见的一种失败，是冒出一个没人要的旁白，而它的来源就是写了*安静*。

   四个分句，不是「安静」

3. 03环境底噪要有音高

   荧光灯镇流器之所以好用，是因为它有一个音，而一个音是可以停的。风声和车流没有边缘可切，所以到了那个节拍上没有东西可以拿走。吓人这件事，需要一个带边缘的声音。

   镇流器嗡鸣，不是风声

4. 04那个人影虚焦，而且从不动

   把它对上焦、打上光、让它动起来，它就会隐隐透出滑稽——因为模型一旦必须给出一张确定的脸，它的品味就露出来了。虚焦既藏住了画面里最难的东西，本身也更吓人。

   虚焦 · 从不移动

5. 05画面变了，声音没变

   硬切到完全相同的构图，但里面多了点什么，同时让音频跨过这个切点保持不变。观众的第一反应是怀疑自己刚才看到的东西，而这份怀疑就是效果本身。

   音频跨过切点不变

这五项就是这个页面存在的理由。没有一项是关于怪物的，其中四项是关于声音的。

• 弱点 → 资产

  人脸在 VAE 里丢掉细节

  在产品镜头里，这是要绕开的缺陷。在这里，它是一张你怎么也看不清的脸，而这是这个品类里最靠得住的一种效果。

• 弱点 → 资产

  远处的人影会散架

  走廊尽头，正是你想要一个眼睛拼不完整的形体的地方。模型在远处的失败，直接生成了恐怖片美术要花一下午合成出来的东西。

• 弱点 → 资产

  快速运动会糊

  磁带拖拽、跟踪错位、迟到的一帧。放在舞蹈片里这是要重新生成的；放在 VHS 的设定里，这就是那个格式本身。

• 真正的强项

  声景与画面一起生成

  32 kHz 立体声，出自同一次生成。这是整条流水线里，这个品类其余产品至今仍靠手工完成的一环，而在这个品类里，它正是决定一条片子成不成立的那一环。

• 

  9:16 · 15s

  模拟恐怖 / 伪纪录片

  VHS 颗粒、一道跟踪线、一条从不变化的走廊。劣化本身就是全部美学，这也让它成为这份清单上最便宜的一种。

  从模拟恐怖开始
• 

  16:9 · 15s

  阈限空间 / 后室

  一个没有人的室内，灯打得不对劲。什么都没发生，而整整八秒什么都没发生这件事本身，就是它要送出的东西。

  做这一条
• 

  1:1 · 8s

  只靠镜头制造的不安

  没有劣化，没有人影——只有一个不肯停下来的运动，和一个始终不把那样东西给你看的房间。四种里最难的一种，也是唯一读起来像电影、而不像滤镜的一种。

  做这一条
• 

  16:9 · 15s

  诡异的静止

  一个普通场景，只有一条世界规则被打破，而且一本正经地演下去。喜剧和恐怖在这里是同一个镜头；决定你拿到哪一个的，是那句调性。

  做这一条

四种都落在同一条内容政策之内，原因只有一个：它们靠劣化和缺席起作用，而不是靠血腥。在提示词里写上*不要血、不要血腥*，不只是品味问题——它还能过滤器那一关。

跑一条多少钱