从一张图或一段文字,到一支完整视频

长视频 AI 生成器

给 ClipNova 一张照片或一段文字。它会搭建分镜、生成每一个场景、录制旁白、同步字幕、混入你自己的音乐,并交付可直接上传的成片。

适用于
深受创作者信赖
遍布全球
视频播放器中正在播放《守塔人的最后一夜》:守塔人在暴风雨中擦拭灯塔透镜,字幕逐词高亮,第 2 章,进度条位于 04:36 中的 01:31
示例

大家用长视频生成器 做出了什么

旁白故事、儿童动画剧集和不露脸纪录片,是 ClipNova 上最常制作的长视频。下面是我们自己做的三个示例,每个都只用了一条简短的提示词。

旁白故事

守塔人的最后一夜

4:36 · 16:9 · 5 章 · 旁白 · 字幕
提示词

一个 4 分钟的旁白故事:灯塔改为自动化之前,一位年迈守塔人的最后一夜。暴风雨,遇险的渔船,宁静的日出。电影感,16:9,开启字幕。

视频播放器中完成的灯塔故事,位于 04:36 中的 00:33,第 1 章,黄昏时的灯塔,字幕逐词高亮
成片
分镜
《守塔人的最后一夜》分镜:暴风雨中的灯塔,守塔人提着油灯登上楼梯,擦拭透镜,浪中的渔船,以及日出时的守塔人
儿童 3D 动画

小狐狸米洛学会分享

3:30 · 16:9 · 3D 动画 · 讲述人 · 字幕
提示词

一部 3 分钟的儿童动画,采用明亮的 3D 动画电影风格:小狐狸米洛发现一篮浆果,不肯和朋友分享,感到孤单,最后学会了分享。温柔的讲述人,16:9。

视频播放器中完成的 3D 动画剧集,位于 03:30 中的 02:31,第 3 章,米洛把浆果篮递给朋友们,字幕逐词高亮
成片
分镜
《小狐狸米洛学会分享》分镜:米洛发现一篮浆果,把它藏起来不给小兔和刺猬,独自坐着,递出篮子,和朋友们一起野餐
不露脸纪录片

4 分钟看懂失落之城佩特拉

4:00 · 16:9 · 纪录片 · 旁白 · 字幕
提示词

一部关于失落之城佩特拉的 4 分钟不露脸纪录片:西克峡谷、卡兹尼神殿、纳巴泰商人和他们的水渠、代尔修道院。沉稳的讲述人,16:9,字幕。

视频播放器中完成的佩特拉纪录片,位于 04:00 中的 00:48,第 1 章,从西克峡谷望见的卡兹尼神殿,字幕逐词高亮
成片
分镜
《失落之城佩特拉》分镜:西克峡谷,第一眼望见卡兹尼神殿,纳巴泰骆驼商队,凿刻在岩石中的水渠,以及日落时的代尔修道院
工作原理

你出创意, ClipNova 完成整支视频。

下面的每一步都在一次生成中完成。这里用的是同一个项目,《守塔人的最后一夜》,一个 4 分钟的旁白故事,从创意一直到最终导出。

  1. 一张灯塔的旧照片,旁边是《守塔人的最后一夜》的简短文字提示词,这是在 ClipNova 中开始长视频的两种方式
    — 01 —
    你的输入

    从一张图片或几行文字开始

    上传一张照片,或写下视频的主题、时长和目标观众。一段话就够了。ClipNova 会理解你的意图,在渲染任何画面之前先定下基调、节奏和目标时长。

  2. 一张手绘的六格分镜稿,规划灯塔故事,从暴风雨到日出时的守塔人
    — 02 —
    分镜

    ClipNova 撰写分镜脚本

    创意变成逐场景的规划:每个场景展示什么、持续多久、镜头如何运动、旁白说些什么。长视频像电影一样按章节和节拍来规划,而不是一条没完没了的提示词。

  3. 灯塔故事生成的六个镜头排成网格,每个约 6 秒,从暴风雨中的灯塔到黎明时的守塔人
    — 03 —
    场景

    每个场景都按统一风格生成

    分镜中的每个节点都有自己的起始图像,并被制作成约 6 秒的动态镜头,从第一个镜头到最后一个镜头保持同样的风格、光线和调色。每一章都有自己的画面,所以 5 分钟的成片绝不会像循环播放。

  4. 年迈的守塔人提着油灯登上灯塔的楼梯,画面上叠加一行旁白和音频波形
    — 04 —
    配音

    旁白自动为你录好

    分镜中的文案由自然的 AI 旁白朗读,支持 18 种语言,逐场景对齐时间。选择一个声音,或克隆你自己的声音;同一支视频可以为另一个市场重新配音,无需重新渲染画面。

  5. 灯塔光束下暴风雨中的渔船,均衡器显示旁白下方的音乐音轨
    — 05 —
    音乐

    添加你自己的背景音乐

    上传音乐文件或粘贴音乐链接,设置它在旁白下方的音量,并选择播放曲目的哪一段,结尾还可选择淡出。ClipNova 会把它混入最终成片。无需时间线,无需手动剪裁。

  6. 守塔人从灯室窗口望向暴风雨,配有同步字幕条,当前词语高亮
    — 06 —
    字幕

    逐字同步的字幕

    字幕从配音中转写并烧录进视频,随着旁白的朗读逐字高亮。字幕样式只需选择一次,全片保持一致,即使静音观看也能看懂。

  7. 视频播放器中灯塔故事的最后一帧,日出时的守塔人,标注为 16:9 或 9:16 的 1080p 最终渲染
    — 07 —
    最终视频

    拿到完整成片

    场景、配音、音乐和字幕会合成为一个带章节的文件。可导出适合 YouTube 的 16:9,或适合 Shorts、Reels 和 TikTok 的 9:16,最高 1080p,无水印并享有完整商业使用权。修改简介中的一行,几分钟即可重新渲染。

长视频为何不同

大多数 AI 视频工具止步于 一个片段。ClipNova 交付整支视频。

文生视频模型只能给你五到十五秒的素材。那是一个镜头,不是一支视频。长视频 AI 生成器必须解决镜头之外的一切:能让观众持续几分钟保持注意力的结构、彼此风格一致的场景、推动故事的旁白、随之起伏的音乐,以及让视频在静音时依然能看下去的字幕。

ClipNova 把这一切当作一件事来做。先写分镜,所以每个场景都有存在的理由和在时长中的位置。场景按照这份规划以统一的风格渲染。人声和字幕由同一份文案生成,你的音乐则混在它们下方,因此无需剪辑师也能严丝合缝。你得到的是一支完整的成片,而不是一个装满片段的文件夹。

因为规划本身是文字,修改视频就是修改文字。缩短一个章节、更换旁白语言、把行动号召提前,然后重新渲染。每次渲染最长可生成 5 分钟的视频,更长的项目可以用一致的角色和场景串联起来。

适用于

一份需求, 覆盖所有长视频形式

YouTube

科普解说与纪录片

把一个主题变成最长 5 分钟、带旁白和字幕的分章节视频,一帧都不用拍。

无露脸频道

批量产出故事与盘点视频

用文字需求按计划发布长视频。同一个声音、同一种风格,每次都是新脚本。

企业

产品演示与培训

把一个产品、一套流程或一节课程讲清楚,整支视频每个章节都保持一致。

创作者与品牌

一张照片讲出品牌故事

从一张产品图或创始人照片出发,让场景和人声围绕它把故事讲完整,再配上你自己的音乐。

关于长视频 AI 生成器的 常见问题

什么是长视频 AI 生成器?+

一种根据需求生成完整的数分钟视频、而非单个短片段的工具。在 ClipNova 中,这意味着分镜、场景、配音和字幕全部由你的图片或文字生成,如果你添加了自己的音乐也会一并混入,最终合成为一个完整的成片文件。

视频最长可以做多久?+

单次渲染最长 5 分钟。长视频由约 6 秒的镜头组成,每个镜头都从自己的起始图像生成动画,因此 60 秒的成片大约有十个镜头,5 分钟的视频则按章节组织。更长的项目可以用相同的角色和场景把多次渲染串联起来。

我需要自己写脚本吗?+

不需要。ClipNova 会根据你的需求撰写分镜和旁白。如果你已经有脚本,直接粘贴,工具会逐场景照着执行。

配音和字幕支持哪些语言?+

旁白支持 18 种语言,字幕由人声转写而来,因此两者会一起切换。你可以为另一个市场重新配音一支已完成的视频,无需重新生成场景。

生成之后还能编辑视频吗?+

可以。重新剪辑场景、替换镜头、更换旁白、调整音乐或修正字幕,然后在几分钟内重新渲染新版本。因为规划是文字,大多数修改只是改一改需求。

可以导出哪些格式?+

适合 YouTube 的 16:9,或适合 Shorts、Reels 和 TikTok 的 9:16,最高 1080p,无水印。渲染前选好画幅,每个场景都会按该画幅生成。

今天就开始创作

你的下一支长视频, 只差一段文字。

加入把想法变成让人停下滑动的视频的创作者行列,无需团队、无需软件、无需学习成本。

制作长视频