AI 生成视频

弄清 生成式人工智能 在视频侧能做什么、不能做什么；对照以即梦为代表的生成视频流程，判断哪些环节适合进入备课与课堂，哪些必须由教师把关。

学完本课，你应能：说明一段生成视频从提示到成片的大致步骤；为一次真实教学需求写出可用的提示要点；并列出至少三条教学使用边界。

短片、情境导入、概念示意，过去常常受制于素材版权、拍摄成本与剪辑时间。生成视频把「用文字描述画面」变成可迭代的草稿生产线：几分钟内可以试出多种镜头语言，再决定是否值得精修或改用真实素材。

对教学而言，价值不在「替你拍完一节课」，而在缩短从意图到可视草稿的距离。风险也同样清楚：画面可能虚构地理与历史细节，风格可能刻板，时长与可控性仍远不如专业制作。教师的职责是决定：这段画面是在辅助理解，还是在替代本该由真实证据承担的工作。

生成视频工具通常围绕同一条主线：提示词（或参考图）→ 模型采样 → 短片段 → 人工挑选与拼接。不同产品（如即梦、可灵、Runway）在镜头控制、人物一致性、中文提示友好度与商用条款上有差异，但底层逻辑相近：模型在预测「下一帧更可能长什么样」，而不是在检索一段已存在的真实录像。

因此，它属于 AIGC 创作链路的一环，而不是「纪录片下载器」。教学中若需要可核验的现场、实验现象或真实人物言行，生成视频最多只能做氛围或示意，不能充当证据。

一次对教师更稳妥的流程可以写成四步。

1. 先写教学意图，再写画面。 例如：「导入《河流地貌》时，用 8–12 秒示意冲积扇的沉积过程」，而不是一上来就堆形容词。
2. 把约束写进提示。 学段、学科、是否允许出现人脸、是否需要字幕安全区、色调是否需贴近课件主题，都会影响可用性。
3. 多生成、少迷信第一次。 同一提示跑若干次，挑选「信息结构清楚」的片段，而不是「看起来最炫」的片段。
4. 人完成最后一公里。 裁剪、配字幕、核对事实、标注「示意图 / AI 生成」，并把版权与平台条款核对完毕，再进入课堂。

若提示词空泛（「做一个关于春天的漂亮视频」），模型只能给出统计上好看的平均画面；若提示词过满却缺少教学任务，又容易得到一堆无法切入学习目标的装饰。这里同样适用 提示词工程：情境、角色与期望越清楚，迭代成本越低。

适合进入教学的常见用途包括：抽象过程的示意（细胞分裂、气流运动）、文学或历史情境的氛围铺垫、项目式学习中学生创作的低成本草稿。

需要谨慎或回避的情形包括：用生成画面冒充真实新闻或实地影像；用虚构「实验现象」代替可观察的实验；在人物肖像、少数民族形象、敏感历史事件上未审核即投放；以及把学生作品完全外包给工具却不要求说明生成过程。

生成视频不会自动获得教学合法性。合法性来自教师对学习目标、证据标准与伦理边界的判断。

选择你正在教或即将教的一课，完成下面三栏（可写在备课本或笔记软件中）：

1. 学习目标一句：学生看完这段画面后，应能理解或注意到什么？
2. 画面约束：时长、是否允许人脸、必须出现 / 禁止出现的元素、是否标注「AI 生成」。
3. 验收标准：何种错误会出现你就整段废弃（例如地名写错、实验现象违背学科事实）？

然后对照片中演示的工具流程，试写一条提示词，并说明你会如何人工验收。

• 生成视频是 生成式 AI 对「下一帧」的概率预测，适合做示意与草稿，不适合自动充当真实证据。
• 教师工作流应是：意图 → 约束提示 → 多样本挑选 → 人工剪辑与事实核对。
• 使用边界由学习目标与伦理决定，而不是由工具宣传决定。