@FinanceYF5: 《Gossip Goblin》可以说是世界上最顶级的 AI 电影创作者。 他的新电影《THE PATCHWRIGHT》堪称神作（播放量已超 1000 万）。 但一直没人知道这些作品究竟是怎么制作出来的。 每一步的工作流程

《Gossip Goblin》可以说是世界上最顶级的 AI 电影创作者。

他的新电影《THE PATCHWRIGHT》堪称神作（播放量已超 1000 万）。

但一直没人知道这些作品究竟是怎么制作出来的。

每一步的工作流程

2/这部 20 分钟的电影，他做了整整 4 个月。

而《The Patchwright》也不是从零开始。

过去 11 个月里，Zach 已经在这个世界观下持续更新内容，积累了数万张 Midjourney 图片、成熟角色，甚至自创语言。

很多人关注工具。

但真正厉害的，其实是他长期积累的世界观与故事体系。

3/视觉风格完全跟着剧情走。

电影从顶层豪宅一路下降到街头，因此他们按高度拆分场景：顶层、飞船、空中城市、街道、市场。

在用 Kling 动画前，每个场景都会先跑一轮 Midjourney 风格探索。

再用 Nano Banana，把统一角色植入这些“空镜头”里。

4/不要停留在 AI 的默认答案。

审讯室本可以只是“灰墙 + 桌子”的普通模板。

但他们把它做成了“环形监视空间”，顶部还有俯视结构。

随后再用 Nano Banana 混合粗野主义座椅参考图补细节。

因为 AI 给你的默认结果，也会给下一个上千人。

5/在这类创作里，Midjourney v7 依然强于 8.1。

Zach 认为 8.1 被“过度规整”了，而 v7 更接近 Midjourney 的真正上限。

但真正关键的，并不是 prompt 技巧。

而是长期打磨符合个人审美的 profile code，再结合 mood board 与风格参考。

那些真正有独特风格的创作者，基本都是这么做的。

6/Midjourney 负责探索视觉空间，Nano Banana 更像 Photoshop。

Zach 原话是：“没有任何图片会从 Nano Banana 开始，它只是我们的 Photoshop。”

Midjourney 能做出更极致的色彩、纹理和独特质感。

如果直接用 Nano Banana，你得到的往往只是它默认的视觉风格——更快，但也更普通。

7/先确定“核心镜头”，再补全中间内容。

每个场景里，他们都会先做几张确定光线与氛围的 hero shots。

确定后，再用 Nano Banana 补全其余镜头。

比如从顶层到街道的光线变化，并不是逐镜设计，而是从少数关键画面中自然延展出来的。

8/在动画开始前，颜色与氛围其实已经基本定型。

他们把湿货市场设定成“香港 × 曼谷 × 九龙夜市”的混合体：潮湿、混乱、雾气弥漫。

随后围绕这个概念建立专门的色彩与灯光参考。

最终，接近 90% 的调色效果，早就在静态画面里完成了。

9/真正高级的地方，是他们在“造世界”。

他刻意避开了日文汉字这类常见赛博朋克元素。

团队甚至专门设计了一套新字母系统，并参考缅甸文字做了辅助符号。

电影开场标题，还会从外星文字逐渐变形成他们自创的语言。

10/不要把任何细节交给“默认生成”。

《The Patchwright》里的茶壶、实验装置、福尔马林生物标本，甚至一闪而过的工作室纹理，都是专门设计的。

虽然大部分细节最终都没进入正片。

但正是这些看不见的投入，才让这个世界像“真实存在”，而不是 AI 随机生成。

11/角色部分几乎全是逐帧制作。

整个《The Patchwright》没有使用 multi-shot 或 omni-ref 这类自动连续镜头功能。

因为他想完全掌控画面中的一切。

这条最难的路，可能让他们多花了几个月。

但也正因此，这部电影才拥有了真正独特的风格。

12/角色一致性，不靠“一张设定图”。

他们会分别生成角色的近景、远景、背影等素材。

再用 Nano Banana 按镜头重新组合。

比如“角色从背后穿过市场”，其实是：背影素材 + 市场环境 + 其他角色 + prompt 的现场拼装。

每个镜头都重新搭建，而不是套模板。

13/在 Nano Banana Pro 出现前，他们甚至是“手工改图”。

那段 9 分钟的审讯戏里，团队会直接在图片上画箭头、标线、标动作。

再把修改图丢回 Nano Banana，继续生成下一镜。

上百个镜头，几乎都是这样一张张硬做出来的。

14/《The Patchwright》里所有能听清的台词，都是真人配音。

主角由一位美国前歌剧演员兼 DJ 配音，也是最初短片里的原班人马。

女性角色则通过英国选角网站寻找演员，很多配角直接由朋友客串。

ElevenLabs 确实方便。

但只要预算允许，真人表演带来的情绪与质感，依然不是 AI 配音能替代的。

15/《The Patchwright》的动画，几乎全部由 Kling 完成。

在这 4 个月高强度制作里，没有其他模型能达到 Kling 的细节、稳定性与控制力。

部分说话镜头，还会再用 Sync 做口型强化。

但 Sync Labs 实际操作很麻烦，往往需要先手动剪辑画面和音频，让波形尽量对齐，再让它补一点嘴部动作。

16/“AI 就像湿泥。”

Zach 说，AI 不会完全按你的想法运行。

你只能理解它、引导它，而不是绝对控制它。

真正的创作，更像是给模型正确输入，并接住那些“意外惊喜”。

17/AI 电影里最被低估的岗位，其实是剪辑师。

导演负责剧本、分镜与镜头。

但 AI 电影真正的统一感，往往是在剪辑阶段完成的。

一个熟悉 AI 缺陷的剪辑师，价值极高。

18/调色的核心，是“前期完成 90%，后期修最后 10%”。

大部分色调，在静态图阶段就已经确定。

后期更多只是统一镜头差异。

而 Zach 特别强调一点：绝不做超分辨率放大。

因为现在所有 upscaler，都会破坏纹理与原本的美感。

19/加颗粒感。

过去 grain 是为了遮 AI 瑕疵。

现在则是因为 AI 画面太干净、太蜡像感。

颗粒能带回粗粝感，让画面更像真实世界，而不是“被渲染出来的”。

20/声音，才是真正把一切粘合起来的东西。

Zach 会请真人音乐人制作关键段落配乐。

再叠加环境音、机械声、市场噪音与脚步声。

AI 音乐已经够用了。

但真正让 AI 片段变成“电影”的，是真人配乐 + AI 音乐 + 定制音效的组合。

21/最后的重点。

如今大家用的几乎都是同一批 AI 工具。

真正拉开差距的，从来不是模型。

而是你愿不愿意认真打磨那些“没人会注意”的细节。

一块标牌、一个杯子、角落里的生物标本。

99% 的人会跳过。

但正因为有人认真做了，它才像一个真实世界。

PJ的深度解析：

以上就是全部，原作者 @PJaccetturo

如果您喜欢这个主题：

1.关注我（@FinanceYF5） 2. 点赞+转发下面第一条帖子