在10分钟内，我使用AI制作了这整个Nirvana的《Smells Like Teen Spirit》音乐视频。 这是我的完整工作流程和我使用的每个提示👇

使用的核心工具是谷歌的 Veo 3。 然而，首先，我需要确定提示的语言。像 "涅槃音乐视频" 这样的通用提示将会是一场灾难。

所以，我使用了（ChatGPT）GPT-4o作为头脑风暴伙伴，帮助我建立一个能够捕捉到颓废氛围的词汇。 提示："提供定义1991年Nirvana热门歌曲《Smells Like Teen Spirit》的90年代颓废氛围的关键词，捕捉音乐视频的美学。"

ChatGPT 提出了一个重要关键词列表： - 粗犷的，90年代风格 - 手持摄像机拍摄的画面 - 拥挤的西雅图礼堂 - 情绪化、昏暗的高中走廊 - 反乌托邦的能量 - 过度曝光的舞台灯光

在我设定了美学词汇后，我开始在Veo 3中生成数十个短片。 这就像是一个拥有无限B-roll预算的导演！

为了获得主要的音乐会录像，提示必须具体说明能量和地点。 提示："一幅宽广的电影镜头，展示一支青少年摇滚乐队在1990年代的西雅图一所拥挤的高中礼堂中进行高能量现场演出。"

这个视频需要那种混乱的、粉丝级别的视角。一个视角提示在这里发挥了奇妙的作用。 提示："一个从人群中拍摄的、肩膀高度的粗糙视角，指向模糊、过曝的舞台灯光。你只能看到乐队的轮廓。"

为了构建关于音乐会的“故事”，我想要那些经典的、充满焦虑的高中场景。 提示："快速切换的镜头在昏暗的1990年代高中走廊中穿梭，镜头从一个青少年切换到下一个。"

有时我只是为了纯粹的美学而提示，以获取我可以用作过渡或纹理的剪辑。 提示："生成一个受1990年代西雅图垃圾音乐启发、带有黑暗氛围的视频"

这就是人机协作部分如此重要的地方。 我现在有一个装满7秒视频片段的文件夹。我将所有内容导入了一个叫Capwing的简单视频编辑器。 AI是摄影师，但我是导演。

在 Capwing 中，我将最佳片段拼接在一起，将剪辑与歌曲著名的安静-响亮-安静的动态同步。 混乱而充满活力的镜头必须在合唱部分到来时恰到好处。这就是叙事和品味产生巨大差异的地方。

这是 @clairevo (HOW I AI Podcast) 说的内容：

AI 还不完美，但在 60 年代和 70 年代，艺术家们也面临着类似的录音设备限制。 我创作的是粉丝小说，是我对 90 年代最喜欢的声音的情书。但关键在于，我们现在拥有创造原创媒体的工具。

从想法到执行的距离从未如此之短。 工具已经到位，它们触手可及，而且功能强大。我给每个人的建议很简单：去玩吧。