【AI学习记录】用 AI 制作高中同学会回顾视频 —— 从零到《二十年》的全过程记录

用 AI 制作高中同学会回顾视频 —— 从零到《二十年》的全过程记录

 

制作全程纪实 · 2026年3月

用 AI 制作一部
二十年同学会回顾电影

从一个模糊的想法，到 304 秒的完整电影——记录与 AI 协作完成视频制作的全过程

251 张原始照片

50 个原始视频

19 位同学

5'04" 最终时长

11 个场景

向下滚动

第一章

一个二十年后的约定

2024年底，一群阔别二十年的高中同学重聚在曾经读书的校园。岁月改变了每个人的容颜，但笑声依然熟悉。在那次聚会结束后，有人提议：把这次相聚做成一部视频留念。

素材是现成的——251 张照片、50 个视频文件，零散地存放在一个文件夹里。但没有专业的剪辑团队，没有 Premiere 或 Final Cut 的使用经验。于是，他们选择了另一条路：与 AI 协作完成这部影片。

这篇文章，记录的正是这个从无到有的完整过程——从第一句需求描述，到最终 124.9 MB 的 .mp4 文件落盘，期间经历的每一次对话、每一次报错、每一次迭代。

251 原始照片

50 原始视频

30 精选照片入片

17 精选视频入片

 

第二章

需求从模糊到具体的对话过程

整个项目的起点，是一段非常口语化的需求描述。用户并没有给出精确的技术规格，而是像向朋友描述想法一样，把期望逐步说清楚。

"制作高中同学20年集会的回顾视频……格式为16:9的电影版本……视频时长在9分钟……当在教室中的场景的时候，每一个人物都需要出现在视频中，如果人物没有视频，则使用图片。"

——用户的原始需求描述（节选）

从这段描述中，AI 需要理解并拆解出以下关键信息：

需求点 01

格式规格

16:9 横版，分辨率 1920×1080，30fps，总时长约 9 分钟（实际按素材密度调整为 5 分钟）

需求点 02

场景结构

10 个明确场景：片头→清晨→见面→午间→下午→个人寄语→晚宴→大合照→欢声笑语→告别→片尾

需求点 03

人物覆盖

19 位同学全部出现，其中 16 人有个人视频，3 人（宋东岳、马理平、李仁应）仅有照片，需用 Ken Burns 动效替代

需求点 04

电影质感

胶片感片头、Ken Burns 缓慢推移、暖色调、底部节奏条、文字入场动效等视觉细节

需求点 05

BGM 要求

背景音乐贯穿全片，末尾淡出，确保情绪连贯

值得注意的是，用户最初描述的时长是"9分钟"，但在实际制作中，受制于可用素材的数量和密度，最终成片定格在 5分03秒。这是一个典型的"需求与现实碰撞后的务实妥协"——不强行拉伸素材，而是在有限素材内做到最精炼。

 

第三章

扫描 301 个文件，摸清家底

在动手制作之前，第一步是全量扫描素材目录，建立完整的素材清单。AI 编写了一个 Python 脚本 scan_assets.py，对素材目录进行分类统计。

# scan_assets.py 核心逻辑 import os, pathlib SRC_DIR = r'C:\MyHomework\素材\2024 十年会\九班\聚会当天 素材' # 分类所有文件 photos = [f for f in os.listdir(SRC_DIR) if f.lower().endswith(('.jpg', '.jpeg', '.png'))] videos = [f for f in os.listdir(SRC_DIR) if f.lower().endswith(('.mp4', '.mov'))] # 按人名匹配个人视频 names = ['冉金雨', '刘鑫', '卢布', '姜浩', '廖江林', ...] for name in names: matches = [f for f in videos if name in f] print(f" {'[Y]' if matches else '[N]'} {name}: {matches}")

扫描结果令人满意：

类别	数量	备注
照片（JPG）	251 张	包含 mmexport 抓屏截图、合照、个人照
视频（MP4/MOV）	50 个	含 mmexport 视频、个人寄语视频
个人视频匹配	16/19 人	冉金雨、刘鑫、卢布等 16 人找到对应视频
仅有照片人员	3 人	宋东岳、马理平、李仁应，使用 Ken Burns 动效

19 位同学全部找到了对应素材，这为后续"个人寄语"场景的全员覆盖奠定了基础。

冉金雨 刘鑫 卢布 姜浩 廖江林 张伟 李光明 涂存龙 王雁 陈桂林 靳军 李燕 王勇军 易勋付 王进松 谢先洋 宋东岳 ★照片 马理平 ★照片 李仁应 ★照片

金色标签：有个人视频  |  蓝色标签：仅照片，使用 Ken Burns 动效

 

第四章

11 个场景的分镜设计

在素材清单确认后，AI 与用户共同确定了影片的分镜结构。整部影片被拆解为 11 个场景，每个场景都有明确的情绪定位和视觉风格：

SCENE 00

片头

12 秒

"二十年"大字胶片感入场，金色文字，复古颗粒特效，黑底渐入

SCENE 01

清晨见面

18 秒

早晨照片轮播，暖阳色调，叠化转场，温柔开场

SCENE 02

见面瞬间

24 秒

合照 Ken Burns 缓慢推进，"好久不见"文字渐入，情绪积累

SCENE 03

午间相聚

20 秒

mmexport 午间照片快切，暖橙渐变滤镜，活泼节奏

SCENE 04

下午时光

18 秒

大图蒙太奇，8帧溶解过渡，悠闲午后感

SCENE 05 ⭐

个人寄语

78 秒（核心）

全部 19 人出场，16 段视频 + 3 张 Ken Burns 照片，每人附名字卡片，是全片情绪高峰

SCENE 06

晚宴时刻

24 秒

"把酒言欢"文字渐入，夜间暖光氛围，晚宴照片流

SCENE 07

大合照

17 秒

合照 Ken Burns 缓慢放大，"我们仍是少年"文字叠加

SCENE 08

欢声笑语

60 秒

27 段 mmexport 视频混剪，快节奏拼接，底部节奏条动效

SCENE 09

告别时刻

22 秒

傍晚照片淡出序列，"珍重，下次见"文字，情绪收束

SCENE 10

片尾

12 秒

"致青春"逐字显现，暖色光点收尾，BGM 末尾淡出

场景设计遵循了经典纪录片的情绪弧线：暖场开场 → 相遇高峰 → 情感深化（个人寄语） → 欢乐释放 → 温情收尾，既有叙事逻辑，也照顾到了不同情绪段落的节奏对比。

 

第五章

最难的不是写代码，是找到那个 Bug

在整个制作过程中，遇到了一个反复出现、几乎让项目搁浅的问题：生成的视频片段文件大小为 0KB。

问题现象

ffmpeg 命令执行后返回码为 1（失败），生成的 .mp4 文件存在但大小为 0 字节。错误信息指向：width not divisible by 2

根本原因

使用 scale=1920:1080:force_original_aspect_ratio=decrease 时，若原图宽高比特殊，计算出的输出尺寸可能为奇数（如 1919×1078），而 libx264 编码器要求宽高必须是 2 的倍数。

修复方案

在 scale 之后追加 pad=1920:1080:(ow-iw)/2:(oh-ih)/2，先将图像缩放到不超过目标尺寸，再用黑边填充至标准 1920×1080，完全规避奇数尺寸问题。

# 修复前（有问题的 vf 参数） vf = 'scale=1920:1080:force_original_aspect_ratio=decrease,setsar=1' # 修复后（稳健版本） vf = ('scale=1920:1080:force_original_aspect_ratio=decrease:flags=lanczos,' 'pad=1920:1080:(ow-iw)/2:(oh-ih)/2:black,' 'setsar=1') # 用 test_scale.py 验证修复效果 # 输出：test_scale.mp4，文件大小 > 0 即为成功

在正式运行大批量制作前，编写了独立的 test_scale.py 脚本对这个修复方案进行验证，确认生成的测试文件大小正常后，才将该参数写入主脚本。

除此之外，还遇到了另一个 Windows 特有的问题：

Windows GBK 编码问题

Python 脚本中的中文输出（如 ✓ ✗）在 Windows 默认的 GBK 终端下出现乱码，甚至导致脚本崩溃。

解决方案

将所有中文符号替换为 ASCII 等价表示（如 [Y]/[N]），并使用 python -X utf8 强制 UTF-8 模式运行脚本，彻底规避编码问题。

 

第六章

主脚本 reunion_v2.py 的核心技术

在问题排查完成后，正式编写了制作主脚本 reunion_v2.py。整个脚本约 600 行，涵盖了所有场景的生成逻辑。以下是几个关键技术点：

技术点 1：Ken Burns 动效实现

Ken Burns 效果（图片缓慢推移/缩放）通过 ffmpeg 的 zoompan 滤镜实现。将静态照片转化为有生命感的运动镜头：

# Ken Burns 推进效果（从原尺寸缓慢放大到 1.15 倍） vf = (f'scale=3840:2160:flags=lanczos,pad=3840:2160:(ow-iw)/2:(oh-ih)/2,' f'zoompan=z=\'zoom+0.0008\':x=\'iw/2-(iw/zoom/2)\':' f'y=\'ih/2-(ih/zoom/2)\':d={int(dur*30)}:fps=30:s=1920x1080,' f'setsar=1')

技术点 2：名字卡片叠加

在个人寄语场景中，每位同学的视频下方都叠加了带名字的半透明卡片。通过 drawbox + drawtext 滤镜组合实现，无需外部字体文件：

# 名字卡片：半透明黑底 + 白色名字 vf = (f'drawbox=x=0:y=920:w=1920:h=80:color=black@0.6:t=fill,' f'drawtext=text={name}:fontcolor=white:fontsize=36:' f'x=(w-text_w)/2:y=940')

技术点 3：全局 concat 合并

所有场景生成后，使用 ffmpeg concat demuxer 将 11 个片段无缝拼接，最后混入 BGM 并做末尾淡出处理：

# 写入 concat 列表文件 with open('list.txt', 'w') as f: for clip in scene_files: f.write(f"file '{clip}'\n") # BGM 淡出：最后 6 秒音量渐降 afade = f'afade=t=out:st={total_dur-6}:d=6' cmd = [FFMPEG, '-f', 'concat', '-safe', '0', '-i', 'list.txt', '-i', bgm_path, '-filter_complex', f'[1:a]{afade}[bgm]', '-map', '0:v', '-map', '[bgm]', '-shortest', output]

整个制作流程高度自动化：脚本启动后，依次处理每个场景，全程无需人工干预，约 9 分钟后自动输出最终文件。

制作阶段 01

需求分析与脚本规划

解析用户需求，确定分镜结构、人员清单、素材分配策略，约 5 分钟

制作阶段 02

素材扫描与人名匹配

运行 scan_assets.py，完成 251 张照片 + 50 个视频的分类，约 2 分钟

制作阶段 03

Bug 排查与修复验证

发现并修复 scale 奇数尺寸问题，用 test_scale.py 验证，约 10 分钟

制作阶段 04

主脚本编写

编写 reunion_v2.py，覆盖全部 11 个场景，约 15 分钟

制作阶段 05

渲染输出

执行主脚本，ffmpeg 逐场景渲染，全程约 9 分钟，自动完成

 

第七章

304 秒，124.9 MB，一部真实的电影

脚本运行完毕后，最终文件落盘：

5'04" 最终时长

124.9 MB 文件大小

1920×1080 分辨率

30fps 帧率

9 min 总制作耗时

场景	内容摘要	时长	技术亮点
0 片头	"二十年"金字胶片感入场	12s	孔洞边框 + 金色渐变文字
1 清晨见面	9张清晨照片轮播	18s	叠化转场，暖色滤镜
2 见面瞬间	合照 Ken Burns + "好久不见"	23s	zoompan 缓推
3 午间相聚	午间照片快切	20s	暖橙渐变叠加
4 下午时光	下午大图蒙太奇	18s	8帧溶解过渡
5 个人寄语 ⭐	全部19人出场	78s	16段视频 + 3张Ken Burns照片 + 名字卡片
6 晚宴时刻	"把酒言欢" + 晚宴照片	24s	暖光呼吸效果
7 大合照	合照 Ken Burns + "我们仍是少年"	17s	缓慢平移推进
8 欢声笑语	27段视频快节奏混剪	60s	底部节奏条动效
9 告别时刻	傍晚照片淡出 + "珍重，下次见"	22s	情绪渐弱淡出
10 片尾	"致青春"逐字显现	12s	BGM 末尾 6s 淡出

个人寄语场景是整部影片的情感核心，时长 78 秒，占全片时长的 26%。19 位同学全部出场，没有一个人缺席——这也是用户最在意的一点。

 

第八章

复盘：这次合作我们学到了什么

回顾整个制作过程，有几点值得记录：

经验 01

先扫描，再设计

不要在不了解素材情况下就开始写制作脚本。先运行扫描脚本，摸清家底，才能做出真正可执行的分镜设计。

经验 02

单元测试是必须的

在批量生成前，用 test_scale.py 验证单个片段的生成逻辑，可以提前发现并修复问题，避免 50 个任务全部失败的灾难性后果。

经验 03

Windows 的编码陷阱

在中文 Windows 系统上做视频处理时，文件名、路径、终端输出都可能遇到 GBK/UTF-8 编码冲突，需要全程使用 python -X utf8 和 errors='replace' 进行防护。

经验 04

务实胜于完美

用户期望 9 分钟，但素材质量和数量决定了 5 分钟是更合理的选择。不强行拉伸素材，而是在有限素材内做到精炼，是专业态度。

经验 05

ffmpeg 的表达力

整个项目没有使用任何商业视频软件，仅靠 ffmpeg 的 filter_complex 体系，实现了 Ken Burns、字幕叠加、淡入淡出、音频混合等全部效果。工具本身的能力远比我们以为的强大。

关于"AI 辅助视频制作"的一些思考

这次制作过程展示了一种新的工作模式：用户负责提供素材、描述需求和作出审美判断，AI 负责将模糊的需求转化为可执行的技术方案，并处理所有底层的编码细节。

这不是"AI 替代了创作者"，而是"AI 消除了技术门槛"——让没有专业视频制作背景的普通人，也能制作出具有电影质感的纪念视频。

二十年后的重聚，值得一部认真做的影片。

致那些仍是少年的人们

251 张照片、50 个视频、19 位同学、11 个场景、9 分钟制作——最终凝缩成 5 分 04 秒的影像记忆。

技术只是手段，留住的，是二十年后那些真实的笑脸。

— 完 —