用白模驾驭大模型：Roadster飞跃短片制作复盘

Tue, 20 Oct 2026 00:00:00 +0800

先说这条片子

前几天我用可灵 kling 4.0 做了一条 AI 短片《当我开着 Roadster 遇到堵车时》。讲的是早高峰堵车时，一辆 Roadster 开上隧道壁、倒挂着穿过隧道，出来后靠喷气飞起来越过车流。

当早高峰遇上特斯拉Roadster

启用 JavaScript 后可加载视频播放器。

前往原平台观看 ↗

片子本身还比较粗糙，不少地方经不起细看。不过做的过程中，我摸索出了一套用白模控制可灵的办法，觉得值得记下来。

片子里堵车、车内这些镜头是直接生成的；车爬墙、倒挂、翻转、飞跃这几个镜头，用了白模。

片子发到 X 上之后，有人问白模是不是用 Blender 做的。其实不是，我自己也不会建模。白模是我说需求、Claude 写代码搭出来的。

这篇就把白模这部分单独拆开讲：白模是什么、怎么做、喂给可灵之后又踩了哪些坑。

为什么非得做白模

一开始我没想着做白模，就是常规做法：场景图、关键帧加提示词，让可灵自己发挥。

车冲向隧道壁、开始往上爬的那一小段，这样是能用的。但车一爬上墙、一倒过来，问题就来了：

车"变脸"了。 车身一旋转，可灵就认不出这是 Roadster 了，墙上那辆车慢慢变成了一辆普通的白色轿车。
动作是可灵编的。 车从哪里上墙、开多快、什么时候到顶，全靠它猜，每次生成都不一样。
前后段也接不上。 每段各生成各的，车的位置和角度很难和上一段的结尾对上。

没有白模时生成的版本：动作大致有了，但墙上这辆已经不是 Roadster。

文章视频

启用 JavaScript 后可加载视频播放器。

后面的出隧道翻身、空中横滚只会更难。提示词写得再细，也说不清"第 2.4 秒开始横滚，1.4 秒转完一圈"这种事。

白模就是为了解决这个问题。它是一段很粗糙的 3D 动画：车是个简化模型，堵着的车是大大小小的方块，没有任何质感。但车怎么走、转多少度、镜头怎么动，都是定死的。

把这段白模视频交给可灵，让它照着动作重新"画"一遍，分工就清楚了：

白模管动作和镜头：车的路线、速度、翻转和运镜。
参考图管长相：车外观六视角图、场景图。
提示词管氛围：早晨的光、真实的车流、喷气的白雾。

这个项目里我自己当导演，Claude 当动画师搭白模，可灵当渲染师。

第一步：先搭一辆"白车"

白模里最重要的是那辆车。我手上只有一张"车外观六视角图"，Claude 照着它用代码搭了一个简化车模。

车模不用精致，只抓几个一眼就能认出来的特征：

比例：长约 4.5 米、宽 2 米、高 1.15 米，车头压得很低，后轮拱鼓起来，后面是长长的溜背玻璃。
车尾：一整条贯穿的红色尾灯、黑色扩散器、四个圆形排气口。
车头：两角细细的 LED 灯条、黑色下进气口。
颜色：车身白，底盘和下半截黑，黑色轮胎配深色六辐轮毂。

最管用的一招是贴照片。把六视角图里的车尾、车头抠下来，直接贴在白模的屁股和脸上。车不管翻到什么角度，可灵都能看到真车的尾部，车就不会再"变脸"。

车模也分场景。隧道那场车在画面里很小，用的几乎就是一个楔形盒子加一张车尾照片。出隧道和快速路两场车离镜头近，才换成上面这个更光滑的版本。

堵着的车就更省事了，全是大大小小的方块。出租车的车顶涂成绿色，车尾加两块红色尾灯。可灵会自己把绿顶方块画成出租车，把红点画成刹车灯。颜色就是最简单的提示。

第二步：把动作"算"出来

白模里车怎么动，不是拿鼠标拖出来的。我用大白话描述动作，Claude 把它写成公式，每一帧车在哪、转了多少度都是算出来的。要改哪里，改一个数就行。

一共三场戏：

镜头	时长	白模里定死的动作
隧道倒挂	约 5 秒	车贴着隧道壁一路开到顶上倒挂，镜头缓缓往前推
出隧道翻正	10 秒	倒挂开出洞口，空中翻正，喷气悬停，落地回弹
快速路横滚	8 秒	起飞越过车流，空中横滚一圈，落地停稳后再开走

隧道倒挂。 隧道的横截面是"一段平路接一个圆弧"。车沿着这个截面往上开，车身倾斜多少度，按"两排轮子都贴住墙面"来算，所以车既不会悬在半空，也不会陷进墙里。镜头一边慢慢往前推，一边带一点点手持的晃动。

文章视频

启用 JavaScript 后可加载视频播放器。

出隧道翻正。 车倒挂着以大约每秒 20 米的速度开出洞口，在空中转半圈翻正，然后下喷口喷气、悬停、慢慢落地，落地时车身还会轻轻弹一下。车在洞里时打暖黄色的隧道灯，出来之后换成早晨的阳光。白雾只在喷气打到路面的地方冒出来，而且留在原地，不跟着车走。

文章视频

启用 JavaScript 后可加载视频播放器。

快速路横滚。 车在第 1.3 秒以每秒 20 米起飞，第 2.4 秒开始横滚，1.4 秒转完一圈，侧面喷口只在横滚那一下亮。第 5 秒落地时速度降到每秒 4 米，滑到第 5.8 秒停住，第 6.4 秒再加速开出画面。镜头站在路边，先跟着车摇一点，最后放车开走。

文章视频

启用 JavaScript 后可加载视频播放器。

对比上下两排就能看出来：可灵几乎是照着白模一帧一帧"描"的，车的位置和角度都对得上，只是把方块换成了真车、真公交、真天空。

第三步：让白模和画面"站在同一个位置"

白模动作再准，相机和画面对不上也白搭。对不上的结果就是：车开进墙里，或者飘在路面上方。

每一段我都有一张定好的画面：要么是我做的场景图，要么是上一段视频的最后一帧。白模的相机要跟这张图对齐，高度、朝向、焦距都要调到隧道的弧线、车道线、地平线和图上重合。

办法很笨但有效：把白模的线框叠到那张图上，几组参数挨个比，哪组线条和图上的隧道、车身贴得最紧就用哪组。

白模的背景也分情况：

隧道和快速路：整个场景都用方块搭。隧道有弧形墙和顶灯带，快速路有护栏、隔音屏、路灯、远处的楼和树。
出隧道：直接拿场景图当背景，去掉颜色，只有车、喷气和白雾是 3D 的。上一节那张对比图的下排就是这样。

第四步：每段的开头，接上一段的结尾

短片是一段一段生成再拼起来的，接缝处最容易穿帮。我的规矩是：下一段的第一帧，直接用上一段的最后一帧。

开头堵车那段的最后一帧，就是进隧道那段的第一帧。
爬墙那段的最后一帧（车已经斜贴在墙上），就是倒挂那段白模要对齐的画面。上一节那张线框图对的就是这一帧。
白模的第一帧也按这个画面摆：车在哪、斜多少度，都和上一段结尾一样，可灵才不会在开头突然"跳"一下。

拼的时候我还会单独看接缝那几帧，看车的位置、大小、光线有没有跳。

第五步：交给可灵 4.0

最后一步用的是可灵 4.0 的视频编辑：上传白模视频，再把车外观六视角图、场景图作为参考传上去。提示词主要写长相和氛围，动作交给白模。

这一步有条规律是我自己踩出来的：白模视频多长，可灵里的生成时长就设多长。

白模比生成时长短的话，多出来的那几秒没有白模，也没有提示词描述，可灵就会自己编。出隧道那场就是这样：车已经落地停稳了，可灵又让它原地起跳飞了一次。

文章视频

启用 JavaScript 后可加载视频播放器。

已经生成的两版，我直接把这段"二次起跳"剪掉了。之后做白模，时长一律和生成时长对齐，比如出隧道这场就是正好 10 秒。

另外可灵对参考视频也有限制：每段 3 到 30 秒，生成时长同样是 3 到 30 秒。白模按镜头拆开做，每段几秒到十几秒，很容易在范围内。

踩过的坑，一张表说完

坑	表现	我的解法
车"变脸"	车一翻转，就变成一辆普通白色轿车	白模车头车尾贴上真车照片
时长不一致	多出来的几秒可灵自己编，比如落地后又起跳一次	白模时长和生成时长设成一样
机位对不上	车的路线和画面里的路、墙对不上	白模线框叠在场景图上对齐
接缝跳帧	前后两段车的位置、角度接不上	下一段首帧用上一段尾帧
节奏拖	有几段结尾的动作偏慢	剪辑时把这几段的结尾局部提速

写在最后

回头看，这次做视频学到的最有意义的三点：

白模管动作，参考图管长相。 分清楚谁负责什么，大模型就不用瞎猜。
白模可以很粗，关键特征要真。 堵着的车用方块就够了，主角车尾贴一张真照片，比把车模做精细管用得多。
时长、机位、首尾帧都要对齐。 大部分穿帮，都出在"对不齐"上。

整个过程我没写一行代码，Blender 也没打开过。我负责想镜头、挑片子，Claude 负责把我的大白话变成白模，可灵负责把白模变成真的。

下一步我想把这套方法用到人身上：人比车难得多，四肢会交叠、会翻滚，这部分还在折腾，做出来再写一篇。

AI创作 on Ranbin's Blog

用白模驾驭大模型：Roadster飞跃短片制作复盘

先说这条片子

为什么非得做白模

第一步：先搭一辆"白车"

第二步：把动作"算"出来

第三步：让白模和画面"站在同一个位置"

第四步：每段的开头，接上一段的结尾

第五步：交给可灵 4.0

踩过的坑，一张表说完

写在最后