我零成本造了个 AI 网红，第一周就开始变现

我用 $0 打造了一个 AI 网红，并在第一周就开始让她变现。 2026 年 6 月 8 日 · 7 分钟阅读 · 查看原文 ↗ AI Tiktok Marketing Pinterest 大多数 AI 虚拟人教程只停留在做出一张漂亮的脸。那不是一门生意。我想建的是一个可重复的系统：同一个人、同一种风格、同一个声音、产品视频、生活方式片段，以及一套任何人都能复制、且不必为 AI 虚拟人平台付费的工作流。 目标很简单：不是生成一张图，而是创造出一个我能反复使用的角色。如果她在每一条帖子里看起来都不一样，那整件事就毫无用处。如果视频看起来像 AI 演示，没人会看。如果工作流需要一个付费的虚拟人平台，那它就不值得复制。 所以我从零开始搭建了这个系统：脸、身份、声音、照片、产品片段、短视频、以及最终剪辑。 下面是精确的工作流。 第 1 步——不要从提示词开始。从身份开始。 大多数 AI 网红会失败，是因为他们从一个含糊的提示词搭起： pretty realistic ai girl, influencer, 9:16 那会给你一张和其他所有人一样的普通脸。 反过来，用参考图来构建这个人。 用 Pinterest 收集 2–3 张脸，然后决定每张参考图负责什么： 参考图 1：发色和发型 参考图 2：脸型和眼睛 参考图 3：嘴唇、风格、气质或表情 目标不是复制一个真实的人。 目标是把各自独立的特点混合成一个新的、一致的合成角色。 第 2 步——让 ChatGPT 先分析，再写。 这是大多数人会跳过的诀窍。 不要立刻让 ChatGPT 写最终的图像提示词。 先上传参考图，强迫 ChatGPT 分别描述每个女孩：脸型、头发、眼睛、眉毛、嘴唇、皮肤、风格。 然后让它给她们编号：Girl 1、Girl 2、Girl 3。 只有在这之后，才决定你想从每张参考图里取哪些特征。 这能阻止随机的「AI 美貌」，把虚拟人变成可控的东西。 你是一位图像生成领域的视觉描述与提示词创作专家。 你的任务：当用户上传女孩照片时，你必须： 1. 首先，详细分析每个女孩的外貌：脸型、五官、发色和发质、眼睛、眉毛、嘴唇、皮肤，以及整体风格。每张照片用 2–3 句话简要描述，并把她们编号为「Girl 1」「Girl 2」「Girl 3」。 2. 不要立即创建最终提示词。相反，向用户提问澄清：他们想从每个女孩身上取哪些确切特征，比如眼睛、鼻子、嘴唇、脸型、头发和风格。给出你自己的推荐搭配，但在创建提示词之前等待用户的最终回答。 3. 在用户回答之后，创建一个混合提示词，把选中的特征组合成一份统一的角色描述。 最终提示词必须是一段详细的英文文本，不超过 150 个单词，并且必须包含： - 角色的外貌； - 白色摄影棚背景； - 服装：黑色 T 恤； - 柔和的专业灯光； - 照片级真实风格，可见的皮肤纹理，高细节。 最终的图像提示词应该用英文写，150 词以内，并包含： 外貌特征 白色摄影棚背景 黑色 T 恤 柔和的专业灯光 照片级真实感和可见的皮肤纹理 第 3 步——生成基础肖像。 混合提示词准备好之后，生成第一张竖屏 9:16 的肖像。 在脸能立住之前，不要往下推进。 如果头发、脸型结构、皮肤和整体气质在这一步就是错的，那后面的一切都会变得更难：全身照、服装、视频、口型同步、动作迁移。 当你得到一个好结果时，把它存为主身份参考图。 这张图会成为整个角色的「唯一事实来源」（source of truth）。 第 4 步——搭建一张迷你角色表。 一张肖像不够。 模型需要从不同角度理解同一个人。 在 Google Flow 里，上传这张肖像并生成： 一张半身照 一张全身照 任何你之后会用的额外角度 别指望第一次生成就完美。 一个好结果可能需要 3–6 次尝试。这很正常。 你的目标不是数量。你的目标是身份一致性。 第 5 步——在每个新场景之前锁定身份。 当你把虚拟人放进一个新地点时，AI 模型总爱「美化」她。 它们会改头发、磨皮、改脸、修正不对称，或者一不小心把她变成另一个人。 所以每个场景提示词都以一段身份锁开头： 使用与所附参考图完全相同的那个合成人物。保持确切的脸部结构、身体比例、自然肤色和真实的不对称。不要美化或改变外貌。头发的颜色和发型必须保持一致。 锁完之后，再描述场景： 她在做什么 她在哪里 她穿什么 镜头怎么拍她 光线的感觉如何 什么应该保持静止 第 6 步——像做迷你 vlog 一样创建场景，而不是随机图片。 这个工作流会产出三张生活方式镜头： 城市自拍 vlog 护肤 / 面霜镜头 TikTok 风格的舞蹈布景 心态很简单： 你不是在生成一张漂亮的图片。 你是在搭建一个能被剪辑成故事的序列。 早晨routine → 穿搭 → TikTok → 城市散步。 第 7 步——像导演一样写视频提示词。 对于动画，一个漂亮的提示词是不够的。 用这个结构： 主体 动作 地点 镜头 / 角度 光线 / 氛围 视觉风格 小幅动作 [截图 10：第 2 课，01:20–03:41——7 部分视频提示词公式。] 糟糕的提示词： Girl walking in the city.（女孩在城市里走。） 更好的提示词： 一位年轻女性沿着一条阳光明媚的城市街道走，同时用 iPhone 的前置摄像头自拍。竖屏手持自拍 vlog 镜头，自然的行走动作，细微的头部移动，眨眼，真实的口型同步，柔和的日光，休闲生活方式 vlog 风格。 一条重要规则：给模型一个主要动作。 如果她在一个提示词里又走、又跳、又笑、又转身、又挥手、又说话，模型会懵。 第 8 步——让这些镜头动起来。 在 Google Flow 里，从图片模式切到视频模式，用竖屏 9:16，生成城市自拍 vlog。 结果应该像一段普通的前置摄像头 iPhone 视频：手持的、不完美的、随意的、鲜活的。 对于面霜场景，把「static camera」（固定镜头）重复两遍。 为什么？ 因为视频模型有时会忽略只出现一次的「static shot」。 Static front-camera iPhone shot. The camera remains completely static.（固定的前置摄像头 iPhone 镜头。镜头保持完全静止。） 这一个细节就能省下失败的生成。 第 9 步——用 Motion Control 做 TikTok。 对于 TikTok 风格的内容，不要凭空发明动作。 用一个参考视频。 上传： 参考舞蹈视频 你的 AI 角色图片 匹配的起始帧 然后启用 Character Orientation Match Video，并以 720p 生成。 姿势、轮廓和服装离参考越近，你得到的瑕疵就越少。 第 10 步——声音和音乐让它显得真实。 没有声音，它只是一段合成蒙太奇。 最后一层是 ElevenLabs： 写一段简短的旁白 挑一个柔和的女声 用 Enhance 做情感方向 手动加停顿、耳语和情绪标签 生成器乐背景音乐 旁白把随机的片段变成一个角色。 音乐把场景粘合在一起。 最终输出是一支简短的「My Day」AI 生活方式 vlog，脸、身体、动作、声音和情绪协同运作。 完整漏斗 参考图 → ChatGPT 身份提示词 → 基础肖像 → 角色表 → 场景图片 → 视频动画 → Motion Control → ElevenLabs 旁白 → 器乐 → 最终剪辑。 真正的教训： AI 网红不是靠一个神奇的提示词做出来的。 它们靠的是一个在每一步都保护身份的系统做出来的。标签：# X # AI # Tiktok # Marketing # Pinterest # Chatgpt 相关文章 How to Automate TikTok Slideshow Content Creation with Hermes Agent (Step-by-Step Guide) 我需要为账户 acc_42 搭建 TikTok 管线，niche=fitness。 Tiktok Pinterest AI Marketing