角色資產跟場景資產備好之後，這一步的核心工作，是把「劇本內容」跟「視覺資產」兜在一起，正式生成影片片段。
現在多數 AI 影片模型都能處理人物動作、運鏡、表情、甚至基礎音效，不再只是一張會動的圖而已。
這一步最容易翻車的地方，往往是「同一個角色下一顆鏡頭還認不認得出來」，比畫面美不美更致命。導演真正要盯緊的是一致性，特效反而是其次。
一段一段的影片片段，還不是一部完整的戲。最後一步要把這些片段拼起來、配上聲音、調整節奏——這是剪輯合成的工作。