咖啡还没端过来，先别把笑点说完

想象一下，视频第一帧就打上一行大字：“他把桌子当成了椅子。”

意思很明白。可那个本来要由画面慢慢交代的小反转，也已经用完了。

做搞笑短片时，这种情况很容易发生。拿到一段有意思的视频，担心别人看不懂，顺手加上解释。有时，把那句话删掉，反而更好笑。

Fancy Cafe AI 的参考场景，就适合拿来想想这个问题。它不需要太多背景知识。家具怎么摆，一个人如何自信地坐下，另一位客人的咖啡杯最后放在哪里，按顺序发生就行了。

留一次小发现给观众

反转有意思的地方，是观众自己把两条信息接上的那一瞬间。

一开始，坐在那里似乎没什么问题。等另一个人用不同的方式使用同一件家具，观众跟上了，才回过头觉得前面的选择很好笑。

如果字幕一开始就指出错误，观看的感受就变了。观众已经知道答案，只是在等画面里的人也知道。

两种写法都可以用。但如果你喜欢那种安静地反应过来的感觉，可以试试给开头留一点余地。比如“我们说自己认识一家不错的店”，或者干脆先不放字，让第一个镜头自己开始。

第二个人，不一定要演得更用力

很容易想到给后来进门的人安排更多表情：指一下、笑出来，或者故意做个夸张的眼神。

但这种场景里，一个普通动作可能已经够了。坐到应该坐的位置，放下杯子，就给前面那个人出了个难题。无需宣布，也无需解释。

这是对参考片段的观察，不是生成器里多出来的一组导演按钮。Fancy Cafe 的案例提供动作和镜头安排；上传照片，并不能单独重写客人的反应，或者移动某一个节拍。

挑参考时，留意第二个人实际做了什么。如果喜欢克制一点的版本，就选本来有这种气氛的片段，不要指望换一张自拍以后，再凭空补出另一种表演。

先关掉声音，看一次反转

拿到成片后，在加字幕之前，先静音看一遍。

能不能看出来，事情是在什么时候发生变化的？让前一个选择显得不对劲的那件东西，有没有露出来？人物的反应，是否留出了能看懂的时间？

如果看不出来，加一大段解释或许能说明白，却也会改变这个笑话的样子。也许换一个更清楚的片段，或者私聊发送时配一句简短的话，会更合适。

然后再打开声音看一次，听听你最想让人注意的时刻，有没有别的声音分散注意力。这里是在检查已经拿到的文件，不是说换个模型或再付费生成一次，就能保证得到某种表情。

把熟人之间那句话，放在发现之后

字幕当然还有用，只是可以晚一点出现。

“我们最有自信的那位朋友。”

“第一次约会，开局不错。”

“下次还是让我来选店吧。”

这些话是在观众已经明白画面之后，再加上一层人物关系。你可以挑一句像是会对那个人说的话，不必开头就替家具写使用说明。

使用剪辑器时，别让文字挡住面部，也别遮住带出反转的杯子和小桌子。分享前用手机预览一次，电脑上看着刚好的字幕，到了小屏幕上可能正好盖住关键细节。

尴尬已经落地，就可以结束了

片段更长，不一定意味着结尾更好。错误被发现，人物也作出了反应，再接很长一段解释，那个瞬间就容易散掉。

如果用外部剪辑器裁切下载的视频，可以试试在一个完整、看得懂的反应之后结束。再从头正常播放一次：拖动时间线时觉得很清楚的地方，正常速度看，可能还是太急。

咖啡馆只是这种小型视觉笑话的一种场景。角色怎么分、照片怎么准备，可以看之前的介绍。这次不妨先做个更简单的尝试：打开 Fancy Cafe AI 的参考片段，想想自己最先会加的那句字幕，再看看，不加它是不是也成立。

参考场景依据 2026 年 11 月 4 日的 Fancy Cafe AI 公开页面。配图为其参考场景素材。剪辑建议适用于下载后在外部剪辑器处理，未进行付费生成实测。