可灵4.0能拍30秒了,AI分镜脚本这样写才稳
10月15日晚,可灵把 Kling 4.0 全量放开了。官方甩出来的一组数字挺唬人:单次原生生成最长30秒,最多10张关键帧,全能参考一次能塞15项素材。社交平台上立刻一片欢呼,说AI视频终于能拍长镜头了。
但我这两天实跑下来的感受有点不一样:时长变长,反而更考验AI分镜脚本的质量。以前5秒一个镜头,你随便写两句,翻车了大不了重抽一次;现在一镜30秒,你要是没想清楚每一秒发生什么,模型大概率还你一段看起来很忙、却完全不知道在讲啥的东西。说白了,AI视频生成这件事正在从拼手气转向拼脚本。
30秒不是让你一次用满,是让你把节拍排开
很多人看到30秒的第一反应是拉满。别急着这么干。
30秒真正的价值,是让一个镜头里还能装下起承转合。我的习惯是先把它拆成四五个节拍,再决定每个节拍放什么画面。还是拿咖啡产品短片举例:0到5秒交代环境,5到12秒人物出场,12到20秒产品亮相,20到28秒换个角度给特写,最后两秒收在杯口升起的热气上。
这么一排你会发现,自己其实是在写分镜,而不是在写提示词。这也刚好对上可灵这次给的关键帧能力。你要是已经想好了「第6秒必须出产品」「第20秒必须换角度」,那就把这几张画面先画出来丢进去,让模型自己去把中间流畅的补齐就行。
官方那份被吐槽「77分钟阅读」的使用指南我啃了一遍,里面反复强调一件事:10张关键帧是上限,不是指标。画面本来就没必要变化的地方,硬塞一张进去反而把模型搞乱。
一份能直接用的AI分镜脚本,至少要这几列
见过太多人把分镜脚本写成散文——「一个女孩在雨里走,很孤独」。这种话剪辑师听不懂,模型更听不懂。
我自己的表做得很土,就那么几列,但每一列都有用:
- 镜头号:方便跟生成结果对账,别小看这个,跑十几条之后你会感谢自己
- 时长:3到8秒一个镜头最稳,超过10秒模型容易忘记开头长什么样
- 景别:远景、全景、中景、近景、特写混着来,全片都是中景出来会很平
- 主体和动作:动作要写过程,别写结果。「正在把伞收拢」比「收起伞」更容易得到连贯运动
- 光线和运镜:写「顶部冷白荧光灯、右侧橙色灯箱补光、地面有雨水反光」才有用,「电影感」三个字对不同模型含义完全不同
- 参考图编号:最容易被漏掉,也最关键,它决定人物能不能一张脸走完全片
其它几列比如对白、音效备注、版本状态,看项目需要再加。把这张表填完,提示词几乎是自动冒出来的。我一般按「主体+动作+运镜+光影+风格」五层来写,风格层和运镜层可以整套复用到几十个镜头上,只换主体和动作。做第二个项目时你会发现,这套复用能省掉大半试错。
关键帧和全能参考是两套入口,别混着用
这一点踩坑的人特别多。登陆可灵官网之后你会看到 Omni Reference(全能参考)和 Keyframes(关键帧)两个入口,官方明确说同一次任务里不能合并使用。
怎么选?看手里有什么。手上有角色定妆照、产品白底图、想参考的动作视频,走全能参考;已经想清楚故事节点、要精确控制什么时候出现什么,走关键帧。前者管的是画面像谁、动作怎么走,后者管的是时间轴上出现什么,两码事。
还有个细节值得单独说:素材上传之后一定要写清楚每份负责什么。「图片1定义人物,保留五官和服装;图片2定义场景,保留木质桌面和暖色灯光。」只传不说明用途,模型就只能自己猜,猜出来的结果通常不是你想要的。
要是想改已经生成的视频,提示词里得写「Edit Video1,把……改成……」,并补一句「其余保持不变」。写成「参考Video1」会被理解成重新生成而不是编辑。我身边至少三个人栽在这儿。
说点实在的:现在还差在哪,该怎么上手
可灵4.0 远没到万能。4K 和 10-bit HDR 官方标注的是「即将推出」,2分钟续拍也还没完全落地;复杂打斗场景里动作逻辑偶尔会崩,皮肤纹理有时处理得用力过猛显得假;小语种发音同样还有口音问题。
所以我的上手顺序是这样的:先用720p把节拍和关键帧跑顺,确认人物、节奏、产品外观都没问题,再切1080p出成片。遇到那种怎么调提示词都不对的复杂运动,别死磕,找个3D白模把运动轨迹先做出来,再让模型「蒙皮」成实拍画面——有创作者用这招做出了跑车倒挂隧道墙行驶的镜头,纯靠提示词怎么都出不来。
回到开头那句话。模型的画面质量每隔几个月就上一个台阶,它缺的从来不是像素,而是一个清楚的意图。你愿意把自己的想法拆到多细,AI就能把它还原到几分。今天要做的第一步也很简单:打开一张表格,把下一条片子按镜头写一遍,再拿去生成。你会发现返工次数己经肉眼可见地往下掉。
AI奶盒 · 免费的 AI 提示词脚本工具
免费使用 →