AI视频分镜脚本怎么写?踩坑后我总结了3招
这两天刷 AI 圈的新闻,会发现一个挺有意思的变化:模型这边一个比一个猛。可灵 4.0 把单次原生生成拉到 30 秒、支持最多 15 项参考素材,YC 孵化的 VideoGen 直接喊出「一句话生成 10 分钟成片」,火山引擎还上线了 Seedance Managed Agent,官方口径是剧情混乱问题减少了约 54%。听起来好像随便写两句提示词就能出片的时代到了。
但我自己上手试了一圈,结论恰恰相反——模型越强,AI 分镜脚本越不能糊弄。你把一句「帮我拍个感人的咖啡广告」丢进去,出来的多半是一堆漂亮、但拼不到一起的镜头。
为什么模型变强了,分镜脚本反而更吃重
原因其实不复杂。过去模型只能拍好一个镜头,你的分镜写得糙一点,顶多影响某个镜头好不好看;现在模型一次能扛 30 秒甚至更长,它得自己处理动作连贯、景别切换、人物一致性这些事,脚本里没写清的部分,它就会「自由发挥」。
所以那些剧情跑偏、人物半路变脸、道具凭空出现的问题,八成不是模型不行,是脚本没喂够信息。换句话说,AI 视频生成的门槛已经从「会不会用工具」,挪到了「能不能把脑子里的画面写清楚」。这活儿跟以前给摄影师写分镜没有本质区别,只是观众从人换成了模型。
一个能直接丢给模型的分镜长什么样
拿一条 30 秒的咖啡广告举例,我会这么拆:
- 镜头 1(0-4 秒):特写,手推开木门,风铃响,暖光从门外漏进来。固定机位。
- 镜头 2(4-10 秒):中景,男主在吧台后抬头笑,说「还是老样子?」。人物参考图固定用同一张。
- 镜头 3(10-18 秒):近景跟拍,咖啡液注入杯中,蒸汽升腾,慢动作。
- 镜头 4(18-25 秒):过肩镜头,女主接过杯子,停顿半拍才喝。这里留白,不加台词。
- 镜头 5(25-30 秒):特写杯壁上的字,画面渐暗,出 slogan。
看出来了吧,每一条都写清了景别、时长、机位运动、人物动作,连「停顿半拍」这种节奏都写进去了。除了分镜本身,其它参数比如画幅、时长、要不要音效,也建议一次写死,别让模型替你猜。模型不怕你啰嗦,就怕你含糊。可灵 4.0 现在提示词上限提到 8000 tokens,VideoGen 那种会自己规划剧本的就更需要你把意图喂准,它才能在后面的镜头里保持上下文一致。
三招,让你的分镜脚本少返工
先定住「不变的东西」。主角的服装、发型、场景主色调,写成一段固定描述,每个镜头都带上。别指望模型自己记住,跨镜头一致性是靠重复堆出来的。
一个镜头只干一件事。很多人爱写「男主走到窗边坐下看向远方,回忆涌上心头」,这里面有走、坐、看、闪回四个动作,模型大概率糊成一团。拆成两条写,出片率立刻不一样。
给情绪留时间。新手最容易犯的错是把每一秒都塞满。留一秒停顿、留一个空镜,节奏就出来了。人拍片也一样,AI 只是把试错成本降到了几毛钱,不代表你可以不呼吸。
写在最后
我的看法是,接下来半年 AI 视频这块真正的分水岭,不是谁的模型评分高几分,而是谁手上有一套能反复复用、稳定出片的脚本方法。生成速度已经不在是护城河了——FLUX 3 Max 把 10 秒视频的生成时间压到 11 秒左右,成本也在往下降,效率迟早会被拉平。
想马上开始的话,建议就三步:挑一个你最熟的场景,按上面五条的颗粒度写一遍分镜;用同一个帐号分别丢给两个模型跑一遍;对比成片,找出脚本里哪句话被误读了,这样你就能快速的判断哪个模型更适合自己。你会发现差距往往不在模型,在你写清楚没有。
AI奶盒 · 免费的 AI 提示词脚本工具
免费使用 →