AI 视频分镜与提示词教程
把分镜脚本、人物设定、场景氛围和情绪节奏整理成可直接用于 AI 视频生成的工作流，适合短视频剧情片、情绪片和口播叙事片。
把分镜脚本、人物设定、场景氛围和情绪节奏整理成可直接用于 AI 视频生成的工作流，适合短视频剧情片、情绪片和口播叙事片。
AI 视频模型最擅长的不是长篇叙事，而是单个镜头里的空间、人物、动作和情绪表达。 所以文档、提示词和分镜设计的核心任务，不是写文学作品，而是把每个镜头压缩成 “一个场景、一个人物状态、一个动作、一句台词、一个明确的画面风格”。
你给的这份分镜 PDF 很典型：它不是先讲复杂剧情，而是先用校园、办公室、出租车、夜市、厨房这些场景， 把“梦想”和“现实”做出反差。这种结构非常适合 AI 视频生成，因为每个镜头都足够独立。
推荐工作流
ai-video-workflowtext
1. 先定主题：你想讲的不是“画面”，而是“情绪变化”
2. 再拆人物：学生时代是谁，成年后是谁，现在的状态是什么
3. 再拆场景：教室、办公室、出租车、夜市、厨房、小摊
4. 每个场景只保留一个核心动作和一句核心台词
5. 统一画风参数：比例、光线、写实程度、镜头节奏、色调
6. 先出静态关键帧，再补视频动作提示词
7. 确认人物一致性后，再批量生成整条短片镜头
8. 最后才做配音、BGM、字幕和转场分镜提示词公式
一个可复用的视频镜头提示词，不要只写“一个女生在教室里说梦想”。那样太短， 模型不知道空间层次、人物状态和镜头节奏。更稳的写法是下面这种五段式：
prompt-formulatext
场景氛围：
时间、地点、空间结构、光线、颜色、时代感、环境细节
人物设定：
年龄、发型、衣着、面部特征、神态、情绪、身份状态
动作镜头：
站 / 坐 / 走 / 抬头 / 回头 / 开车 / 打包 / 对话
台词旁白：
一句话就够，尽量短，必须能推动情绪变化
画面参数：
写实 / 电影感 / 竖屏 9:16 / 景深 / 暖色调 / 慢节奏 / 胶片感如何拆分镜头
拆解项
你要写什么
错误写法
场景
教室、办公室、出租车、夜市、厨房这类空间 + 光线 + 时代感
只写“一个室内场景”
人物
发型、衣着、年龄状态、神态、微表情
只写“一个女生”
动作
抬头、开车、打包、接电话、托腮、握方向盘
动作写成一长串，模型抓不住重点
台词
一句话推动情绪变化
整段口播或长段旁白
风格参数
写实、电影暖色、纪实、景深、竖屏 9:16
参数前后互相打架，例如既要纪实又要夸张动漫
案例拆解：少年梦情绪短片
这类题材最适合做“三段式结构”：第一段是青春时的梦想，第二段是成年后的现实， 第三段是对现实的重新理解。你给的 PDF 基本就是这个结构。
shot-templatetext
镜头 01
场景：阳光洒满老旧高中教室，浅绿色墙面，白色窗框，课桌整齐，黑板干净，校园暖光
人物：双马尾少女，蓝白校服，眼神清澈，带一点青涩笑意
动作：站在窗边，轻轻抬头看向远方，缓慢开口
台词：我以后的梦想就是去大城市闯荡，然后环游世界
参数：写实人像，暖色电影感，竖屏 9:16，细腻光影，青春胶片质感
镜头 02
场景：灰白色办公室，桌面电脑、文件、绿植，室内冷调柔光
人物：成年女性，低马尾，灰色职业装，略带疲惫
动作：拿起手机贴耳通话，低头轻叹气
台词：喂，妈，回来吃饭
参数：电影写实，冷白柔光，生活化纪实镜头，人物面部自然如果你要直接喂给视频模型，可以先把镜头写成下面这种单镜头视频提示词：
video-prompt-exampletext
生成一条 9:16 写实短视频镜头：
老旧高中教室，午后阳光穿过白色窗框洒在课桌和黑板上，空气里有轻微粉笔灰，
青春怀旧暖色调。一个双高马尾少女穿着宽松蓝白校服，站在教室窗边，
眼神清澈，脸上带一点对未来的憧憬，轻轻抬头看向窗外远方，缓慢开口说话。
镜头轻微推近，人物动作自然，面部细节清晰，背景柔和虚化，
整体电影感、写实人像、细腻光影、慢节奏情绪片。模型与工具选择
任务
推荐入口
说明
看可用视频模型
在 Video 分类下看模型、能力和接口路径。
先做人物关键帧
先把主角长相、服装和氛围打样固定。
做程序化接入
/v1/videos/generations
适合把单镜头生成流程接进自己的产品或脚本。
先做图片再做视频
先锁住角色、场景和构图，再转视频。
当前站内模型导航已经把视频模型单独归类，你可以先去 模型导航 的 Video 分类查看，再决定是先出关键帧，还是直接走视频生成接口。
人物与镜头一致性
consistency-rulestext
人物一致性规则：
1. 先确定一个“学生时代主角”参考图
2. 成年镜头只允许改发型、衣着、年龄状态，不要改五官骨相
3. 不同场景反复强调“面部五官一致”
4. 用“同一人物成年版 / 中年版”而不是“另一个女人”
5. 静态图确认一致后，再生成视频镜头
镜头一致性规则：
1. 同一段故事统一 9:16
2. 同一人物段落尽量统一色温和镜头语言
3. 每个镜头只保留一个主要动作
4. 台词不要过长，否则口型和节奏容易失真
5. 转场靠情绪对比，不靠复杂特效从单镜头到成片
AI 视频最稳的生产链路通常不是“一个模型包办所有环节”，而是图像模型、视频模型和剪辑工具分工合作。
editing-flowtext
成片建议流程：
1. 用图像模型先做每个镜头关键帧
2. 从关键帧里筛出人物最稳定的一组
3. 再用视频模型生成单镜头动作片段
4. 把校园段、成年段、夜市场景段分别导出
5. 剪映 / PR / CapCut 里补字幕、BGM、环境音
6. 用“梦想 - 现实 - 再理解人生”三段式完成剪辑
7. 最后统一调色和片尾字幕最常见的失败原因
问题
原因
解决方式
人物越做越不像同一个人
每个镜头都重新描述了一个“新人物”
先固定主角关键帧，反复强调五官一致。
动作很假或很乱
一个镜头里塞了太多动作
每个镜头只保留一个核心动作。
情绪不连贯
台词、镜头和场景反差没有被设计
用梦想 - 现实 - 和解三段式重新排。
画面好看但成不了片
只会做单图，不会做镜头顺序
先写镜头表，再做单镜头生成。
成本过高
直接高分辨率批量生成
先低成本验证关键帧和单镜头。