AI短剧视频提示词怎么写?小白怎么把一个分镜变成能执行的提示词

上一篇讲“AI漫剧分镜怎么拆”的时候，我拿了一小段剧情做例子，把一句话拆成了6个镜头，最后也实际生成了一段10秒视频放在文章里。

但那篇重点讲的是：为什么这里要切镜、这一镜到底要拍什么。

至于这些分镜真正拿去生成视频时，提示词到底应该怎么写，我没有展开。

所以这一篇就继续往下拆。

比如上一篇有这样一个镜头：

女主近景。她看到信里的关键信息后，神情发生变化。

作为分镜，这句话已经够用了。

但真正到了即梦里，如果只写：

女主看完信以后非常震惊，镜头缓慢推进，电影感，氛围紧张。

其实还是太空了，AI也理解不了。

先别急着写“电影感”

以前写提示词，我也很容易先往里面塞：

电影感。

高级光影。

情绪张力。

细腻表演。

氛围感。

这些词不是完全没用。

但如果这一镜最基础的动作都没有说清楚，前面这些词再多，也救不了。

比如：

女主看信后非常震惊，电影感，镜头推进。

这里最核心的问题不是“不够高级”。

而是：AI根本不知道这10秒具体怎么演。

所以我现在写AI短剧视频提示词，会先按一个比较简单的顺序来：

素材职责 → 初始状态 → 主要事件 → 时间轴动作 → 摄影机 → 不变量

这6个东西，我觉得已经能解决小白大部分基础镜头的问题。

先告诉AI，这一镜里的素材

如果已经提前准备了人物、场景、道具资产，我觉得第一件事就是：别让AI猜参考图分别是干什么的。

比如这一镜需要：

女主。

书房。

一封信。

那就先把职责说清楚。

例如：

使用女主人物参考作为本镜头唯一女性角色。
使用古代书房作为本镜头固定场景。
使用书信作为女主手中的剧情道具。

为什么我要先写这一层？

因为做AI短剧以后，经常不是只给一张图。

可能同时给：

人物参考。

场景参考。

道具参考。

甚至还有上一镜的画面。

素材越多，越应该告诉模型：谁负责什么。

而不是把一堆图片扔进去，让它自己理解。

我现在会把这个叫：素材职责绑定。

把“第0秒已经是什么状态”写出来

这个我觉得特别重要。

很多提示词只写：

女主看到信以后震惊。

但问题是：

视频开始的第0秒，女主到底是什么状态？

如果这个没说清楚，AI就可能自己帮你设计开场。

比如：

她刚从桌子旁走过来。

她正在展开信。

她一开始就已经很震惊。

甚至信根本没在手里。

所以我现在会先锁一个初始状态。

比如这一镜：

女主站在书房木桌旁，胸部以上近景，右手和左手共同拿着已经展开的书信，视线落在信纸上。她一开始神情平静、专注，还没有发现异常。

这里其实只解决了一件事：

视频开始的时候，画面已经是什么样。

注意不是：

“女主走到桌旁拿起信。”

因为那是动作。

如果我们这一镜本来就是要拍她看到内容后的反应，那就不要再浪费时间让她走过去、拿信、展开。

第0秒直接让她：已经在看。

这样10秒的时间才能真正留给这一镜的核心内容。

一个镜头先只确定一个主要事件

这一镜到底要讲什么？

不是：

看信。

转头。

藏信。

走路。

男主进门。

这些全塞进去。

这一镜的任务其实只有一个：

女主看到关键内容以后，情绪发生变化。

这就是这一镜的“主要事件”。

我觉得这一点和上一篇拆分镜其实是连着的。

上一篇我们说：

每一镜要有明确任务。

到了写提示词的时候也是一样。

这一镜只要把这个任务完成。

如果人物震惊以后还要藏信，那是下一镜。

如果男主还要进门，那也是下一镜。

这样AI更容易执行。

不要只写“震惊”，要拆成能看见的变化

这个是我现在觉得特别重要的一点。

比如写：

女主非常震惊。

这对人来说有意义。

但“震惊”到底长什么样？

AI只能自己发挥。

有可能：

瞪大眼睛。

张大嘴巴。

猛然后退。

突然抬头。

甚至直接做成很夸张的短剧表演。

所以比起写“震惊”，我现在更愿意把它拆成：观众真正能看见的东西。

比如：

目光突然停住。
眼睛没有立刻抬起。
呼吸短暂停顿。
手指慢慢收紧信纸。
嘴唇轻微绷紧。
过了一拍后，才缓慢抬眼。
整体情绪是克制的震惊和难以置信，不大喊、不夸张后退。

这时候“震惊”就不再只是一个形容词。

而是变成了几个具体的表演动作。

我现在会提醒自己：

少写抽象情绪，多写能被镜头拍到的反应。

把动作放进时间轴

如果只是一个特别简单的动作，其实不一定每条提示词都要拆得特别细。

但只要一镜里面有两个以上连续变化，我觉得时间轴会非常有用。

比如这条10秒镜头，可以这样安排：

0—2秒

女主保持低头看信。

神情还是正常的。

先让观众看清楚她正在阅读。

2—5秒

视线读到最后一行后突然停住。

眼神不再移动。

呼吸轻微一滞。

握着信纸的手指逐渐收紧。

5—8秒

她仍然没有立刻做大动作。

眉头轻微收紧。

嘴唇绷住。

脸上的平静慢慢消失。

8—10秒

她缓慢抬起视线。

神情已经变成克制的震惊和警觉。

到这里结束。

你会发现：

我们其实没有让她做很多动作。

但这10秒里面是有变化的。

正常阅读
→ 发现异常
→ 情绪压住
→ 抬眼

这就是视频。

而不是：

“一个女人很震惊。”

最后再告诉摄影机怎么拍

人物怎么演清楚以后，才轮到摄影机。

这一镜的任务是看人物反应。

所以我不会设计特别复杂的运镜。

最简单可以是：

胸部以上近景，摄影机位于人物正前方略偏侧，开始保持稳定；从人物发现异常后开始非常缓慢地轻微推进，最终停留在人物面部近景。

为什么要推进？

因为这一镜的重点从：“人在看信” 逐渐变成：“看她的反应”。

镜头靠近一点，是服务于剧情重点。

而不是为了：“看起来有电影感，所以一定要动。”

如果这一镜本来就已经是很紧的近景，甚至完全可以固定机位。

所以我现在理解的运镜也是：

先看镜头任务，再决定摄影机要不要动。

最后还要写：什么东西不能变

这一步以前我经常忽略。

我们告诉AI“要做什么”，但没有告诉它：哪些东西最好别自己加。

比如这一镜，我会加：

人物全程保持站在原位，不走动，不转身。
书信始终拿在手中，不掉落，不消失。
不增加其他人物。
不改变服装和发型。
不突然切换场景。
不出现夸张大叫、后退、捂嘴等额外表演。
摄影机不环绕人物，不突然快速推拉。

这些东西我会把它理解成：不变量 / 禁止项。

不是写得越多越好。

而是把模型最容易“自己加戏”的地方限制一下。

把分镜翻译成提示词

原来的分镜只有一句：

女主近景。看到信中内容后，神情骤变。

如果直接写成：

女主看信以后非常震惊，镜头推进，电影感。

信息其实很少。

但按前面的6层拆完以后，就会变成下面这样。

最终10秒视频提示词示例

使用女主人物参考作为本镜头唯一女性角色；使用古代书房作为固定场景；使用书信作为女主手中的剧情道具。

初始状态：女主站在书房木桌旁，胸部以上近景，双手拿着已经展开的书信，低头阅读。她一开始神情平静、专注，还没有发现异常。

本镜头唯一主要事件：女主看到信中关键内容后，从平静逐渐转为克制的震惊与警觉。

0—2秒：女主保持低头阅读，视线缓慢扫过信纸，神情自然平静。

2—5秒：她读到最后一行后，视线突然停住，眼睛不再移动，呼吸轻微一滞，握住信纸的手指逐渐收紧。

5—8秒：她没有大幅动作，眉头轻微收紧，嘴唇绷住，脸上的平静逐渐消失，表现难以置信但努力压住情绪。

8—10秒：她缓慢抬起视线，眼神已经变得警觉，保持克制的震惊状态。

摄影机使用胸部以上近景，开始保持稳定，从人物发现异常后非常缓慢地轻微推进，最终停留在人物面部近景。

全程保持人物站位、服装、发型、书房场景和手中书信一致。人物不走动、不转身，不增加其他人物，不掉落书信，不突然切换场景，不出现夸张张嘴、后退、捂嘴等额外表演，不使用快速推拉或环绕运镜。

给小白一个最简单的提示词顺序

如果以后拿到一个已经拆好的分镜，不知道从哪里开始写，可以先按这6步：

1. 素材职责

这一镜用了哪些人物、场景、道具。

2. 初始状态

第0秒的时候，人已经在哪里、什么姿势、手里有什么。

3. 主要事件

这一镜真正只发生哪一件重要的事。

4. 时间轴动作

这件事从开始到结束，按什么顺序发生。

5. 摄影机

拍多近、从哪里拍、要不要动。

6. 不变量

哪些人物、场景、动作和状态不能乱变。

最后可以记成：

素材 → 初始状态 → 事件 → 时间轴 → 摄影机 → 不变量

我觉得对刚开始做AI短剧的小白来说，先把这一套写顺，就已经比到处抄“万能提示词”更有用了。

因为以后工具会变，模型也会变。

但你始终需要解决同一个问题：

我脑子里的这一镜，怎么清楚地告诉AI。

而这件事，才是视频提示词真正要解决的问题。

如果这篇文章对你有帮助，欢迎点个关注。后续我会持续更新AI漫剧的实操拆解，包括提示词模板、分镜案例、短片教学、不同平台的横向对比等。有什么想了解的具体问题，也可以在评论区留言，我尽量回复。