AI短剧制作常用名词,一篇讲明白:从剧本到成片,新手到底要懂什么?

你是否也遇到过这样的情况：

明明有了故事，打开分镜表却看不懂 EWS、CU、POV；做出了漂亮的首帧，人物一动，衣服、发型、道具又变了；每段视频单独看都不错，剪在一起却像八个不同的故事。

问题不一定是工具没用对，而是制作流程中每个词负责的事情还没有分清。

这篇不教你操作某一款软件。我们沿着一条短剧从剧本到成片的路线，把常见名词放回它该出现的位置。

剧本 → 分镜 → 资产 → 首帧 → 视频 → 声音 → 剪辑 → 成片

01｜剧本阶段：先决定“发生什么”

梗概，是用一两段话讲清故事主线。比如《灭门之夜，只有我一个人活了下来》：沈家遭灭门，沈清璃逃出生天，在追杀中寻找真相。

集（EP），是观众一次看到的故事单元；场（Scene），通常指同一时间、同一地点连续发生的一段戏。“雨夜，沈家镖局门前”是一场；人物进入府内厅堂，通常就进入另一场。

剧情任务，是这段内容必须让观众知道或感受到什么。第一段不必交代幕后黑手，但至少要让观众看见沈清璃、感到危险逼近，并看见她拔剑迎敌。

写剧本时，除了问“发生了什么”，还要问：这一段让观众的认知或情绪发生了什么变化？

02｜分镜阶段：把剧情拆成可制作的画面

镜头（Shot），是成片中一段连续的画面。“雨夜拔剑”可以拆成：远处的镖局、逼近的黑影、握住剑柄的手、长剑出鞘、双方对峙。

分镜安排每个镜头拍什么、按什么顺序出现。故事板用草图或图片预览画面；镜头生产表进一步记录编号、景别、动作、提示词、声音和剪辑点。

分镜表里常见的景别缩写有：

• EWS，大远景：交代宏观环境，例如暴雨中的长安城。
• WS，远景：看清人物与环境的关系，例如沈清璃站在镖局门前。
• MS，中景：看清人物动作，例如她举剑面对杀手。
• CU，特写：强调面部、手或物件，例如握剑的手。
• ECU，大特写：突出极小的细节，例如剑尖滑落的雨滴。

POV是人物主观视角，观众仿佛透过她的眼睛看；OTS是越肩镜头，从一人的肩后看另一人。

记住：景别回答“看多近”，视角回答“从谁的位置看”。

03｜资产阶段：让同一个世界始终是同一个世界

AI短剧往往需要分次生成角色、场景和镜头，所以要建立可复用的资产。

人物定妆图确定角色的标准外观；场景资产确定镖局门前的建筑、灯光和雨夜氛围；道具资产确定长剑、剑鞘、玉佩等物件的样子。

以沈清璃为例：22岁、黑色半束长发与白玉簪、月白窄腰长裙、腰左旧白玉佩、腰右黑色长剑鞘。下一镜不能无缘无故换衣服、换发型。

我们在生产表中用人物锁、场景锁、道具锁记录必须继承的设定。这是项目管理用语，不代表每款生成软件都有同名按钮。

所谓一致性，也不只是“长得像”。人物位置、场景、道具所在的手，以及动作前后关系，都要接得上。

04｜首帧阶段：决定这一镜从哪里开始

首帧是视频开始时的画面。在图生视频流程中，输入图片通常先确定人物是谁、站在哪里、穿什么、镜头拍多近。

尾帧是希望视频结束时到达的画面；关键帧用于约束某个时间点的状态。具体支持哪种输入，要以所用工具的功能为准。

参考图提供人物、场景或风格依据，但不一定是最终视频的第一帧。沈清璃的棚拍定妆图可以是人物参考图；她在镖局门前持剑的画面，才是雨夜对峙镜头的首帧。

一句话区分：参考图解决“保持什么样”，首帧解决“从什么画面开始”。

05｜视频阶段：让画面按剧情动起来

文生视频由文字描述生成动态画面；图生视频以图片为视觉起点，再用文字指导动作和镜头运动。这段文字指令，就是 Prompt（提示词）。

视频 Prompt 不要只写“电影感，打斗激烈”。至少说清楚：

谁在动 → 怎么动 → 镜头怎么动 → 环境怎么变化 → 最终停在什么状态。

例如：

沈清璃右手持已出鞘长剑，后撤半步，以剑身挡住从画面右侧劈来的兵器；镜头从中景缓慢推近，暴雨持续，剑刃相撞后停在双方僵持的近景。

推镜头是镜头向主体靠近；跟拍是镜头跟随主体移动；摇镜头是机位基本不动、镜头向左或向右转。运镜不是装饰，它要帮助观众看清动作。

06｜连续性：上一镜的结果，就是下一镜的起点

连续镜头最容易出现的错误，不是画面不漂亮，而是状态突然重置。

如果第07镜已经拔剑，第08镜就必须保留“右手握已出鞘长剑、腰右剑鞘为空”的状态。剑鞘不能突然缩短，也不能凭空又装着一把剑。

我们用 **Shot State（镜头状态）**记录人物位置、左右手、道具、衣物和动作的起止状态。它是这套生产表采用的管理字段。

上一镜结束状态＝下一镜开始状态。

人物可以从门前进入院内，但手中的剑、衣服上的雨水和身体动作，不能无缘无故消失。

07｜声音与剪辑：把素材接成故事

台词是角色在戏里说的话；旁白／VO是在画面之外讲述的声音。SFX是拔剑、脚步、兵器撞击等音效；环境声持续交代空间，例如暴雨与远雷；BGM是背景音乐。

剪辑点决定当前镜头在哪里结束、下一镜从哪里进入。“兵器相撞瞬间切近景”，就比“适时切换”更能执行。

如果先听到下一镜的脚步声，再切过去看见杀手，这是 J-cut；如果画面已经切到院内，上一镜的喊声还在继续，这是 L-cut。声音能帮助分段生成的视频接得更自然。

用一镜，把所有名词串起来

回到《灭门之夜》的雨夜对峙，生产表中的一行可以这样写：

第09镜｜场：沈家镖局门前｜景别：MS中景｜人物：沈清璃｜Shot State：右手持已出鞘长剑，腰右黑色长剑鞘为空｜首帧：杀手从画面右侧逼近｜视频：沈清璃后撤半步，横剑格挡｜SFX：兵器相撞、暴雨｜剪辑点：碰撞瞬间切下一镜。

每个名词都在回答一个具体问题：拍哪里、拍多近、谁出现、从什么状态开始、发生什么、听到什么、在哪里结束。

术语的作用不是让创作显得专业，而是让下一步能够照着做，让下一镜能够接得上。

下一篇，我们从最基础的一组区别开始：场、镜头、分镜、故事板、生产表究竟是什么？如何把一段剧情拆成5—8个可生成镜头？