AI短剧设计分镜脚本:景别、机位、运镜、画面描述、对白、音效、时长
- 2026-11-19 04:40:24
感谢关注
留意本号各类投资、收购、招标、策划等有关业务。
✳新增前融、夹层业务:自由资金投资住宅项目。欢迎关注公众号--联系我--扫码加好友交流。
一、分镜脚本是什么:从“拍摄施工图”到“AI可执行指令包”
分镜脚本在传统影视制作中的定位是导演的施工图:把文字剧本逐镜拆解为“拍什么、怎么拍、拍多长”的可执行单元。在AI短剧语境下,它的功能发生了关键位移——分镜脚本不再只是给人看的沟通工具,而是 “投喂给AI视频模型的指令集” 。每一个镜头的描述必须精确到模型能够理解并执行的程度,否则AI会用自己的“默认审美”替代导演的判断。
这一位移带来两条核心约束:
约束一:AI没有“记忆”。 视频模型每次生成都是独立的,角色换脸、服装跳变、场景漂移的根源不在模型能力,而在分镜阶段没有把一致性信息“写死”在每一镜里。分镜脚本因此必须承担“跨镜记忆载体”的职能,角色特征、场景锚点、光线基调要在每一镜中重复出现,不能省略。
约束二:AI的“安全区”与“高风险区”。 缓慢行走、转头、微表情变化是安全区;激烈打斗、奔跑、多人复杂接触极易导致人体畸变。分镜脚本在规划动作时必须对AI的能力边界有预判,用镜头语言(景别、运镜、剪辑节奏)来“掩护”高风险动作,而不是硬写一个模型无法稳定生成的动作链条。
因此,AI短剧分镜脚本的本质定义可以概括为:以镜头为粒度、以结构化字段为骨架、同时服务于人类审阅与AI模型执行的中间层生产文件。
请在微信客户端打开
二、分镜脚本包含什么:七个核心字段及其在AI语境下的特殊要求
一个可执行的分镜脚本由七个字段构成。传统模板通常列出这些字段的名称,但AI短剧的特殊性在于每个字段的写法规则发生了实质变化。
1. 镜号与时长
镜号是分镜的索引骨架,时长决定AI模型的调用方式。AI视频模型对单次生成时长有硬性上限(如Seedance 2.5 单条最高约20秒,多数模型在5—15秒区间)。分镜时长不能按“感觉”分配,而必须以台词和动作的物理时长倒推镜头时长——“台词时长决定镜头时长,而非反过来”。动作密集处镜头宜短(2—3秒),情绪落点处镜头可长(5—8秒),同时要避免连续三个同景别镜头造成“PPT感”。
2. 景别
景别在AI分镜中首先是信息量控制工具,其次才是美学选择。不指定景别时,AI倾向于输出“平视中景居中”的默认构图,导致全片像一叠会动的幻灯片。常用的六级景别序列(极特写/特写/近景/中景/全景/大远景)在叙事中的功能分工是:远景交代环境与人物关系,中景承载对话与动作,特写用于情绪落点与关键细节。AI分镜中必须逐镜明确景别,并用“景别序列”思维规划相邻镜头的变化逻辑(如“中景→正反打特写→双人中景”是对话场景的标准序列)。
3. 机位
机位描述的是摄影机相对于被摄主体的空间位置与高度,核心参数是平视/仰视/俯视,以及正面/侧面/背面/过肩。机位在叙事中直接编码权力关系:低机位增强主体的压迫感或英雄感,高机位削弱主体、制造孤独或弱势感,平视建立平等感。AI分镜中机位必须与景别一起写入提示词,因为同一景别在不同机位下产生的画面含义完全不同。
4. 运镜
运镜是AI短剧分镜中最容易“翻车”也最需要精确控制的字段。传统分镜中“推拉摇移”的粗略描述在AI模型面前几乎无效——“只写‘电影感运镜’等于没写”。可执行的运镜描述需要包含三个层次:运动类型 + 运动幅度/速度 + 起止状态。例如“缓慢匀速向前推进,从中景推至面部特写”比“推镜头”有效得多。基础运镜库(推、拉、横摇、竖摇、环绕、跟拍、固定机位)中,固定机位是对话和纪实风格的安全选择,推近→环绕→拉远是产品/主体展示最稳定的组合结构。专业电影术语(希区柯克变焦、荷兰角、一镜到底)可以被模型识别,但“一两个即可,过多会失控”。
5. 画面描述
画面描述是分镜脚本的信息密度最高的字段,也是直接转化为图像/视频提示词的核心文本。一个完整的AI画面描述需要覆盖六要素:主体 + 动作 + 景别 + 环境 + 风格 + 情绪。在AI短剧中,画面描述还必须额外承担两项职能:角色一致性锚定(每一镜中完整重复角色的核心特征描述,不能写“同前”)和场景锚定(时间、天气、光线基调、环境特征在场景内所有镜头中保持一致)。抽象形容词(“美丽”“悲伤”)在AI分镜中应被可执行的视觉描述替代——“眼神冷冽,嘴角微微下垂,侧方冷蓝路灯打亮侧脸,暗部保留层次”远比“她很悲伤”有效。
6. 对白
对白在分镜中需要与口型对齐和时长节奏联动。AI视频模型(尤其 Seedance 2.5、可灵等)已支持原生音画同步与唇形对齐,但前提是对白文本、说话人、时间区间在分镜中明确标注。分镜中的对白字段应包含:说话人 + 台词文本 + 起止时间。画外音、旁白与画面内对白需要分列,因为前者不约束口型,后者直接决定视频模型的选择与参数。
7. 音效
音效在AI分镜中常被弱化为“背景声”,但它实际上是节奏控制器和情绪放大器。可执行的音效设计遵循一条分层公式:持续环境音(音量) + 定点关键音效(出现时间与音量) + 背景音乐(曲风与节奏点) + 人声约束。例如“持续细密雨声(-12dB)+ 2.3秒玻璃碎裂声(-6dB,与画面碎片落地帧对齐)+ 低沉钢琴单音BGM,无对白”。音效的时间锚点(与哪一帧动作对齐)在AI短剧的自动化管线中尤为重要,因为后期合成阶段需要据此进行精确对轨。

三、制作AI短剧分镜脚本的完整流程与操作步骤
以下流程按“从剧本到可投喂的逐镜提示词包”组织,每一步说明操作内容、工具选择与指令设计要点。
第1步:剧本结构化预处理
目的: 把自然语言剧本转换为机器可解析的结构化文本,为后续字段映射奠定基础。
操作: 将剧本按“场—镜”两级拆分。每一场标注场景锚点(时间、地点、光线基调),每一镜提取:动作描述、对白/旁白、情绪要求。短剧以“12镜/60秒”或“每集1—3分钟、高镜头密度”为节奏基准进行切分。
工具选择: 大语言模型(DeepSeek、Kimi、Qwen、Claude)均可完成。如果使用 Agent Skill 体系,可直接调用 short-drama-storyboard 类技能进行自动化拆分。
指令设计示例:
text
将以下剧本拆分为镜头级结构化列表。输出 JSON 数组,每项包含:
scene_id(场景编号)、shot_id(镜号)、raw_action(原始动作描述)、
dialogue(对白文本,若无则空)、speaker(说话人)、
emotion(情绪标签)、scene_anchor(本场时间/地点/光线基调)。
保持原文的动作因果链,不要添加原文不存在的事件。
这一步的产出是一份“粗分镜表”,字段尚未对齐AI生成需求,需要下一步进行字段映射与细化。
第2步:字段映射与分镜表构建
目的: 把粗分镜表转换为包含七个核心字段(镜号、时长、景别、机位/运镜、画面描述、对白、音效)的完整分镜表。
操作: 逐镜完成三项判断:
(a)时长分配。 以对白字数和动作幅度为基准:中文对白约每秒4—5字,动作镜头以“一个清晰的动作单元”为上限,情绪镜头可适度拉长。同时核对单镜时长不超过目标视频模型的生成上限。
(b)景别与运镜规划。 先按叙事功能确定每镜的景别,再检查相邻镜头是否存在“同景别连续三个以上”的塌方风险。运镜选择遵循“动作安全区优先”原则:高风险动作(打斗、奔跑)尽量用固定机位或跟拍,用剪辑节奏制造冲击力,而不是让模型去生成难以稳定控制的复杂运动。
(c)画面描述与音效填写。 画面描述按六要素公式撰写,并嵌入角色完整特征和场景锚点。音效按分层公式填写,标注关键音效的时间锚点。
工具选择: 结构化分镜表可用表格工具(飞书/Excel)人工精修,也可由 LLM 按 Schema 输出 JSON。LibTV、PenShot、夜秣AI短剧生成器等工具在字段映射和分镜表生成上提供了不同程度的自动化。
指令设计示例(分镜表生成):
text
你是一位AI短剧分镜师。请将以下粗分镜列表扩展为完整分镜表,输出 JSON。
每个镜头必须包含且仅包含以下字段:
shot_id(整数), duration_sec(数字), shot_size(枚举:大远景/全景/中景/近景/特写/极特写),
camera_angle(枚举:平视/仰视/俯视/侧拍/过肩), movement(字符串,格式:“速度+方向+起止状态”),
visual_description(80—120字,必须包含:主体动作 + 环境细节 + 光线氛围 + 角色完整特征锚点),
dialogue(字符串或null), speaker(字符串或null),
sound_design(格式:“环境音(-dB) + 关键音效(时间锚点) + BGM风格”)。
规则:单镜 duration_sec 不超过8秒;不得连续三个同 shot_size;
visual_description 中不得使用“悲伤”“美丽”等不可视化形容词。
第3步:分镜到提示词的翻译(核心步骤)
目的: 把人类可读的分镜表转换为目标视频模型可直接执行的逐镜提示词。这是AI短剧分镜区别于传统分镜的关键步骤。
操作: 对每一镜生成两条提示词:首帧/参考图提示词(用于 Midjourney、Stable Diffusion、即梦图片生成等静态图工具)和视频运动提示词(用于 Seedance、可灵、Runway、即梦视频等)。首帧提示词侧重构图、光影、角色定妆和场景一致性;视频提示词侧重动作链条和运镜执行。
工具选择: 这一层高度依赖目标模型的提示词语法。通用型 LLM 可按模板批量生成;专用 Skill 如 $short-drama-video-prompts、Claw 的 10 要素骨架、Seedance 的分镜 Prompt 模板库可以直接产出适配特定平台的提示词。
指令设计要点: 提示词必须避免“电影感”“高级感”等空泛形容词,用可执行的运动描述和视觉参数替代。一个经过验证的视频提示词结构是:
[镜头类型] + [主体] + [主要动作] + [相机运动] + [场景/背景] + [光照/风格] + [质量控制] + [负面约束]
或更贴近分镜语境的运镜公式:
[时间段] + [运镜方式] + [景别] + [主体描述] + [连贯动作链条] + [场景环境细节] + [光影微调]
指令设计示例(逐镜视频提示词生成):
text
为以下分镜生成 Seedance 2.5 视频提示词。每一镜输出一条英文提示词,结构为:
[Shot size], [Subject with full character description repeated verbatim], [single core action],
[camera movement with speed and trajectory], [environment/lighting], [style/quality control],
[negative: no face morphing, no extra limbs, no text overlay].
规则:每镜只写一个核心动作;运镜轨迹按秒描述;角色描述必须与本镜 visual_description 中的锚点完全一致,不得缩写。
第4步:一致性校验与回退修正
目的: 在进入昂贵的视频生成之前,用机器可检的方式发现分镜中的不一致。
操作: 逐镜核对四类一致性:角色特征是否在每一镜中完整出现;场景锚点(时间/天气/光线)在同一场景内是否稳定;景别序列是否存在“平推到底”的风险;台词时长与镜头时长是否匹配。发现问题时回退到第2步或第3步修正分镜,而非在视频生成阶段“抽卡补救” ——后期返工成本远高于前期分镜修正。
工具选择: JSON Schema 校验、自建检查清单,或 PenShot 的连续性守护智能体、LibTV 的一致性检查清单。
第5步:分镜冻结与资产锚定
目的: 将校验通过的分镜表和逐镜提示词“冻结”,同时建立角色参考图和场景参考图资产库,供后续批量生成时统一引用。
操作: 生成或确认角色多视图设定图(角色圣经)和场景基准图;在分镜表中以 @角色名、@场景名 的方式建立引用关系,确保每一镜的生成都锚定到同一套视觉资产,而不是依赖纯文字描述带来的随机漂移。分镜冻结后,后续的视频生成、配音、合成均以这份冻结版为唯一依据。
四、工具选择与提示词设计的原则性总结
工具矩阵
层级 | 可选工具 | 在分镜流程中的定位 |
剧本/分镜结构化 | DeepSeek、Kimi、Qwen、Claude | 第1—2步的主力,按 Schema 输出 JSON |
专用分镜 Skill/Agent | PenShot、夜秣AI短剧生成器、drama-skills、LibTV | 将“剧本→分镜表→逐镜提示词”流水线化,减少手工字段映射 |
分镜可视化 | Midjourney、Stable Diffusion(+ControlNet/IP-Adapter)、即梦图片 | 生成首帧/参考图,锁定构图与角色外观 |
视频生成 | Seedance 2.5、可灵、即梦、Runway、Pika、Sora | 消费第3步产出的逐镜视频提示词 |
校验与合成 | JSON Schema 校验脚本、ffmpeg、配音工具 | 一致性机检、音画对轨、成片合成 |
提示词设计的三条核心原则
原则一:分层设计,不要一条提示词包打天下。 分镜阶段至少需要三种提示词:规划指令(给 LLM 拆剧本、填字段)、图像提示词(给图片模型出首帧/参考图)、视频提示词(给视频模型执行运动)。三者的语法和约束完全不同,混用会导致输出质量下降。
原则二:用“可执行的描述”替代“可感受的形容词”。 AI分镜提示词中,“缓慢推近至面部特写,侧方冷蓝路灯打亮侧脸”可执行,“电影感悲伤氛围”不可执行。运镜必须带速度、方向和起止状态;画面描述必须带主体动作、光线方向和角色锚点;音效必须带时间锚点和音量。
原则三:一致性靠“重复”而非“引用”。 在分镜表中可以写“同前”,但在投喂给模型的提示词中,每一镜都必须完整重复角色的核心特征描述和场景锚点,因为模型不读取上一镜的上下文。这是AI短剧分镜脚本在字段写法上与传统分镜最根本的区别,也是一致性管理从“导演的记忆”转移到“分镜文本的冗余设计”的必然结果。
感谢近期关注本号的朋友们
