AI微短剧:创作摄制与流量变现(连载3-04)
- 2026-11-19 02:52:46

3.4 AI生成剧本的提示词工程:不止是“写一个故事”
这一节是整本书技术含量最高的部分之一,如果你只能记住这一章的一节内容,记住这一节。
大多数人用AI生成剧本的提示词是这样的:“帮我写一个都市逆袭的微短剧剧本。主角叫李明,8集,每集3分钟。”这种提示词的毛病不在“不够详细”,在“没有结构”。你给AI的信息是一堆扁平的描述,AI只能基于这些描述自由发挥,它发挥得好不好完全看运气。
四维一体提示词框架解决的就是这个问题。它把提示词从“一堆描述”变成了“一个有条理的指令系统”,让AI的输出从“依赖随机性”变成“可控的”。
四维一体提示词框架
四维一体提示词框架分四个方面:基础定调参数、分镜时序控制、光影色调重构、音频权重分配。四个方面不是并列关系,它们层层递进,基础定调确定整体方向,分镜时序控制节奏,光影色调控制视觉风格,音频权重控制声音设计。四个方面合在一起,就是一份完整的“AI导演指令书”。
第一个方面:基础定调参数。这是最底层的参数,决定整个剧本的“基本设定”,包括以下要素:
画质与画幅,竖屏1080×1920像素,还是横屏1920×1080像素?竖屏是微短剧的主流,但如果你做的是出海微短剧投放到YouTube,横屏更合适。画质标准设为1080p,帧率设为24fps(frames per second,即每秒画面帧数;24fps 有电影感,30fps 更流畅)。这些参数虽然不直接出现在剧本文字里,但你要在提示词中明确,因为它们会影响AI生成画面时的构图和风格。
风格锁定,你的微短剧是什么视觉风格?都市现实主义的暖色调?赛博朋克的霓虹冷光?古装唯美的水墨感?在提示词里用3到5个关键词锁定风格。比如“都市现实主义,暖黄主色调,自然光为主,电影质感,浅景深”。风格锚定不是给AI看的——它是给你自己的提醒。确保你在后续每一集的提示词里都保持同一套风格参数,不让画风“漂移”。
叙事基调,爽剧、虐剧、甜剧、悬疑剧?每种基调的台词密度、节奏速度、情绪浓度都不同。爽剧的台词要短促有力,每30秒一个反转;虐剧的台词要绵密感性,节奏能慢一些但情绪要浓;甜剧的台词要轻松俏皮,画面要明亮温暖;悬疑剧的台词要克制留白,画面要暗调压抑。在基础定调里锁定叙事基调,后续生成就不会跑偏。
角色与场景清单,列出本集出现的所有角色(附角色编号,对应你的角色资产库),以及所有场景(附场景编号,对应你的场景模板库),比如:“本集角色:A01-李明(主角,外卖骑手装),A02-赵雪(女一号,职业装),A03-陈总(反派,西装)。本集场景:S01-天桥(夜景),S02-咖啡厅(日景),S03-写字楼走廊(日景)。”有了编号系统,AI在生成分镜时能精确引用角色和场景,减少混乱。
第二个方面:分镜时序控制。这是四维框架中最核心的方面,它把3分钟的剧本按“秒”拆分。每一秒或每几秒指定一个核心焦点。传统剧本是按“场”来写的,一场戏可能持续30秒到1分钟。但AI画面生成需要更精细的控制,因为每个AI生成镜头通常只有5到10秒,你要把每场戏拆成5到10秒的“镜头单元”。每个单元指定:画面内容、镜头运动、角色状态、情绪焦点。
举例。一场“李明在咖啡厅和赵雪重逢”的戏,传统剧本写法是:“咖啡厅。李明推门进来,看到赵雪坐在角落。两人对视,气氛尴尬。李明走过去坐下,沉默了几秒。赵雪先开口:‘你怎么来了?’”:这大概30秒的戏。
用分镜时序控制来拆,变成这样:
0-5秒:全景,咖啡厅内景,暖色调,浅景深。李明推门而入,逆光剪影。情绪焦点:紧张。
5-10秒:中景,李明的视角扫过咖啡厅,最终定格在角落里的赵雪身上。镜头缓慢推进。情绪焦点:惊讶。
10-15秒:特写,赵雪的脸。她抬起头,看到李明。表情从平静变为微妙的紧张。情绪焦点:复杂。
15-20秒:中景,李明走向赵雪,步伐犹豫。背景虚化。情绪焦点:压抑。
20-25秒:双人镜头,李明在赵雪对面坐下。两人对视,沉默。镜头从侧面拍,突出两人之间的距离感。情绪焦点:尴尬。
25-30秒:特写,赵雪的嘴唇微微张开。她先开口:“你怎么来了?”镜头在她说完话后微微拉远,给李明一个反应的留白。情绪焦点:试探。
30秒的戏拆成了6个5秒的镜头单元,每个单元都有明确的画面。镜头运动、角色状态和情绪焦点。你拿这份分镜去喂AI画面生成工具,AI知道每个镜头生成什么。这样你不需要在生成后再花大量时间去调整。
分镜时序控制看起来很繁琐,一集3分钟要拆30到40个镜头单元。但这是值得的,因为AI画面生成的最大成本从来不是API费用,是你自己的时间,每次生成出来不满意要反复重试。一个镜头可能要试五六次才满意,如果你提前把每个镜头的画面、运动、情绪都定义清楚,AI一次生成成功率会从30%提升到70%以上。你的重试次数大幅减少,总效率反而比“先随便生成再挑”高得多。
下表汇总了分镜时序控制方面中,每个镜头单元的提示词要素(即“主体、动作、环境、运镜”四要素)。
要素 | 核心内容 | 提示词要素 |
主体 | 角色外貌、服装、表情 | 人物描述、服装、表情关键词 |
动作 | 角色在做什么、动作幅度 | 动作动词、运动方式 |
环境 | 场景、背景、道具 | 场景描述、光线方向、时间 |
运镜 | 景别、镜头运动、视角 | 景别术语、推拉摇移、俯仰角 |
分镜时序控制表示意图(上方是时序节奏柱状图,下方是完整分镜表):

第三个方面:光影色调重构,这个方面解决的是“画面氛围”的问题。同样的场景,不同的光影设计,情绪全不同。咖啡厅重逢那场戏,如果是暖黄柔光,感觉是温馨回忆;如果是冷白荧光灯,感觉是疏离冷漠;如果是逆光剪影,感觉是宿命感。
在提示词里,光影色调不能只写“暖色调”这种笼统的描述,最好写到“物理参数级”的精度。我总结了一套光影提示词的写法:
主光源,方向、色温、强度,比如“主光源:左前方45度,色温3200K(色温是描述光源颜色偏暖或偏冷的物理量,单位开尔文K。3200K为室内暖光,5600K为日光冷白)暖光,强度中等偏柔”。色温用开尔文值指定(2700K-3000K暖黄,4000K-4500K自然白,5500K-6500K冷白),比写“暖光”“冷光”精确得多。
辅光源——方向、色温、强度。辅光源用来补阴影、平衡画面,比如“辅光源:右后方,色温4000K,强度弱,仅补轮廓光”。
环境光,整体氛围色调,比如“环境光:室内暖黄灯光为主,窗外有蓝色暮光透入,形成冷暖对比”。
色调倾向,整体后期色调方向,比如“色调倾向:电影感Teal & Orange(青橙色调);阴影偏青蓝,高光偏暖橙”。Teal & Orange是电影最常用的色调方案,能让人物肤色自然、画面有层次感。如果你的微短剧走现实主义风格,可以用“低饱和自然色调”,如果走悬疑风格,可以用“高对比冷绿调”。
光影情绪,用光影强化情绪,比如“情绪光影:主角面部一半亮一半暗,象征内心矛盾”。这种“象征性光影”在AI生成中效果特别好,AI能理解“一半亮一半暗”的视觉指令,生成的画面天然带有戏剧张力。
光影色调重构看起来是在给AI画面生成工具写的,但其实它在剧本阶段就最好定义好。因为光影是叙事的一部分,你用什么光,就是在告诉观众这场戏的情绪是什么。在剧本里标注光影设计,还能帮你在后期剪辑时快速判断每个镜头的色调是否一致。
第四个方面:音频权重分配,这个方面经常被忽略,但它对最终成片的质量影响巨大。微短剧的音频分三层:对白、音效、配乐。三层音频的音量比例和出现时机,直接影响观众的沉浸感。
在提示词里,音频权重分配的写法是这样的:
对白层,标注每段对白的时间段、说话者、音量和语气,比如“0:25-0:28,赵雪说话,音量正常偏柔。语气试探性;0:28-0:30,李明沉默,仅呼吸声,音量低”。对白层是最重要的一层,音量最好在三层中最高,约-6dB(分贝,音量单位,负值越大表示音量越小。对白通常-6dB至-3dB,配乐-24dB至-18dB)到-3dB,确保观众听清每一句话。
音效层,标注环境音和动作音,比如“全程:咖啡厅环境音(轻柔爵士乐背景+杯盘轻碰声+低语声)。0:05:推门声;0:20:椅子拖动声”。音效层的音量最好比对白低(约-18dB到-12dB)。起“填空”作用,让观众感觉场景是真实的,但不能盖过对白。
配乐层,标注情绪音乐的出现时机和风格,比如“0:10-0:15:轻柔钢琴。情绪=微妙紧张,0:25-0:30:弦乐渐入,情绪=感伤”。配乐层的音量最低(约-24dB到-18dB)。但它的情绪引导作用最强,观众可能注意不到配乐,但配乐在悄悄控制他们的情绪走向。
音频权重分配的关键原则是“分层不混音”:三层音频各司其职,不能互相打架。最常见的错误是配乐音量太高,盖过对白,观众听不清角色在说什么,直接退出。另一个常见错误是音效太密集,每个动作都配音效,感觉像在看动画片。好的音效设计是“留白”的,不是每个动作都需要音效,只在关键情绪点才用音效来强化。
四维一体提示词框架写起来确实比“帮我写一个剧本”复杂得多。但一旦你建立了模板,基础定调用一套固定模板填空,分镜时序按时间轴拆分,光影色调用预设方案,音频权重用标准比例,你的产出会越来越快,熟练之后,写一集完整的四维提示词大概得30到40分钟,但它能让你的AI画面生成效率提升三到五倍,后期剪辑时间缩短一半。这是一笔特别划算的时间投资。
四维框架的填写顺序很重要,不要从头到尾顺着写,而是“先定调,再拆镜,后补光影和音频”。具体操作:先写基础定调参数(这一步最快,五分钟确定),然后写分镜时序控制(这一步最耗时,大概20分钟,因为你需要把剧本拆成镜头单元),分镜拆完之后,光影和音频就水到渠成了,每个镜头单元的光影和音频跟它的情绪焦点一一对应,你只要根据情绪查表填参数就行,如果你一开始就试图四个方面同时写,很容易顾此失彼。写到一半发现分镜拆错了,光影和音频全得重来。先骨架后血肉,速度最快。
另一个建议是建立你自己的“参数预设库”。四维框架里的很多参数是反复使用的,比如“都市现实主义”的基调参数,“暖黄3200K”的光影方案、“对白-6dB/音效-18dB/配乐-24dB”的音频比例。把这些常用参数存成预设,每次写新的提示词时直接调用,改几个变量就行,不用每次从头写。预设库积累到一定程度后,你写一集四维提示词的时间可以做到从40分钟压缩到15到20分钟。
四维投入权重建议:四个方面并非平均用力,实际制作中投入的时间和精力应有所侧重。建议的权重分配是,分镜时序控制占50%,基础定调参数占20%,光影色调重构占20%,音频权重分配占10%。
分镜时序占大头,是因为它是整集节奏的骨架:一集3分钟要拆30到40个镜头单元,每个单元的画面、运动、情绪都要明确定义,这一步最耗时也最关键,分镜拆不好,后面光影和音频再精细也救不回来。基础定调和光影色调各占20%:基础定调虽然写起来快(五分钟填完模板),但它决定了全片的视觉方向,出错代价高,需要20%的精力反复校准;光影色调影响画面质感,需要为每个场景定制方案,投入适中。音频权重占10%:音频层有标准比例可循(对白-6dB/音效-18dB/配乐-24dB),熟练之后大部分情况套用预设即可,只在关键情绪点做微调。这个权重比例的核心原则是“抓大放小”:把主要精力放在分镜时序这个骨架上,避免在音频权重等次要方面上过度雕琢。新手最常见的错误是反过来:在基础定调上反复纠结风格用词,在光影参数上精修色温数值,却在分镜时序上草草了事,结果AI生成的画面单帧都好看,但串起来节奏散乱。记住:先搭好分镜骨架,再填充定调、光影和音频的血肉。
“禁忌清单”提示词:反向提示法
四维框架告诉AI“要做什么”,禁忌清单告诉AI“不要做什么”。两者同样重要。
AI生成内容有一个特性:你越强调“不要做某事”,它越可能做某事。这是AI的“反向锚定”效应,好比你告诉自己“不要想白熊”,你脑子里全是白熊。于是禁忌清单不能只写“不要低俗”“不要暴力”这类空话,要用具体的、可执行的“替换指令”来写。
错误写法:“不要生成暴露的画面。”:AI可能不理解“暴露”的标准是什么。
正确写法:“所有角色服装以日常便装和职业装为主,不生成低胸、超短裙、透视装等暴露服装,如需泳装场景,使用保守连体泳装。”:具体、可执行、有替代方案。
禁忌清单最好覆盖以下几个方面:
服装禁忌,列出不允许的服装类型,同时给出允许的替代方案。
暴力禁忌,列出不允许的暴力表现方式(如展示伤口特写,血液飞溅、凶器细节),给出替代方案(如用剪影、远景、暗示性镜头)。
表情禁忌,列出不允许的面部表情(如过于夸张的痛苦表情,暗示性的表情),给出允许的表情范围。
场景禁忌,列出不允许出现的场景元素(如特定宗教符号、政治标志、敏感场所),给出替代方案。
年龄禁忌,明确所有角色得看起来在25岁以上,避免生成看起来像未成年人的角色。
禁忌清单不是一次写好就不改的,每遇到一次AI生成了你不想要的内容,就把这个内容对应的禁忌写进清单里。你的禁忌清单会越来越长,但AI“踩雷”的频率会越来越低。这就跟训练一个新员工,第一次犯错你纠正,第二次再犯你写进操作手册,第三次就不该再犯了。
角色小传的标准化模板
第3.1节讲了角色档案的三层结构,这里补充一个实用工具:角色小传的标准化模板。角色小传是比角色档案更详细的“角色说明书”。它不仅记录角色的基本信息,还记录角色的行为逻辑、语言风格、情感模式。有了角色小传,AI在生成角色相关的剧情和台词时,就有了更精确的参考。
标准化模板包含以下字段:
基本信息,姓名、年龄、性别、职业、外貌(3到5个关键词,如“高瘦、棱角分明、眼神锐利、习惯性皱眉”)。
性格画像,3个核心性格词+每个词的具体表现,比如“隐忍:不轻易表露情绪,即使愤怒也面无表情;重情义:对认定的朋友可以付出一切,但不轻易认定;执拗:一旦决定的事不会改变,哪怕所有人都反对”。
语言风格,说话的句长、用词偏好、口头禅,比如“短句为主,不超过15字;用词简洁直白,不用形容词堆砌;口头禅:‘没必要’”,这些特征让AI在写台词时有明确的风格指引,不会把所有角色写成同一个调调。
行为逻辑,在特定情境下的典型反应,比如“被激怒时:不立刻爆发,而是沉默几秒,然后用一句平静但锋利的话回击。面对女性时:保持距离但不冷漠,习惯性站在对方左后方半步的位置。做决定时:先沉默三秒,然后给出明确答复,不含糊”。
情感方法(表达感情的方式,比如“喜欢一个人时:不会说‘我喜欢你’,而是通过行动表达)默默出现在她需要帮助的地方,但被发现了会装作巧合;难过时:独处,不让人看到,如果被撞见会立刻切换成平静的表情”。
禁忌事项,这个角色“绝不会做”的事,比如“绝不会在女性面前动手;绝不对朋友撒谎(但有可能沉默),绝不在没有证据的时候下结论”。禁忌事项让AI知道角色的“底线”在哪里,不会写出角色“人设崩塌”的剧情。
角色小传写好之后,每次让AI生成涉及该角色的剧情或台词时,都把小传附在提示词里。你不必每次都全文粘贴,可以只粘贴“当前场景相关的部分”,比如写一场打斗戏,只贴“基本信息+行为逻辑+禁忌事项”就够了。写一场感情戏,贴“基本信息+情感模式+语言风格”就够了。按需取用,既保证一致性又不浪费上下文窗口。
(未完待续)