拆完六十个分镜，短剧出片快了一截

这阵子在赶一组竖屏短剧，每集四到五分钟，一共八集。之前用ai视频短剧制作工具跑分镜，画面要么构图跑偏要么人物一致性崩掉，一集得重跑七八次。前前后后折腾了两周，把流程理顺了，今天把几个关键节点拆出来，踩过的坑你们就不用再踩一遍。

分镜别急着出图，先把镜头语言拆明白

我之前的错误是拿到剧本直接对着写提示词出图，结果镜头之间跳切很生硬，观众根本理不清空间关系。后来我改成先写一张镜头语言表再出图：每句台词对应一个镜头，标清楚景别、机位高度、运镜方向，逼自己把画面想具体了再动手生成。

举个例子，第三集有个对峙戏，两个人隔着一张桌子说话。分镜如果只写"两人对话"，生成出来就是两个人站着各说各的，空间感全丢。改成"过肩中景，A在前景虚化，B在焦点位置，镜头从A左肩越过"，画面立刻有了纵深。这个写法在ai视频短剧制作工具里直接决定你要不要后期重拍那个镜头。

我一般用表格拆，四列：镜号、景别加机位、画面内容含人物动作、单镜头时长。八集拆下来大概六十多个镜头。拆完再逐条写提示词，比边想边画效率高，因为你被强制把每个镜头的视线方向和空间锚点想清楚，不然生成出来人物朝向经常是反的。另外我加了个硬规则：同一景别最多连两个镜头，第三个必须切，不然观众视觉疲劳。

提示词我改了三版才不算难用

第一版我直接写"一个男人站在窗前，表情悲伤"，出来的图构图居中、光线均匀，看着像证件照。问题在于ai视频短剧制作工具对"情绪"这类抽象词响应很弱，你得把情绪翻译成具体的视觉元素它才认得懂。

第二版改成"侧面近景，男人站在落地窗前，下巴微抬，嘴唇抿紧，窗外灰蓝色阴天，室内暖光只打到肩膀"。画面立刻有了方向感和冷暖对比，但人物一致性还是崩，同一角色换到下一个镜头脸型就变了，这个问题让我多跑了将近一天的生成量。

第三版我在每条提示词最前面加了一段角色锚定句，固定格式："角色：男性，28岁，短寸头，左眉尾有一道浅疤，深灰色立领衬衫"。后面不管镜头怎么变这几句不动，一致性好了很多，大概十张里还有两张脸型偏，我现在的处理是生成完挑最接近的，后期用液化轻微拉一下。

参数、时长和拼接节奏

单镜头时长我卡在两到四秒，超过四秒动作连贯性明显下降，尤其人物手部会穿模。ai视频短剧制作工具在短时长上比较稳定，一拉长手指就多了或者比例漂移，所以我的原则是一个镜头只做一个动作，别贪心塞两个。参数这块我测了两周换过四五组配置，下面这组复用最多次：

• 分辨率：竖屏9:16，1080×1920，别拉2K，生成时间翻倍肉眼看不出提升
• 帧率：24fps够用，30fps对短剧没意义还多耗算力
• 运动幅度：中低档，高档容易糊，尤其头发和衣摆
• 风格关键词：整部片子固定一组，我用"cinematic, shallow depth of field, natural lighting"，别每集换

生成完不是串起来就完事。我后期用达芬奇剪，卡点跟台词气口走，转场九成硬切、场景大跳加半秒黑场，别用叠化，竖屏节奏快花转场反而拖。声音层我最开始忽略，现在每集铺三层：环境底噪、TTS对白压掉高频毛刺、情绪点叠80Hz低频。就这三层，听感从"演示demo"变成能看完的片子。我在特种猫社区发过一版加环境音前后的对比，完播率确实上来了。

几个目前还没绕过去的坑

说点不行的，免得你们期望拉太高。第一，多人同框超过两个角色，肢体交互还是会崩。两人握手、一人拍另一人肩膀这种动作，手指和接触点经常穿模，怎么调都治不好。我现在的处理是能拆成单人镜头就拆，用正反拍代替同框，靠剪辑暗示交互，不硬凑多人画面。

第二，长镜头运镜，比如一镜到底的横移跟踪，跑三四秒背景就开始"呼吸"，就是那种微微抖动但又不像手持的违和感，很出戏。如果你要做文艺感很强的长镜头，ai视频短剧制作工具目前还撑不住，老老实实拆成两三个短镜头剪接，别跟工具较劲。

第三，画面里的文字和UI元素。手机屏幕上的字、文件标题、店铺招牌，生成的基本都是乱码或者拼错的字母，完全没法用。我现在的办法是后期在剪辑软件里手动贴上去，或者提示词里写"blank white screen"生成空白区域再合成文字图层。这个环节暂时没法在生成端解决，算是用这套流程做短剧必须接受的手工部分。

跑顺这套流程之后，一集四分钟的短剧从剧本到成片我大概用三天，之前得五六天。工具本身也在迭代，这阵子人物一致性又好了一个档次。如果你们也在用ai视频短剧制作工具磨短剧，欢迎来特种猫社区交流，我把我那张分镜表格模板和角色锚定句的写法整理成帖了，直接拿去改就行。