灌水茶馆

三集短剧跑完，分镜提示词我改了七遍才稳

发布于 25 天前 · 13 浏览

上礼拜接了个甲方小单，三集竖屏短剧，每集90秒，古装悬疑。本来想着用平时那套流程走就行，结果第一集跑了四遍，第二集主角脸直接换了个人，甲方打电话问"你换演员了？"。这阵子我主要用特种猫在跑片，在AI短剧制作实用软件这条路上坑踩了不少，今天把几点实操写出来，都是跑片子里攒的。

分镜提示词别一上来就写长句

我之前有个毛病，一个镜头就写一句话，"古装男子月光下推门，表情惊愕"，丢进去就完事。生成出来确实推了门，但"惊愕"全靠运气，十次三次面无表情。后来逼自己把每个镜头拆成五层再写，效果差别真的很大。

拆完之后，我在AI短剧制作实用软件里跑同一段戏，一次过的概率大概从四成提到了七成。不是什么魔法，纯粹是信息量够密了，生成器不用猜你到底要什么。我的拆法固定成下面这五层：

有个反面例子我记到现在。第二集写了"他缓缓转身，眼中含泪"，生成出来他确实转了，但泪是静态贴图贴在眼下，风一吹都不晃。改成"侧脸，一滴水珠从眼角滑到下颌，没擦"之后出来就自然了。情绪词翻译成物理动作，生成器能读出来的东西具体得多。

三集剧主角出场二十几次，脸不能飘。我一开始只给一张正面参考图，结果他换了件衣服、换了个光线角度脸就漂移。最离谱的一次，第三集开头他直接变成圆脸，跟前面完全是两个人，我自己看着都恍惚了。

后来我换了思路，在AI短剧制作实用软件里试双图参考加文字锁定的组合。参数前后调了大概两个下午，中间废了十几张图、重跑了八次才找到合适的权重值，下面这套是最终定下来的：

说句实话，这套对单人镜头很稳，但两个人同框对话时第二个人的脸还是会偶尔串。我现在的处理是双人戏尽量用正反打，实在要同框就把景别拉到中全景，脸占比小一点，飘了也不太看得出。甲方验收没挑出来，我就先这么着了。

90秒竖屏看着短，真拆镜头的时候才发现时间根本不够用。我最后定下来一集拆9个镜头，平均10秒，但前三个镜头压到5秒以内。原因是竖屏前3秒决定用户划不划走，第一个镜头超过5秒完播率肉眼可见地掉。甲方那边要的是"前5秒必须出冲突"，我第一版没做到，被退了。

在AI短剧制作实用软件里生成单镜头时，时长选项我一般选8到12秒，留一点余量给剪辑。如果某镜需要超过15秒，我会拆成两个镜头用跳接处理。长镜头后段画面开始糊、肢体开始飘，这个我反复试了很多次确认了，不是提示词的问题，是模型本身的限制。

节奏上有个坑：转场。我一开始全用硬切，看着很干像PPT翻页。后来镜头之间加了0.5秒黑场或一帧闪白，节奏立刻松了。但悬疑片黑场别超0.5秒，超了紧张感就断了。音乐对位也关键，鼓点对上切镜那一帧，观众只觉得顺不会觉得在"切"。我一般先铺音乐再卡点对镜头，别反过来。

素材跑完往剪辑软件里拖，我第一反应是"终于到我了"，然后就被帧率搞了。AI短剧制作实用软件导出的视频有24帧有30帧，不管它直接拼，播放时动作快慢不统一，看着很廉价。安全区、导出参数前期没定好后面全得返工，甲方等着交片你根本没时间折腾。我现在固定这几步：

还有一个坑是环境音。生成的视频自带的环境声经常和下一镜接不上，比如上一镜室内安静，下一镜突然多了个鸟叫，很出戏。我现在的习惯是全片裁掉原声，后期单独铺一条环境音底再加音效。多花二十分钟，但成片质感完全不一样。甲方对比了有原声和无原声两版，选了无原声那版。

不是所有东西都顺。超过15秒的长镜头我到现在没找到稳定解法，后段肢体变形几乎是必现的。多人对话场景口型对不上，目前只能靠剪辑卡点遮过去。如果你要做的片子大量依赖长镜头或者多人对口型，AI短剧制作实用软件这条路可能还得再等一等。

但单人叙事、节奏快、镜头短的那种，现在确实能跑通。我从第一集四遍重跑到第三集一遍过，中间就是提示词拆法和角色锁定调通了。如果你也在做类似的东西，可以去特种猫社区看看别人的分镜拆解和提示词分享，比闷头试快不少。

最后说一句，工具更新很快，我上个月那套参数下个月可能就有更好的替代。但拆镜头的逻辑、节奏控制、情绪翻译成物理动作这些东西不会变。先把结构想清楚，工具只是帮你把脑子里的画面跑出来而已。别被新工具焦虑绑架，你的审美判断才是最大的壁垒。