ai短剧 分镜提示词我调了两周，说点实话
这阵子想做个 8 集都市悬疑短剧，每集 90 秒，全用 ai短剧制作平台工具 跑生成再自己剪。前两周基本全耗在分镜拆解和提示词调参上，真正点「生成」那一下反而不费劲。做完整三集，把踩过的坑和现在跑顺的流程记下来，给同样在折腾的朋友看看。
分镜怎么拆才不翻车
第一集 90 秒我直接拆了 20 个镜头，每个才 4 秒多，生成出来节奏碎得像 PPT 翻页，完全没戏。后来改成 8 到 10 个镜头、每个 9 到 11 秒，画面才有呼吸感。用 ai短剧制作平台工具 跑的时候每个镜头的提示词要写清起止动作，比如「镜头从桌面特写缓慢上移到人物面部，人物从低头翻文件到抬头望向窗外」，别只写「一个人坐在桌前」这种笼统描述，不然它给你生成的就是一张静止 pose。
还有一个容易忽略的点：场景转换别硬接。我第二集从办公室切到雨夜街道，两个镜头提示词里都写了「雨」，结果生成出来色调打架，一个偏暖一个偏冷还带雨滴，剪在一起像两个片子。后来我把室内镜头强制加了「warm tungsten lighting, dry interior」，室外加了「cold blue rain, wet asphalt, neon reflection」，色差拉开之后转场就顺多了。
分镜表我习惯用表格记，列是镜头编号、时长、景别、主体动作、背景、情绪关键词、提示词全文。这个表在工具里直接能贴进去当参考，省得反复切窗口。如果你习惯 Excel 也行，核心原则是先写完再动手生成，别边想边跑，一个镜头改三遍光等渲染就耗掉小半小时，比老老实实写表慢得多。
提示词我实际怎么写
我现在的提示词结构基本固定成五段：景别与运镜、主体描述、动作、环境光、风格关键词。顺序别乱，把景别放最前面（比如「medium close-up, slow dolly in」），因为它决定了整张图的构图，后面的描述都是在这个构图里填内容。我试过把风格词放开头，生成出来构图全变，调了四五次才想明白这个顺序问题。
参数这块我前两周折腾了不少，前前后后试了大概七八种组合。目前比较稳的取值是：单镜头时长控制在 8 到 12 秒之间，超过 12 秒动作连贯性会明显掉；分辨率先跑 720p 看构图和动作对不对，满意了再升 1080p 出终版，别一上来就 1080p 干等渲染。
- 运动幅度：悬疑片用 low motion，日常对话用 medium，别一上来就 high，画面会抖得没法看
- 负面提示：每次固定加「distorted hands, extra fingers, blurry face, watermark」，这四条我从没改过
- 镜头数量：一集 90 秒拆 8 到 10 个，宁少勿多，多了节奏碎得像幻灯片
风格词这块我踩了个坑：一开始在 ai短剧制作平台工具 的提示框里写了「cinematic, 4K, highly detailed」，看着挺唬人，但生成出来人物皮肤全是塑料感。后来换成「natural skin texture, soft film grain, shallow depth of field」，人物立刻像真人了。说白了，「highly detailed」在写实题材里反而帮倒忙，它会让模型过度渲染纹理。
生成完剪辑这一步的坑
生成 10 个镜头不等于 10 个能用的镜头，这是最消耗耐心的地方。我三集下来，平均每组 10 个镜头有 2 到 3 个要重新跑，主要是手部动作变形或者眼神方向跟台词对不上。所以我在 ai短剧制作平台工具 里生成时候会刻意多跑 2 个备选版本，剪辑时候从 12 个里挑 10 个，别指望一次全过，心态放平效率反而高。
剪辑最大的坑是时长对不上。提示词写 10 秒，它给你出来的可能是 9 秒 2 帧或者 10 秒 8 帧，你按分镜表排的卡点全偏了。我现在的做法是：生成完先单独检查每个镜头的实际时长，不够的补 0.5 秒淡入淡出，多了的在动作停顿处裁掉。比对着原始时长硬卡强太多，省得后面整体时间线对不上再返工。
转场我基本不用花哨效果，90% 是硬切加 2 帧黑场。悬疑片本来节奏就靠切点控制，你加个 dissolve 或者 whip pan，观众注意力全跑到转场本身去了。唯一例外是回忆段落用 6 帧叠化，这个幅度刚好能暗示「这不是现在时」，再长就过了，观众会出戏。
哪些场景它现在还不太行
说几句实话，有些场景用 ai短剧制作平台工具 跑出来确实不太行，别硬磕。最明显的是三人以上同框对话，人物站位会在几秒内漂移，一个镜头开头 A 在左 B 在右 C 在中间，结尾突然 B 跑到 C 前面了，看着像穿帮。两人对手戏勉强能看，三人以上我强烈建议拆成正反打，别贪一个全景一镜到底。
第二个问题是复杂连续动作。比如「人物从沙发上起身、穿过客厅、走到窗边、一把拉开窗帘」这种四连贯，中间必然有一两个动作是跳帧或者直接糊掉的。我现在的处理方式是拆成两到三个镜头：起身一个、走过去一个、拉窗帘一个，中间用 1 帧黑场或者动作模糊帧隔开，观众不会觉得跳，反而节奏更利落。
还有文字和数字。画面里出现的手机屏幕内容、门牌号、文件上的字，生成出来基本全是乱码或者镜像。如果剧情需要特写一块屏幕、一封信或者一张照片，我直接拍一张真实素材后期叠上去，比等它生成靠谱一百倍。这些场景现阶段还是短板，遇到就绕着走，别硬跟它较劲浪费时间。
我现在的完整工作流
跑顺之后我整个流程是这样的，从剧本到成片大概五天能出一集，一个人全包：
- 第一天：写完单集剧本，拆成分镜表（8-10 个镜头），每个镜头写好完整提示词和负面提示
- 第二天：在 ai短剧制作平台工具 里批量生成，每个镜头跑 2 个版本，挑出能用的
- 第三天：剪辑，对时长、卡节奏、加转场，同期录旁白或者配 TTS 语音
- 第四天：调色统一色调，加环境音和 BGM，检查字幕位置和安全区
- 第五天：导出成片、写简介和标签、上传发布
我最近在特种猫社区刷到一个技巧：如果两个连续镜头的提示词里主体描述完全一样（比如都写「a 30-year-old woman in a grey blazer, short black hair」），生成出来人物的衣服纹理和发色会高度一致，比每次换着写描述词稳得多。我试了第三集，角色连贯性确实比前两集好不少，省了好几次重跑。
最后说一句，这套 ai短剧制作平台工具 的工作流对我这种一人全包、没有团队配合的情况挺合适，成本基本就是时间。但如果你要做的是强动作戏或者多人群戏，它现在还不是最趁手的选择，该用实拍素材补就补，别为了「全 AI 生成」的执念把片子拖崩。工具是工具，片子是片子，观众只看最终效果。有想聊的具体问题可以去 特种猫社区 里问，回得比我预期的快。