用ai视频生成做了条三分钟短剧，说点踩坑心得
这阵子接了个活儿，给一个小品牌做条三分钟的产品故事短片，要求用 ai视频生成 跑画面、自己配旁白和剪辑。我平时主要做单镜头的 B-roll，突然要连起来讲完整故事，前两条片子全废了。今天把踩过的坑和最后跑通的流程写出来，省得你们再走一遍弯路。
怎么把分镜拆顺
我一开始犯的错是贪心，一个镜头想让它跑十五秒以上，结果 ai视频生成 出来的东西到后半段就开始飘，人物走形、背景跳。后来我把三分钟拆成大概十九个镜头，每个控制在八到十二秒，每段生成的容错空间就大很多。分镜表我直接拿 Excel 写的，每行一列镜头号、一列景别、一列动作、一列情绪关键词，看着土但确实管用。
景别分配上我有个经验：特写和近景别超过五个，不然观众盯太久脸会腻。全景和远景穿插着来给节奏留气口。还有一个细节，相邻两个镜头景别差距别拉太大，从大特写直接跳大远景，观众会恍惚，中间最好垫一个中景过渡，我前两条废片就是栽在这。
说到拆镜头，我建议在特种猫社区里搜一下别人发的分镜模板。我当初看了一个做悬疑短剧的帖子，他那个表把「视线方向」单独列了一列，我才意识到这个字段对 ai视频生成 的镜头衔接有多关键。以前我全靠手感，现在每次下笔之前先把视线对齐了再写动作，返工少了一半。
提示词这块我重写了好几遍
第一版提示词我写得很「文学」，什么「金色夕阳下她缓缓转身，眼里映着远处的海」，ai视频生成 出来人物是转了，但海变成了一堵墙，夕阳颜色也对不上。后来我改成纯描述性指令，固定成五层结构，写的时候跟填表一样，下面这套我用了快两个月了：
- 景别加机位：中景 / 过肩 / 俯视，镜头固定或缓慢推进，别写「电影感运镜」这种虚词
- 主体：人物外貌三四个关键词，「黑色长发、白色连衣裙、高马尾」够了，别堆形容词
- 动作：一个主动作加最多一个副动作，用「缓慢」「微微」控制幅度，别写连续三个动作
- 背景环境：具体到物件，「旧木桌上一杯冒热气的茶」比「温馨室内」管用十倍
- 光线色调：一句话带过，「侧光，冷蓝调」就行，写三段反而让它顾此失彼
有个坑必须说：连续三个镜头都是同一个人时，提示词里人物描述必须一字不差地复制。我有一次把「高马尾」写成「束发」，生成出来发际线位置就变了，剪在一起肉眼可见地跳。现在我的习惯是建一个「角色卡」，所有镜头共用同一段描述，改一处全部同步改，别图省事。
生成出来对不上的时候怎么办
ai视频生成 最让我崩溃的不是生成不出来，而是出来了但不太对。有一回我写「他推门进去，桌上没有人」，出来六条里有两条桌上坐了个人，还有一条门没推开人直接穿过去了。我的处理是：先别急着重跑，把六条全部看完，有时候你只需要中间三四秒，剪掉头尾废的部分就能用，别一上来就删掉。
如果六条全废，我就拆动作。「推门进去」太复合了，拆成两个镜头：第一个只拍手握住门把手往后推，第二个拍门开了之后他走进去。分别生成，剪辑时用 0.3 秒叠化接起来，观众根本注意不到。拆了之后每条命中率从大概三成提到了七成，虽然多跑了一轮生成，但省下来的返工时间远比这多。
素材宁多勿少。一个镜头我通常生成八条而不是五条，因为 ai视频生成 的随机性比你想象的大，同一条提示词跑两次构图可能差很远。我在特种猫社区发帖问过「你们一个镜头跑几条」，大部分人回六到十条，最夸张的一个哥们跑到二十条才挑出能用的。多出来的不一定用得上，但挑的时候有得挑，心态就不焦躁。
剪辑节奏和素材衔接
素材跑完真正花时间的其实是剪辑。三分钟成片我剪了四个半小时，其中两个半小时间在调节奏。ai视频生成 出来的每段都是独立运镜，接在一起容易有跳切感，尤其两个镜头都是固定机位的时候。我处理衔接基本靠下面几条规则：
- 相邻镜头运动方向一致（都是左到右）：直接硬切，干净利落，别加多余转场
- 方向相反：加 0.2 秒交叉溶解，别超 0.3 秒，长了画面会糊成一片
- 情绪要转：插 2 到 3 帧黑场，或者切一个 1.5 秒的环境空镜做缓冲
- 同人物不同景别衔接：前一个镜头的出画方向必须等于后一个镜头的入画方向
配乐和旁白我是最后才铺的，不是先剪画面再贴声音。原因是 ai视频生成 的镜头时长很难精确控到秒，你按十五秒设计配乐，剪完实际十四秒八，全部对不上。我的顺序是：画面粗剪定节奏，录旁白，根据气口微调入出点，最后铺 BGM。BGM 我选没有明显鼓点的，鼓点一响就要跟画面对齐，没对上特别刺眼，用柔和的弦乐或钢琴安全很多。
这阵子还在头疼的事
说点不中听的。现在 ai视频生成 在单镜头质量上进步确实明显，但多镜头人物一致性还是老大难。我这条片女主换了三次服装，每次换装都得重新生成一整套提示词，脸还是有细微差别，尤其下巴和眉骨。目前的缓解手段是换装前先生成一张参考图喂进去，比纯文字稳一些，但也只是一些，做不到照片级一致。
长镜头运镜控制也是。我想做缓慢环绕跟拍，提示词写了 camera slowly orbits around subject，出来十次七次是正面固定机位，另外三次绕着绕着人直接没了。这个场景我现在基本放弃硬做，改成两张不同角度的人物图中间用 Keyframe 过渡模拟环绕，出来效果反而自然，就是多了一步手动操作。
如果你之前一直做单镜头的 ai视频生成 内容，想转做连续叙事的短剧，建议先拿三十秒的练手片把整套流程跑一遍，别上来就冲三分钟，分镜、提示词、剪辑三块哪块卡住都够你耗一个下午。有具体问题可以来 特种猫社区 发帖问，我平时也在，看到能答的就回。