ai文生视频做短剧，踩了两周坑说点实话
最近接了个客户单，要做一组六集竖屏短剧，每集九十秒，全走ai文生视频，不实拍。听起来挺省事对吧？实际操作下来，光分镜拆解就卡了我三天，提示词改了不下二十版才勉强能看。这帖把我踩的坑和最终跑通的流程写出来，给同样想走这条路的人省点时间。
先把分镜拆成它听得懂的粒度
我之前习惯写电影分镜那种表格，一格里塞"三十秒，中景，男主从左侧入画，背景是雨夜霓虹街"，整段话直接丢进去生成。结果出来的东西，镜头根本不会动，雨和霓虹糊在一起，人脸糊得像打了马赛克。后来我发现，ai文生视频对单条提示的理解上限大概就是一个动作加一个场景，你塞多了它就开始平均用力，每个元素都给你打个六七折。
我现在的做法是把九十秒拆成十五条分镜，每条不超过六秒。每条只写一个主体动作加一个环境锚点，比如"镜头固定，一只橘猫从画面右下方跳上窗台，窗外是模糊城市夜景，暖黄灯光"。主体一个，动作一个，环境一个，不贪多。做ai文生视频这行，拆镜粒度直接决定你后期返工量，拆细了后面剪起来省一半时间。
- 单条时长控制在四到六秒，超过八秒动作就开始飘
- 一条只写一个主动作，别写"他转身然后走向门口然后蹲下"
- 环境描述放动作后面用逗号隔开，别跟动作混在一句话里
- 竖屏加"九比十六竖构图，主体居中偏下"，横屏写"十六比九电影宽幅"
提示词我改了三版才不翻车
第一版我写的是那种"电影级画质，超真实，光线追踪"的堆料型提示，做ai文生视频最忌讳的就是形容词堆砌。生成出来的东西确实好看，但好看的方式很诡异，所有画面像套了同一个滤镜，雨夜和晴天长得差不多。第二版我去掉了形容词，只留具体视觉信息，比如"钠灯色温三千K，地面有积水反射，雨滴打在伞面上"，效果好了不少，但还差一口气。
后来我研究了几十条ai文生视频的出片案例，发现真正拉开差距的是运镜描述。不写运镜的时候它默认给你轻微推近或者固定，但你要跟拍或者环绕，不写就永远出不来。我现在每条分镜提示词最后都加一句运镜，比如"缓慢跟拍，速度均匀"或"固定机位，景深渐浅"。在特种猫社区里看到有人把运镜关键词整理成对照表，我照着改了一下，基本没再翻过车。
- 格式固定为：构图，主体加动作，环境锚点，风格，运镜，画幅
- 风格只写一个关键词，"胶片感"或"写实"，别写"赛博朋克加水墨加赛博"
- 连续镜头衔接：前一条结尾写"画面渐暗"，下一条开头写"从暗处亮起"
运镜连贯性是我卡最久的一步
单条四秒的片段跑出来都挺像样，但拼到一起就露馅了。第三条和第四条之间，男主冲锋衣拉链颜色变了，背景那棵梧桐突然多了一根枝丫。做短剧最要命的是角色一致性，你不可能让观众每切一次镜头就怀疑这人怎么换衣服了。我试了用同一张参考图做图生视频来锁角色，效果比纯文生好不少，但ai文生视频纯文字锁角色的能力确实还差一截，同一段描述跑五次，脸能出三种。
最后我用了个土办法：角色描述写成固定字符串，每条分镜里原封不动复制粘贴，一个标点都不改。比如"穿黑色冲锋衣的短发男人，左眉尾有一道细疤"，这串字从第一条到第十五条完全一样。环境描述每条独立写，但光线色温保持一致，全程"暖黄偏橙"。这样角色至少不会在衣服和五官上跑偏，背景变化反而是合理的叙事需要。
- 角色固定描述控制在五十字以内，超了模型会开始自由发挥
- 背景描述每条独立写，但色温和光源方向必须一致
- 某条跑出来角色崩了别硬用，重跑三次取最接近的那条
剪成片之前还有几个小坑
生成完十五条片段，我以为到剪辑环节了，结果音画同步又坑了半天。自动配的背景音乐节奏跟剪辑点完全对不上，我干脆全删了，自己卡着每段四秒的节点铺鼓点，人声单独录旁白。说实话，纯ai文生视频做有对白的短剧还是不太行，口型对不上是硬伤，我最后把台词全改成了画外音，视觉上干净多了，观众也接受。
还有个事，竖屏九比十六生成的时候画面上下会各裁掉大概百分之十。我一开始没注意，两条分镜的关键信息被裁没了，一条是角色头顶的帽子，另一条是画面底部本来打算放字幕的位置。后来学会在提示词里写"主体置于画面中央，上下各留百分之十五安全边距"，这细节论坛里少有人提，全靠自己废了两版才悟出来。
- 导出前逐帧检查角色脸部，重点看转场衔接帧
- 音频单独导出再对齐，别在生成器里混着出
- 竖屏项目每条提示词都带安全边距描述，别省这几个字
整套流程从写第一版分镜到出十五条能用片段我花了五天，真正等渲染不超过四小时，剩下全是拆脚本改提示词挑废帧。做ai文生视频这件事瓶颈不在渲染，在你肯不肯把每条提示词拆到骨头里。目前做概念验证和前期预览够用了，客户验收级交付细节还得人修。如果你也在琢磨这条路，可以去特种猫社区翻翻，里面有人把分镜模板和运镜对照表整理得挺细，我那套底子就是那儿找到的。有具体问题评论区聊，我看到都会回。