分镜脚本写作指南：结构化指令实战

我刚开始玩 AI 视频的时候，真的就是纯抽盲盒。输入一句"雨夜城市，一个人站在天台"，出来的东西确实惊艳，但也就惊艳那一次。想换个角度再来一条？人脸直接崩成另一个人，衣服颜色也跟着跳，运镜更是完全看它心情。那时候我就觉得，这玩意儿当玩具可以，真拿来干活儿，太折磨人了。

后来我才慢慢琢磨明白，问题不在模型笨，而在我根本不会"下指令"。我一直在用写提示词的思路跟它沟通，但 AI 视频生成其实更需要的是分镜脚本的逻辑。你得告诉它每个镜头拍什么、怎么动、光线什么样，而不是让它一口气自由发挥。这个转变想通了之后，我感觉自己从"许愿"变成了"执导"。

我现在写指令基本固定一个格式：时长加景别加运镜加画面内容加光影加音效。听起来好像很复杂，其实写顺了特别快。举个例子，我不会写"男主角在雨里很落寞"，我会写"镜头1｜0到3秒｜远景｜缓慢推镜｜雨夜城市天台，男主独自站着，雨水打湿外套｜冷蓝色霓虹侧光｜低沉环境雨声"。你看，同样是表达落寞，后者把时间、景别、镜头运动、画面细节、色调和声音全锁死了，模型拿到的信息越具体，出来的东西就越接近我脑子里那个画面。

还有一个特别戳我的点，就是跨镜头的角色一致性。以前我根本不敢拍多镜头，因为人物一换景别就"换脸"，根本没法剪成一条完整的片子。现在模型会把角色的面部特征、服装纹理、场景色调这些信息固化下来，形成一种跨镜头的记忆锚点。远景切特写，再切到另一场戏，人物不会突然变脸，光影也能接得上。这对我们这种想认真做点内容的人来说，真的太重要了，等于终于可以把精力放在讲故事上，而不是跟废片率搏斗。

不过说句实在话，工具再强，它解决的也只是执行层的问题。镜头为什么要这样切，叙事节奏怎么推进，这些判断还是得靠我们自己。AI 现在更像一个听得懂调度指令的摄影团队，但导演还是你。所以我觉得，与其纠结哪个工具更强，不如先把自己的分镜思维练起来。当你开始用"规划一段叙事"的思路去写指令，而不是"描述一个画面"的时候，AI 视频创作才算真正开始好玩了。