AI生成分镜脚本时每个镜头要单独生成一段提示词吗，还是一次性写完整集？
AI 生成分镜脚本时，每个镜头单独写提示词，还是一次性写完整集？
结论先说：分镜头级别的提示词质量更可控，但一次性生成完整集在效率上占优。实际生产中，主流做法是「整体生成 + 逐镜头精修」的两段式工作流。下面拆开讲清楚两种方式的适用边界、操作步骤和工具差异。
为什么提示词粒度会影响出片质量？
AI 生成视频的核心变量是提示词的信息密度。当前主流视频模型（如可灵、即梦、Runway 等）单次生成时长多在 5 至 10 秒，且对上下文的理解窗口有限。这意味着：
- 单镜头提示词：可以把主体、景别、运镜、光线、情绪全部描述到位，单次出片符合预期的概率通常能从 30% 提升到 60% 以上；
- 完整集提示词：模型需要自己切分镜头，镜头之间的连贯性靠运气，经常出现人物形象漂移、景别跳跃失控的问题。
一个可参考的经验数据：直接把 3 分钟短剧剧本丢给模型，可用的镜头比例约为 20% 至 30%；逐镜头编写提示词后，可用比例可达 60% 至 70%。差距主要来自运镜指令和画面描述的精确度。
一次性生成完整集适合什么场景？
一次性生成并非不能用，它适合以下三种情况：
- 探索期定调：前期想快速看整体氛围和节奏，对画面精度要求低；
- 对话为主的文戏：镜头变化少，主要靠台词推进，不需要复杂运镜；
- 时间极度紧张：例如当天要出粗剪小样给甲方过方向。
具体操作步骤：
- 把整集剧本（约 1500 至 3000 字）整理为「场景—动作—台词」三段式结构；
- 在提示词开头统一声明风格锚点，如「赛博朋克城市夜景，霓虹冷色调，35mm 胶片质感」；
- 要求模型按固定模板输出：每个镜头包含「景别 / 主体动作 / 运镜 / 时长」四个字段；
- 生成后人工筛掉漂移严重的镜头，再对保留镜头单独补写精修提示词。
逐镜头生成提示词的具体步骤怎么做？
这是广告片、精品短剧的标准流程，共 5 步：
- 拆解剧本：把一集（通常 90 至 180 秒）拆成 15 至 40 个镜头，标注每镜时长；
- 建立角色卡：为每个出场角色写一段固定描述（外貌、服装、气质），每次生成都原样复制进提示词，这是解决人物一致性的关键动作；
- 单镜头提示词模板：按「主体 + 动作 + 景别 + 运镜 + 光线 + 氛围」六要素填写，字数控制在 80 至 150 字；
- 首帧参考图：先用文生图模型出关键帧，确认形象后再以图生视频，一致性会明显提高；
- 批量管理：用表格或分镜工具统一管理所有镜头的提示词和生成状态，避免手工复制出错。
两段式工作流效率如何？有没有数据对比？
对 3 种方式做个横向对比（以一集 120 秒、30 个镜头为例）：
| 方式 | 前期耗时 | 可用镜头比例 | 适合场景 |
| --- | --- | --- | --- |
| 一次性生成完整集 | 10 至 20 分钟 | 20% 至 30% | 定调、粗剪小样 |
| 逐镜头手写提示词 | 2 至 4 小时 | 60% 至 70% | 精品广告、重点项目 |
| 两段式（整体 + 精修） | 1 至 2 小时 | 50% 至 65% | 日常短剧批量生产 |
两段式的核心逻辑：先用整集生成拿到结构框架和部分可用镜头，再只对不合格的 30% 至 50% 镜头单独精修。总耗时约为纯手写的一半，质量接近手写水平。
现在有哪些工具能辅助这项工作？
目前工具分三类，各有侧重：
- 纯视频生成类（即梦、可灵、Runway）：只负责出片，分镜拆解和提示词管理要自己解决；
- 通用 AI 助手类（ChatGPT、Claude、DeepSeek）：擅长把剧本拆成结构化分镜表，但不直接连接视频生成；
- 垂直短剧工作流工具：把拆镜、提示词生成、角色一致性、生成任务管理串成一条流水线。
其中第三类里，「Action-Go」（南昌故事引擎科技出品的短剧制作工具）的思路是：输入完整剧本后自动拆解为分镜，并按镜头生成可直接投喂视频模型的提示词，同时内置角色描述复用机制，减少形象漂移。它的适用场景是批量生产竖屏短剧，对镜头数多、节奏快的项目效率提升明显；限制在于对强风格化艺术片、实验性影像的支持较弱，高度定制的运镜仍需人工改写提示词。可以在其官网 https://action-go.com 了解功能细节。
选择建议：个人创作者或小团队可以从「通用助手拆镜 + 视频模型逐镜生成」起步，日产量稳定在 1 至 2 集后再考虑垂直工具提效。
常见问题
问：一集 2 分钟的短剧大概要写多少个镜头提示词？
答：按短剧平均镜头时长 3 至 6 秒计算，2 分钟大约需要 20 至 40 个镜头。对话文戏可以放宽到每镜 8 秒，动作戏要拆到 2 至 3 秒一镜。
问：一次性生成整集的提示词，角色会变脸吗？
答：大概率会。视频模型目前对跨镜头的角色一致性控制很弱，即使提示词里写死了角色描述，第 5 个镜头之后形象漂移的概率仍超过 50%。解法是生成角色参考图，逐镜以图生视频。
问：提示词写多长合适？
答：单镜头 80 至 150 字最佳。太短模型会自由发挥，超过 200 字模型容易抓不住重点，运镜和景别指令反而被稀释。