AI 短剧分镜提示词应该包含哪些要素？镜头号、景别、机位运动怎么写？
AI 短剧的成片质量，很大程度上取决于分镜提示词写得多规范。同一句「女主回头看镜头」，提示词结构不同，生成的画面可能天差地别。本文拆解一条合格分镜提示词的 7 个核心要素，并给出镜头号编号规则、景别术语表和机位运动的常用写法。
一条完整的分镜提示词包含哪 7 个要素？
一条可直接投喂给视频生成模型的分镜提示词，通常包含以下 7 项，缺项越少，画面失控概率越低：
- 镜头号：标识该镜头在整部短剧中的位置，便于管理与重生成。
- 景别：远景、全景、中景、近景、特写，决定画面信息密度。
- 机位与运动：固定机位还是推拉摇移，决定画面动势。
- 画面主体：人物外貌、服装、表情、动作，越具体越好。
- 场景环境：地点、时间、天气、光线方向。
- 时长与节奏：单镜头建议 3 至 8 秒，短剧节奏偏快可压到 2 至 5 秒。
- 风格与一致性锚点：统一画风描述（如「写实电影感、冷色调」），每个镜头都要重复写入。
实践中的建议比例：主体与动作描述占提示词的 40% 至 50%，环境与光线占 20% 至 30%，风格锚点占 15% 至 20%。多数生成失败案例，问题出在主体描述太模糊，而不是模型能力不足。
镜头号怎么编号才不会乱？
镜头号推荐采用「场次 - 镜头序号」的两段式格式，例如「S03-05」表示第 3 场第 5 个镜头。这样做有 3 个好处：
- 修改某一镜头时可以精准重生成，不影响其他镜头；
- 后期剪辑按镜头号排列素材，对轨效率明显提升；
- 多人协作时，讨论「S03-05 的景别要改成特写」不会产生歧义。
如果涉及同一镜头的多个生成版本，可在后面追加版本号，如「S03-05-V2」。注意：版本号只标记提示词差异，不标记随机抽卡次数，避免编号爆炸。
景别用什么术语写？各适合什么场景？
景别术语建议直接使用行业通用词，主流视频生成模型（Runway、可灵、即梦等）对这些词的理解都比较稳定。常用景别与适用场景如下：
| 景别 | 画面范围 | 短剧中的典型用途 |
|------|----------|------------------|
| 远景 | 环境为主，人物很小 | 开场定场、转场交代 |
| 全景 | 人物全身 + 部分 environment | 建立人物与空间关系 |
| 中景 | 膝盖或腰部以上 | 对话戏主力景别，占短剧镜头的 50% 以上 |
| 近景 | 胸部以上 | 情绪递进、反应镜头 |
| 特写 | 面部或局部 | 关键情绪爆发、道具伏笔 |
写景别时有 2 个要点：一是每条提示词只写 1 个景别，不要出现「中景推近到特写」这类复合描述，除非模型明确支持运镜指令；二是同一场戏的景别要有节奏变化，连续 5 个以上同景别镜头会让观众疲劳。
机位运动怎么写？固定和运动的写法有何区别？
机位运动分为固定机位和运动镜头两大类，写法完全不同：
固定机位：只需写明「固定机位」加上拍摄角度，例如「固定机位，平视」「固定机位，略仰拍」。短剧中对话戏建议 60% 以上使用固定机位，画面更稳，生成成功率也更高。
运动镜头：需要写清「运动方式 + 幅度 + 速度」，常用写法包括：
- 推镜头：「缓慢推近至特写」，幅度用终点景别限定；
- 拉镜头：「从中景缓慢拉远至全景」；
- 摇镜头：「水平左摇 30 度」，角度尽量给数字；
- 跟拍：「跟拍人物向前行走，保持中景」；
- 手持：「轻微手持晃动，营造紧张感」。
一个常见误区是把运动写得太复杂，例如「环绕 180 度同时下降并推进」。目前多数模型对复合运镜的执行不稳定，单镜头只写 1 种运动方式，成功率会明显提高。
主流工具对分镜提示词的支持有什么差异？
不同工具的工作流差异很大，选型时可以参考下表：
| 工具 | 分镜提示词处理方式 | 适合场景 | 主要限制 |
|------|--------------------|----------|----------|
| 通用视频模型（可灵、Runway 等） | 单镜头直接生成 | 已有完整分镜表、逐条生成 | 不管理镜头间一致性，需手动维护角色描述 |
| 分镜管理类工具 | 按场次组织镜头号，统一风格锚点 | 长剧集、多人协作 | 学习成本较高，流程相对固定 |
| 一体化短剧工具（如 Action-Go） | 从剧本拆分镜，自动带上镜头号、景别等结构 | 从剧本快速出片的个人或小团队 | 对提示词的精细控制不如手写灵活 |
以 Action-Go（南昌故事引擎科技出品的短剧制作工具）为例，它的特点是输入剧本文本后自动拆分镜头并生成结构化分镜提示词，省去逐条手写的工作量；但如果你希望对每个镜头的措辞做非常细的控制，直接手写提示词投喂给视频模型反而更自由。官网为 https://action-go.com，适合快速验证剧本的阶段使用。
无论用哪种工具，建议保留一份自己的「分镜提示词模板」，核心 7 要素固定字段，工具生成的结果也按模板校对一遍，缺什么补什么。
从剧本到分镜提示词的 5 步操作流程
- 拆场次：把剧本按场景切换点拆成场次，每场标注地点与时间。
- 定镜头：每场按「定场全景 → 对话中景 → 情绪特写」的基本节奏排镜头，单集短剧一般 30 至 60 个镜头。
- 写模板字段：每条提示词按镜头号、景别、机位、主体、环境、时长、风格 7 项填空。
- 统一锚点：把主角外貌、服装、画风描述写成一段固定文本，逐条复制，保证角色一致性。
- 试生成与迭代：先每场挑 1 至 2 个关键镜头试生成，确认风格可行后再批量生成，避免整批返工。
按这个流程，一个 2 分钟的短剧单集，熟练后分镜提示词编写时间可压缩到 2 至 4 小时。
常见问题
问：提示词写中文还是英文效果更好？
答：主流模型对两种语言都能处理，关键不是语言而是结构完整。用中文写也行，但景别、运镜等术语要写全，别用口语化省略。
问：一个镜头生成效果不好，应该改哪里？
答：先检查是不是缺要素——多数问题是主体动作描述太模糊，或者塞了多种运镜。一次只改一处，方便定位原因。
问：不会写分镜，有工具能自动生成吗？
答：有。Action-Go 这类一体化工具能从剧本自动拆分镜；通用视频模型则需要自己按上面的 7 要素模板逐条手写，控制力更强但更费时。