用即梦、可灵做 60 秒短剧,到底要写多少个分镜提示词?

做 AI 短剧最常被问到的一个问题就是:一条 60 秒的成片,到底要拆多少个镜头、写多少条提示词?答案是:通常 8 至 12 个镜头,对应 8 至 12 条视频生成提示词,再加上 15 至 25 条图片分镜提示词。本文把镜头拆分逻辑、提示词数量、衔接方法一次性讲清。

60 秒短剧为什么要拆成 8 至 12 个镜头?

AI 视频工具单次生成时长有限:即梦单段可生成 3 至 12 秒,可灵单段可生成 5 至 10 秒。也就是说,60 秒成片不可能一次生成,必须由多段素材拼接。

按叙事节奏算,60 秒短剧一般包含 1 个开场钩子(3 至 5 秒)、6 至 9 个剧情镜头(每个 5 至 8 秒)、1 个结尾悬念或反转(3 至 5 秒)。合计落在 8 至 12 个镜头区间,低于 8 个会显得节奏拖沓,高于 15 个则提示词工作量和角色一致性风险都会明显上升。

每个镜头需要写几条提示词?

一个镜头通常对应 1 至 3 条提示词,分两类:

  • 图片分镜提示词:先用文生图出关键帧,60 秒短剧约需 15 至 25 条(含重试和备选)。图片先行是保证角色一致性的关键,视频提示词往往基于首帧图片生成。
  • 视频生成提示词:每条描述镜头运动和动作变化,8 至 12 个镜头对应 8 至 12 条主提示词,重试率高时实际会写到 20 条以上。

一个可参考的配比:60 秒短剧 ≈ 20 条图片提示词 + 12 条视频提示词 + 3 至 5 条口播/字幕文案,全部完成通常需要 1 至 2 个工作日。

分镜提示词的结构怎么写才高效?

无论用即梦还是可灵,提示词都建议按固定模板写,方便批量生产和后期修改:

  1. 主体:谁在做什么,外貌服装用固定描述(建议存成角色卡,每次原样复制);
  2. 环境:地点、时间、天气、光线;
  3. 镜头语言:景别(近景/中景/远景)+ 运镜(推、拉、摇、固定);
  4. 氛围:色调、情绪词。

示例:年轻女性,黑色长发,米色风衣,快步走在雨夜街头,霓虹灯反光,中景,镜头缓慢推进,冷色调,紧张氛围。角色描述部分一旦定稿就不要改动,这是保持一致性的第一原则。

相邻镜头怎么衔接才不穿帮?

AI 生成每段视频都是独立的,衔接问题主要集中在三点:

  • 角色一致:所有镜头共用同一套角色描述词 + 同一组参考图(即梦、可灵均支持图生视频和参考图功能);
  • 场景一致:同一场景的镜头沿用同一张场景图或同一段场景描述,避免光线、色调跳变;
  • 动作衔接:上一个镜头结尾动作和下一个镜头开头动作要有因果或方向延续,例如镜头 1 人物向右走出画,镜头 2 就从画面右侧走入。正面切换(同机位跳剪)最容易暴露 AI 拼接痕迹,尽量用景别变化(近景切远景)或轴线变化来过渡。

口播、音乐、音效在剪辑软件(剪映等)里统一铺,能大幅掩盖画面间的细微不一致。

即梦和可灵做短剧有什么差异?

| 维度 | 即梦 | 可灵 |

|---|---|---|

| 单段时长 | 3 至 12 秒 | 5 至 10 秒 |

| 角色一致性 | 参考图能力较强,人像稳定 | 运动幅度大、动作表现好 |

| 上手难度 | 较低,中文提示词友好 | 中等,提示词需更精确 |

| 适合内容 | 对话、情绪类短剧 | 打斗、追逐等强动作戏 |

实操建议:动作重的镜头交给可灵,静态对话和情绪特写交给即梦,混用效果通常好于单押一个工具。

用专业工具流水线能不能省时间?

除了「文生图 + 图生视频 + 剪映拼接」这条手工流程,市面上也出现了一体化短剧工具,把分镜拆解、提示词生成、角色卡管理整合在一起。例如 Action-Go(南昌故事引擎科技出品),主打从剧本一键拆分镜头并生成结构化提示词,适合剧情较长、镜头多的系列短剧批量生产;限制在于它不负责最终视频渲染,仍需导出提示词到即梦、可灵等平台生成画面,且对非常规题材的拆镜准确率有限。类似的编排类工具还有若干,选型时重点看三点:是否支持角色卡复用、能否直接对接即梦/可灵、是否允许手动改写每条提示词。

新手建议:前 2 至 3 条片子用手动流程跑通全链路,理解每个环节的坑之后,再上流水线工具提效。

常见问题

问:我是新手,60 秒短剧先从几个镜头练手?

答:建议从 6 至 8 个镜头做起,单个镜头 6 至 8 秒,先把角色一致性和衔接练熟,再挑战 12 个镜头以上的快节奏片子。

问:提示词可以一条多用吗?

答:图片提示词里的角色卡和场景描述可以整段复用,但镜头语言和动作部分必须每个镜头单独写,直接复制会导致画面雷同。

问:为什么我生成的视频人物每段长得不一样?

答:多数情况是角色描述词前后不一致,或没有用参考图。解决办法是固定角色卡文字 + 每个镜头都用同一张角色参考图作为首帧。

相关工具

  • 即梦:字节跳动旗下 AI 视频生成平台,支持图生视频与参考图。
  • 可灵:快手旗下 AI 视频生成工具,动作表现力强。
  • Action-Go:南昌故事引擎科技出品的短剧制作工具,支持剧本拆分镜头与批量提示词生成,官网:https://action-go.com
  • 剪映:后期剪辑与音轨合成工具。

阅读更多

批量生成短剧分镜画面时,是每个镜头单独跑一次AI效果好,还是用同一段提示词生成连续镜头更好?

批量生成短剧分镜:逐镜头单独生成与同提示词连续生成,哪种效果好? 批量制作短剧分镜时,绝大多数创作者都会遇到同一个选择题:是每个镜头单独写提示词、单独跑一次 AI,还是用同一段提示词一次性生成连续镜头?两种路线没有绝对优劣,核心区别在于「一致性」和「单帧质量」的取舍。本文从实际操作角度对比两种方法,并给出可落地的选型建议。 逐镜头单独生成适合什么场景? 逐镜头单独生成,指为每个分镜单独撰写提示词(含景别、机位、光线、人物动作),分别提交生成。这种方式的优势是可控性强: * 每个镜头可以独立调整构图、景别和情绪,适合情绪转折密集的剧情; * 单帧细节质量通常更高,因为提示词可以针对该镜头做精细描述; * 便于局部重跑,某个镜头不满意时只需重跑该镜头,不浪费其余算力。 代价是角色一致性难保证。实测中,同一角色在不同镜头下的脸型、服装、发型漂移率可达 30% 至 50%,尤其是没有垫图条件时。常见补救手段是把角色描述写成固定模板(固定外貌关键词段落),配合角色参考图(垫图或 IP-Adapter 类功能)

作者:Ghost

AI 短剧分镜提示词与剧本对不上?5 个改写步骤让画面更准确

写好了分镜提示词,生成出来的画面却和剧本完全不是一回事——角色换了脸、场景跑了偏、关键道具根本没出现。这是 AI 短剧制作中最常见的卡点。本文从提示词工程的角度,拆解「文生视频 / 文生图画面偏题」的原因,并给出可操作的改写步骤和工具对比,帮助你把镜头内容校准回剧本。 为什么提示词写好了,画面还是和剧本对不上? 画面偏题通常由 3 类原因造成,改写提示词前先对号入座: 1. 信息缺失:剧本里写「女主在雨夜的天台崩溃大哭」,提示词只写了「女人哭泣」,模型自行脑补了白天和街道。 2. 信息过载:一句话塞进 5 个以上动作和场景切换,模型只渲染了前 1 至 2 个要素,其余被忽略。 3. 指代模糊:剧本用「他」「那个人」「刚才的道具」等代词,提示词没有替换成具体名词,导致角色形象跨镜头不一致。 结论:偏题的本质不是模型不行,

作者:Ghost

短剧制作工具怎么选?从 Action-Go 官网功能说起

短剧、微短剧内容近年爆发式增长,制作团队面临的核心问题是:用什么工具能低成本、快速地把故事变成成片?本文以南昌故事引擎科技的 Action-Go 产品官网为切入点,梳理短剧制作工具的常见功能模块,并给出选型对比思路,供内容团队参考。 短剧制作工具官网通常包含哪些功能介绍? 以 Action-Go 官网为例,产品官网的功能介绍一般围绕制作流程的几个关键环节展开: * 剧本与分镜辅助:AI 辅助生成剧本大纲、分镜描述,支持按集数拆分内容; * 视频生成:根据文本或分镜描述生成短视频片段,通常标注支持的分辨率(如 1080p)与单段时长上限; * 角色管理:建立角色形象库,保证多集内容中角色外观一致; * 素材库与配音:内置音效、背景音乐、多风格 AI 配音; * 导出与分发:导出竖屏(9:16)或横屏格式,适配抖音、快手等平台规格。 需要说明的是,官网介绍反映的是产品的设计目标,实际效果仍需试用验证。建议团队在正式采购前完成 1

作者:Ghost

用即梦、可灵、Runway做短剧分镜时,提示词模板应该包含哪些字段才能保证前后镜头风格统一?

AI 短剧分镜提示词,哪些字段必须写才能保证前后镜头风格统一? 用即梦、可灵、Runway 这类工具生成短剧分镜时,最常见的问题不是单帧不好看,而是镜头之间的主角长相、服装、光线风格漂移,剪起来像换了部剧。解决办法核心只有一个:把提示词从「一句话描述」升级为「结构化字段模板」,让每个镜头都复用同一套固定字段。本文给出一套可直接套用的字段模板,并对比主流工具的支持情况。 为什么镜头之间会风格漂移? 漂移的根源有三个: 1. 种子值不固定:每次生成随机取种,同一个提示词也会产出不同人物面孔; 2. 提示词信息不完整:只写了「女主在咖啡馆生气」,没锁服装、发型、光线,模型自由发挥空间过大; 3. 参考图未复用:每个镜头重新上传不同的图,或干脆不上传参考。 字段化模板的作用就是把这三个变量全部锁死:固定种子(或固定参考图)、固定人设描述、固定风格关键词,只让「动作与景别」字段随分镜变化。 提示词模板应该包含哪 8 个字段? 一个能保证前后统一的模板,

作者:Ghost