很多人在制作短剧时遇到过这个问题：生成的每一个镜头看起来都还不错，但连在一起看却显得很奇怪。镜头与镜头之间的衔接生硬，人物的状态不连贯，场景显得割裂。整部剧看起来像是被硬生生拼凑在一起的，而不是一个有机的整体。
反过来看，有些人的短剧，即使同样是AI生成的，镜头与镜头之间的衔接就显得特别自然，整体的流畅感特别强。他们用的是同一个工具，生成的是同一个模型，为什么效果就是不一样？
问题往往出在分镜脚本上。但不是"有没有分镜脚本"的问题，而是"怎样写分镜脚本"的问题。
大多数人写分镜脚本时，写得太像真人电影。但真人电影的分镜脚本是给"能自主理解"的摄影师和演员看的。而AI的理解方式完全不同，它只能根据你写的文字逐字逐句地理解。写得太含蓄、太依赖"自主理解"，AI就会生成出你完全想不到的东西。
AI怎样理解分镜脚本
首先要明白一个根本的区别。
真人电影的分镜脚本写的是"想要什么效果"。比如"女主角走进房间，显得惊讶"。真人的摄影师会自动判断——"我应该用什么角度、什么焦距、什么光线来拍这个场景"。真人的演员会自动判断——"我应该怎样走进这个房间才显得自然"。他们有专业能力去"理解意图"然后"执行意图"。
但AI不一样。AI看到"女主角走进房间，显得惊讶"，它的理解是字面的。它不知道"惊讶"在表情上怎样表现、"走进"这个动作的具体幅度是多少、镜头应该怎样拍才能衬托这个情绪。如果你没有明确告诉它这些，它就会"猜"。而AI的猜测往往和你的想法完全不同。
这导致很多人觉得"AI生成的效果很难控制"。其实不是不能控制，而是你没有给足够明确的指令。
一份好的AI分镜脚本，应该把所有"隐含的、需要理解的东西"都显式化。你需要明确告诉AI：这个镜头的焦点在哪，焦点应该有多清晰，其他元素应该有多模糊，人物的具体表情应该怎样，光线从什么方向来，整个画面应该给人什么感觉。
一个镜头应该包含哪些要素
当你写一个镜头的描写时，通常需要考虑几个维度。
首先是景别。这决定了这个镜头的"重点是什么"。一个特写脸部的镜头，主要是为了展现表情和眼神。一个中景的镜头，重点是"人物和上半身的动作"。一个远景的镜头，重点是"人在环境中的位置"。不同的景别，AI应该生成出不同"清晰度分配"。
景别决定了后续所有其他元素的"重要程度"。在特写镜头中，背景应该完全模糊到几乎看不见，让人物的脸部成为唯一的焦点。在中景镜头中，背景可以略微清晰，但仍然是陪衬。在远景镜头中，人物和背景都应该相对清晰，但人物的表情细节可以牺牲。
其次是焦点位置。如果镜头中有多个人物或多个重要元素，你必须明确说出谁是焦点，其他的是陪衬。这一点特别重要，因为如果你不说，AI就会"平均化处理"，结果是所有人都略显模糊，没有人特别突出。
比如，一个三人对话的镜头，你不能笼统地说"三个人在聊天"。你应该明确说"A在说话，是这个镜头的焦点，显得特别清晰，表情和动作都很明显。B在听，但显得略微模糊，不抢A的风头。C坐在另一边，显得最模糊，几乎是背景的一部分"。这样AI才知道应该怎样分配"生成的清晰度"。
再次是光线。光线决定了整个画面的"感觉"和"氛围"。同一个场景，用冷光和用暖光，生成出来的"温度感"完全不同。你应该明确说"这个镜头是中午的阳光，显得明亮而温暖"，或者"这个镜头是夜晚的灯光，显得压抑而神秘"。甚至可以更具体——"光线来自左侧的窗户，显得柔和"，或者"光线来自顶部，显得有些压抑"。
最后是视角和角度。仰拍、俯拍、平视，这些决定了观众对人物的"心理感受"。一个"这个人很有气势、很强大"的镜头，应该用仰拍（从下往上看）。一个"这个人显得很脆弱、很无力"的镜头，应该用俯拍（从上往下看）。这个维度很容易被忽视，但对短剧的"心理暗示"影响很大。
好的分镜脚本和差的分镜脚本的对比
想象你要制作一个"A走进房间看到B"的情节。
差的分镜脚本可能是这样写的：
镜头1：A走进房间。镜头2：A看到B，显得惊讶。镜头3：B和A对话。
这样写，AI会生成什么？每个镜头可能都能独立成立，但连在一起就会出问题。A的脸在镜头1和镜头2中可能显得不一样。房间的样子在镜头1和镜头3中完全不同。A的表情可能不符合"惊讶"。B的位置和姿态前后不连贯。整个短剧显得很割裂，观众会明显感受到"这是拼凑起来的"。
好的分镜脚本是这样写的：
镜头1是A进房间的远景。重点是"展示环境而不是A的细节"。房间是一个现代公寓的玄关，装修简洁。光线来自右侧的窗户，显得温和而柔软。A从左边走进，速度不快不慢，表情平静，目光向前。A在画面中显得略微小一些，因为重点是"房间这个环境"。背景和房间的细节相对清晰，A略微模糊。
镜头2切到A的特写脸部。此时A正看向前方的某个方向，眼神突然扩大，瞳孔聚焦，嘴巴微微张开，显得既惊讶又在努力控制情绪。这是一个"内心有激烈活动"的表情，但没有过度表演。光线保持和镜头1一致，来自右侧，保持连贯性。背景完全模糊，看不见细节，只有一个淡淡的"房间"的轮廓。
镜头3是A和B的中景。A在左边，B在右边，两个人之间有距离感。A看向B，B也看向A。A的表情现在略微恢复到平静，但眼神中还有一丝未消退的惊讶。B的表情中立而有点困惑，显得在观察A。光线保持一致，仍然来自右侧。背景显得相对清晰，但不会抢人物的风头。
看到区别了吗？好的分镜脚本，每一个细节都明确，没有任何"AI需要自主理解"的地方。每个镜头都清晰地告诉AI：这个镜头的主要目的是什么、哪些东西应该清晰、哪些应该模糊、光线怎样、人物的表情和动作是什么样。
镜头与镜头之间的连贯性怎样保证
连贯性是多镜头短剧最容易出问题的地方，也是决定整部剧"质感"的关键。
最基础的连贯性是环境的一致性。如果镜头1和镜头2发生在同一个房间，光线的方向不能突然改变。如果镜头1的光来自左边，镜头2就不能突然来自右边，这样观众会有一种"空间跳跃"的不适感，甚至会怀疑"这还是同一个房间吗"。在分镜脚本中，你应该明确写出"保持镜头1中的光线方向"这样的细节。
其次是人物位置的连贯性。如果A在镜头1中站在窗户旁边，那么在镜头2中，A也应该在相似的位置。你不需要写得特别精确（比如"距离窗户1.5米"），但要给AI一个"空间方向"。比如"A仍然在窗户附近，但镜头从远景切到了近景，所以看不见窗户了，但可以推断A的位置没变"。
再次是人物状态的连贯性。如果A在镜头1中穿着蓝色衣服，那么镜头2中也应该是蓝色衣服。如果A在镜头1显得平静，镜头2突然变成激动，这个转变应该是有原因的（比如"A看到了什么导致情绪变化"），而不是无缘无故的。在分镜脚本中明确写出"A穿着同样的蓝色衣服"、"A的情绪从平静逐渐转为激动，因为她看到了B"。
最高级的连贯性是镜头之间的"心理流向"。不同的景别切换应该遵循某种逻辑。通常来说，镜头会从"广到近"或"近到广"。一个常见的模式是"先远景建立场景，再中景展现互动，最后特写展现情感"。或者反过来。这样的"镜头流向"显得自然而有节奏感。如果你随意地在特写和远景之间切换，就显得很生硬。
提示词和分镜脚本怎样配合
有很多人混淆了这两个概念。分镜脚本不等于提示词。
分镜脚本是高层级的创意设计。它回答的问题是"我想要什么样的镜头、有什么美学要求、镜头之间怎样衔接"。分镜脚本是你在"开始生成任何东西之前"就想好的东西。
提示词是具体的AI指令。根据分镜脚本，你把每个镜头的要求转化成提示词，输入给AI。
比如，分镜脚本中说"镜头1是A进房间的远景，背景是现代公寓玄关，光线来自右侧，A略微模糊，背景相对清晰，整体显得温和而柔软"。
对应的提示词可能是："a woman enters a modern apartment foyer, full body shot, soft light from right side, woman slightly blurred, interior clearly visible, warm and calm atmosphere, elegant and clean decor"。
分镜脚本的好处是，它让你在"还没有生成任何镜头"的时候，就把整个故事的视觉流程想清楚。这样做的结果是，生成时就不会显得"随意"或"混乱"。而是每一个镜头都是有目的、有计划的。
怎样系统地写一份完整的分镜脚本
如果你要制作一个完整的短剧，分镜脚本怎样写才最高效？
第一步，列出故事的所有关键镜头。不需要面面俱到，但每一个"重要的情节转折"都应该对应一个镜头。比如一个30秒的短剧，可能需要5-8个关键镜头。
第二步，对每个镜头，写明几个核心要素。景别是什么（特写、中景还是远景）。焦点是谁，其他元素怎样处理。光线怎样，从什么方向来。人物的具体表情和动作是什么，不要用"显得高兴"这样的笼统说法，要写"眼睛睁大，嘴角上扬，显得真心的笑"。背景的清晰度应该怎样，是完全模糊还是略微可见。这个镜头和上一个镜头的连贯性怎样保证。
第三步，检查整个分镜脚本的流畅性。想象你在看这部短剧，镜头间的切换是否显得自然？有没有"突兀"的地方？如果显得生硬，就在中间加一个"过渡镜头"。比如在"特写脸部"和"远景房间"之间，加一个"中景全身"的镜头，这样切换就显得不那么生硬了。
第四步，标注镜头的时间长度。不是指"这个镜头要停留多久"（那是剪辑的事），而是指"这个镜头应该显得像是多长时间的发生"。比如"A走进房间"这个镜头，可能应该显得像是"3秒钟"的动作，而"A和B对话"这个镜头，应该显得像是"持续的对话"。这会影响AI生成时对"动作幅度"的判断。
不同类型的短剧，分镜脚本的写法不同
快速搞笑短剧和文艺短剧，分镜脚本的写法是完全不同的。
搞笑短剧通常需要更多的镜头切换，每个镜头的时长很短。分镜脚本应该更加明确每个镜头的"笑点"在哪，怎样通过镜头的角度、人物的表情和身体语言来强化这个笑点。有时候，一个"从下往上的仰拍"就能让一个动作看起来特别可笑。
文艺短剧通常需要更少但更长的镜头。分镜脚本应该更加细致地描写"一个长镜头中发生了什么"，人物的情绪怎样逐渐变化，光线和背景怎样衬托人物的心境。比如"镜头持续10秒，A坐在窗边，光线逐渐变暗，表情从平静逐渐变为沉思"。这样的描写让AI知道"这不是一个快速的镜头，而是一个有情感弧线的镜头"。
古装短剧需要强调"历史场景的细节"。分镜脚本应该明确说"这是哪个历史时期、什么样的建筑风格、什么样的灯光方式（古代的油灯、蜡烛还是自然光）"。现代短剧则相反，可以更加关注"人物的表情和对话"。
分镜脚本的迭代过程
你不需要一开始就写得完美。实际上，大多数有经验的制作者的做法是：先写一份"初步的"分镜脚本，然后生成前几个镜头看效果，然后根据效果不断调整分镜脚本。
如果某个镜头的生成效果不符合期望，你就回到分镜脚本，检查是不是某个细节没有明确。比如"背景太清晰了"，说明在分镜脚本中，你没有明确说"背景要模糊"。或者说得不够强调。修改分镜脚本，强调"背景应该完全模糊，观众应该看不清任何细节"，然后再生成一次。
通过这个不断调整的过程，你会越来越理解"怎样的分镜脚本能让AI生成出最符合预期的镜头"。最后你就能写出"高效而清晰"的分镜脚本。
这个过程中，你也会积累"经验库"。比如"要让一个镜头显得特别清晰，需要明确说'焦点非常清晰，其他完全模糊'"。"要让一个镜头显得有电影感，需要描写'柔和的侧光，显得有质感'"。这些经验，就成了你下一个项目的宝贵资产。
一个系统化的分镜脚本，能让整部短剧的制作效率提高50%以上，因为你不需要无谓的重新生成和调整。每一个镜头都生成得相对准确，每一个镜头都能顺畅地衔接到下一个。整部短剧的最终质感，就从一开始的"系统化思考"开始了。
动态更新：2026-07-29