内容目录

用AI做分镜：从文字脚本到动态预演的正确姿势

很多第一次用AI做视频预演的人都有同一种挫败：脚本写得好好的，丢给文生视频，出来的画面要么构图完全不对，要么前后镜头的景别、机位乱跳，拼起来根本不像”分镜”，像一场事故。

问题多半不在模型，而在流程——把分镜当成”一句话生成视频”，本身就是错误用法。下面按正确的工作顺序拆一遍。

第一步：先把脚本翻译成”镜头语言”，而不是直接喂给模型

文字脚本和分镜脚本是两种文档。前者讲故事，后者要明确每个镜头的五件事：景别（远全中近特）、机位与运动（推拉摇移跟）、时长、画面主体、氛围光线。

AI模型不负责做这个翻译——它没有你片子的叙事意图。正确做法是自己（或让大模型辅助）先把脚本拆成镜头表，每个镜头写清这五项。这一步做好了，后面所有环节的命中率都会翻倍。

实操参数参考：单个提示词只描述一个镜头；景别和运动必须写明（如”中景，缓慢推近，浅景深”）；一个镜头对应的提示词控制在60字以内，多余的形容词只会稀释关键信息。

直接文生视频是大忌。成熟的流程是两段式：先文生图，把每个镜头的关键帧用图片锁定——构图、人物、光线全部在这一步确认和重roll，成本几乎为零。

图片满意之后，再用图生视频让这一帧动起来。图生视频（image-to-video）的好处是起点确定：模型只需要补”运动”，不需要同时猜”画面长什么样”。这直接解决了”每次生成构图都不一样”的痛点。

第二个结论：把”想画面”和”做运动”拆成两步，返工成本能降一个数量级。

各个镜头的单片段生成后，别急着精修，先按脚本时长粗剪一版预演。这一步要检查的是节奏和叙事，不是画质：

节奏问题在这个阶段改，只是挪顺序、删镜头；到了精修之后才发现，就是重来。

跨镜头的人物和场景一致性，是AI分镜最大的坑。靠提示词复述是不够的，可靠的做法是建立锚点资产：给主角出一组固定角度的参考图（可用LoRA微调或角色参考功能），每个镜头生成时都挂上这组参考；场景同理，先锁定一张场景定稿图，作为所有该场景镜头的首帧或参考帧。

这也解释了为什么专业团队敢用AI做客户预演——不是模型更强，而是他们把一致性变成了资产管理问题，而不是抽奖问题。

AI动态预演给客户看的，是”节奏、景别、氛围”这三件事，不是成片质量。交付前主动说明这一点，能省掉大量”为什么头发会动”之类的无效反馈。反过来说，如果你需要的是接近成片的效果，那预演阶段就要按成片标准选模型和精修，预算和周期完全是另一个量级。

在 AI广告制作
项目里，我们给动态预演定的验收项就是三条：叙事完整、景别节奏对、关键氛围到位——三条过了才进正式制作，客户的修改意见也集中在预演阶段消化。

用AI做分镜，正确姿势可以压成一句话：先拆镜头表，再锁静态帧，后做动态，用锚点资产管一致性，预演阶段消化所有修改。
每一步都把不确定性提前消灭，这是流程的价值，也是AI时代创作和”抽卡”的区别。

如果你想看 AI广告
从脚本到预演的完整落地案例，可以参考我们公开的其他几篇拆解笔记。