AI 视频总是前后不一致？一张分镜表先锁住人物、镜头和节奏
AI 视频最让人崩溃的，往往不是“生成得不够漂亮”。
而是第一镜的人物、第二镜的服装、第三镜的空间，像来自三个不同项目。单独看都能用，连起来就像拼贴。
解决它，不一定要先换模型、堆更长的提示词。先在生成前做一件更朴素的事：把一条视频拆成几格，每格只讲清一个画面任务。
这篇给你一张可直接照抄的 6 格分镜表。适合做 15–30 秒的 AI 短视频、二创开场、知识口播插画或产品氛围片。
先记住一个原则： 先让每一格说清楚，再让 AI 去补画面。
一格里塞太多动作，人物、空间和镜头就更容易失控。
一、先写“一句话目标”，别从提示词开始
先用一句普通中文回答：观众看完后，应该记住什么？
例如，不写“做一个很有氛围的学习视频”，而写：
“夜晚回到书桌前，打开一盏灯，重新进入专注状态。”
这句话就是后面每一格的判断标准。任何镜头如果不能服务它，就先删掉。
二、分镜表里，先锁住这 6 件事
每格都按同一套信息写；不需要写得像电影剧本，能让自己复用就够了。
1. 主体锚点：每格都重复关键特征
写“谁 + 外观 + 固定道具”。比如：短发、灰色卫衣、木桌、银色台灯。
人物、服装或道具是连续镜头的“锚”。即使你换了景别，也把最关键的两三个特征再写一遍；不要只在第一格出现一次。
2. 单一动作：一格只留一个动词
把“走到书桌前、坐下、翻书、打开灯、开始写字”拆开。第一格只拍走近，第二格只拍坐下，第三格只拍打开台灯。
短镜头承载的变化越少，后续修一格也越不会牵连全片。
3. 镜头指令：只选 1–2 个维度
不必把所有摄影词都塞进去。每格写清：景别（近/中/远）+ 机位或运动 即可。
例如：“中景，缓慢推进”；“手部近景，固定镜头”；“侧后方跟拍”。如果同一镜头又要俯拍、环绕、快速推拉、慢动作，画面重点反而会丢。
4. 环境与光线：不要每格换一个世界
给项目定一条环境底线：夜晚书房、暖台灯、窗外微暗。之后每一格都在这条底线里变化。
如果需要转场，也写出转场理由，例如“灯光亮起后，桌面从昏暗变为暖黄”，而不是直接跳到白天咖啡馆。
5. 时长与声音：先定节奏，再生成画面
给每格一个大致时长，并写下它承载的一句旁白、一个环境声或一行屏幕文字。15 秒短片通常用 4–6 格就够；先把节奏排顺，后面更容易替换不满意的镜头。
三、可直接复制的 20 秒示例
目标：“夜晚回到书桌前，打开一盏灯，重新进入专注状态。”
- 0–3 秒： 灰色卫衣的人走近木桌；中景，侧后方跟拍；夜晚书房，整体偏暗。
- 3–6 秒： 手放下帆布包；手部近景，固定镜头；桌面有笔记本和银色台灯。
- 6–9 秒： 手按下台灯开关；近景，缓慢推进；暖黄色灯光逐渐照亮桌面。
- 9–13 秒： 人物坐下翻开笔记本；中景，固定镜头；窗外仍是夜色。
- 13–17 秒： 笔尖开始书写；手部特写；只保留写字声。
- 17–20 秒： 桌面与人物背影；远一点的侧后方镜头；屏幕文字“重新开始，也不晚”。
注意：这不是某个工具的固定提示词。你可以把它翻译成自己正在使用的生成工具更习惯的描述格式；真正要保留的是每格的锚点与单一动作。
四、生成后只按这个顺序修，不要整条推倒重来
- 先看主体： 人物、服装、固定道具有没有变？变了就只重做这一格，并补回主体锚点。
- 再看动作： 这一格是否只完成了一个动作？动作混乱就拆成两格。
- 最后看衔接： 上一格结束的位置，是否能接到下一格开始的位置？重点检查光线、人物朝向和道具位置。
逐格修的好处是：你知道问题出在哪一层，不会因为一个镜头不满意，把已经顺的节奏也一起推翻。
五、最常见的 3 个失控点
一个镜头承担一整段剧情。 先拆动作，再谈效果。
每格都换形容词。 “电影感、未来感、温暖、胶片、极简”一起上，画面方向会互相拉扯。定一个主风格，最多加一个辅助词。
人物只在第一格被描述。 后面至少重复人物的一个外观特征与一个固定道具，连续性会更容易维持。
今天就试一次：
把你准备生成的一条 15 秒视频，先写成 4–6 格分镜。不要追求漂亮，先保证每格只有一个动作。
如果这张表对你有用，建议先收藏；接下来会继续把“脚本、镜头、剪辑、发布”拆成一组能直接上手的二创实战课。
本文参考了 CapCut 关于从 brief、分镜到生成、编辑与导出的公开工作流说明，以及 Runway 关于图生视频中用动作与镜头提示控制画面的公开指南。外部产品仅作工作流参照，不代表合作或功能归属。
