为什么你用AI写的分镜剧本不好用

前阵子我在文章里聊过，为了用AI做视频，我跑去先补了一轮导演课。

很多刚开始尝试做AI漫剧、AI短剧的朋友经常问我一个问题：“ 我明明让AI帮我写好了全套分镜脚本，为什么丢进生图、生视频工具里，做出来的画面不是人物疯狂穿帮，就是像PPT一样无聊的流水账？”

答案其实很扎心：因为 AI默认给你生成的分镜，只是“看起来很专业的文字游戏”，根本不是能直接喂给视觉模型的“施工图”。

刚好最近我在打磨一个90秒的悬疑短剧分镜《末班车》（讲一个连续加了7天夜班的女护士坐上末班公交，发现车上的乘客和报站器全不对劲的故事）。

AI给我交的第一版分镜（v1版，27镜），乍一看表格整齐、术语齐全；但我实际审完，直接给它打回去重写，逼着它按我的5条意见改出了第二版（v2精细版，47镜）。

今天我就把这两版分镜放在一起做个直观对比，跟大家聊聊：AI 默认生成的分镜到底蠢在哪里？我们该怎么下指令，才能让它写出真正好用的分镜？

一、坑点 1：用“形容词”凑质感，导致每一镜画风都在乱跳

当你让AI写分镜提示词时，它最爱写什么？

在我拿到的 v1 初版 里，它是这么写的：

_“ 写实电影感，暗调，35mm胶片质感，轻微颗粒，低饱和，青灰色调”_（甚至很多时候还会写 cinematic, 8K, masterpiece）。

为什么这不好用？ 因为“电影感”“暗调”“大师级”全都是虚无缥缈的形容词，它们不改变任何一帧的物理事实！AI在生成第1镜和第5镜时，对“暗调胶片感”的理解完全不同，拼在一起就像从十部不同电影里抠出来的素材。

我是怎么逼它改出 v2精细版的？ 我让它在写具体镜头前，先定死一张全片雷打不动的《影像总纲（胶片宪法）》，把形容词全部换成具体的 物理器材与色彩参数：

底片与冲印：直接指定 Kodak Vision3 500T 5219（推1档感光度） + Kodak 2383 印片，规定高光大于85 IRE处出现2~3像素的橙红光晕（Halation），黑位抬升到 +6 IRE（全片绝不出现死黑）。
镜头铁律：指定 Cooke S4 球面镜头，并且加上一条死命令——“****禁止 24mm以下的广角畸变”（很多AI视频看着像廉价手机拍的短视频，罪魁祸首就是广角畸变）。
唯一色彩锚点：全片整体饱和度压低，规定**只有车厢里小女孩脖子上的 “红围巾”饱和度大于60%**，其余所有画面色彩饱和度一律不超过35%。

把这串物理参数变成固定后缀锁死在每一镜末尾，全片47个镜头的色调和颗粒感瞬间统一。

二、坑点 2：衣服和群演写得太笼统，分分钟变成“穿帮灾难”

做AI漫剧最让人崩溃的就是“人物一致性”——上一秒衣服还是白的，下一秒变灰了；上一秒道具在左手，下一秒没了。

看看 v1 初版 是怎么糊弄我的：

如果直接拿这个去生图，女主角每换一个镜头就像换了一件新衣服，而那五个乘客会直接变成五个复制粘贴的黑色塑料模特，一点悬疑恐怖感都没有！

在 v2 精细版 里，我要求AI做了两件事：

给主角加上 5把“连续性锁”：不仅规定护士服是洗过40次以上的“本白偏灰（#E8E4DA）”、眼下青黑是灰紫色（#6B5A66）、脸上有12小时夜班后的真实鼻翼油光，还锁死了5个每镜必查的细节——①****工牌深蓝挂绳右侧有 1cm裂口；②右颊贴8根湿碎发；③裤脚泥点左3右1；④袖口固定卷两道；⑤风衣肩线由湿到干渐变。
给群演建立 “剪影辨识卡”：恐怖感来自“这是一车真实的人，而不是五个黑影”。我让AI把五个乘客拆成了完全不同的体态剪影——戴灰呢帽拄拐杖前倾的老人、穿米色大衣双手护腹坐直的孕妇、戴耳机头随车晃的校服中学生、抱公文包的西装男、以及全片唯一双脚悬空不着地、戴着红围巾的小女孩。

更妙的是，前面锁死的“工牌挂绳1cm裂口”，在第04镜特写出现一次，到了片尾第44镜空座位上再次特写同一个裂口——不需要一句台词，观众就能自己算出“她已经消失了”。

三、坑点 3：没有空间平面图，AI排站位全靠“瞎蒙”

为什么AI生成的分镜接在一起经常让人方向感错乱？因为AI脑子里根本没有“三维空间”。

在 v1 初版 里，站位永远是模糊的文学描述： _“ 她坐进倒数第三排靠窗”“最后一排靠窗有一个人形”_。至于车门在哪边、过道有多宽、摄像机离她几米，全靠生图时撞大运。

在 v2 精细版 里，我要求AI在动笔前，先给我画出一张以 “米”为单位的车厢平面坐标系（车尾是 z=0，车头是 z=9，左列座椅x=-0.85，右列 x=+0.85）：

维度

v1 初版的笼统写法

v2 精细版的坐标级写法（以 S02-14 镜为例）

人物位置

“她坐进倒数第三排靠窗”

林晚位于 L4（x=-0.85, z=4.00），坐下瞬间躯干朝 +z 偏 -8°，头右侧 25° 靠向车窗，视线 -z 下垂 30°

背景关系

“后排有一个人形轮廓”

暗影位于 R1（x=+0.85, z=1.00），距机位 5.6m 落在 f1.5 焦外边缘，与右前景的林晚形成右下到左上的斜线对角构图

有了这张平面图和12个固定坐标机位（P1~P12），每个镜头谁在左、谁在右、视线往哪看，逻辑严丝合缝。

四、坑点 4：80%的镜头都在“同一个高度”，切多少刀都是流水账

很多朋友觉得自己的AI漫剧节奏慢，就拼命加镜头数。但我在对比两版分镜时发现了一个核心规律：流水账不是因为镜头少，而是因为镜头 “同质”。

在 v1 初版 的27个镜头里，AI偷懒把其中20 个镜头全部架在了同一个高度（眼高约1.45米）、同一个侧向、用着差不多的35mm~50mm焦段。如果同一高度、同一焦段一直拍，哪怕你切50刀，观众看着照样犯困！

为了治好这个毛病，我在 v2 精细版 里给AI立下了“每3镜必变一个变量”的硬规矩：

拉开机位高度差（ 0.10m ~ 2.28m）：既有贴在地面 0.10m 拍轮胎碾过水洼、鞋跟踩过地板硬币的极端低角，也有架在车厢顶棚 2.10m 把人压小的俯拍，还有躲在座椅之间 0.75m 把椅背拍成山脊的怪异视角。
焦段冷热对撞（ 18mm vs 135mm）：用 24mm 拉长过道制造深不见底的孤立感，下一秒立刻切 85mm/135mm 特写把背景死死压扁在她脸上。
加入 “车外第三方偷窥视角”：除了客观镜头和她的主观视角（POV），专门加了4个从车外雨夜隔着玻璃往里拍的镜头——让观众瞬间产生一种“车外雨夜里还有一双眼睛在盯着她”的寒意。

五、坑点 5：动作描写只有“结果”，没有“0.1秒微动作与物理量”

现在大家用可灵、即梦或Runway生成视频时，最怕写“她很害怕”“她猛地回头”——AI一看到这种笼统词，就会生成五官乱飞、肢体扭曲的惊悚废片。

真正好用的分镜，必须把情绪翻译成0.1~0.5 秒的微动作和看得见的物理变形量：