视频分镜导演

概述

分镜导演（aiwan-storyboard-director）

把「一个故事」变成「一套能直接开工的生产物料」。不聊创意玄学，只交付四样东西：剧本、资产提示词、视频提示词、修补用出图提示词。

一、这套流程解决什么问题

AI 短剧最常见的失败不是「模型不行」，而是上游物料没准备好——角色每集换脸、场景接不上、镜头写不出、提示词里全是模型看不懂的抽象词。本技能的作用是在开拍前把这些全部锁定。

流转关系： 剧本 → 提取资产 → 生成资产图 → 剧本 + 资产图 → 视频提示词 → 出片 → 残次镜头用出图提示词返修。

二、起手式：先确认五个参数

在动笔之前，必须先和用户确认以下五项。参数不齐就开始写，后面一定返工。

确认后全程锁定，不得中途漂移。参数一旦变化，资产提示词和视频提示词必须同步重出。

三、阶段一「文」：写剧本

3.1 分集结构：三幕骨架

统一口径——本技能使用一套三幕骨架，按集数展开，不再使用「三幕/四幕」两套说法：

20 集时第 4 段在功能上等于「合」的延长，不另立第四幕。

3.2 单集节奏模型（15 秒）

单集公式：冲突前置 + 情绪拉扯 + 阶段打脸 + 结尾留钩

每集镜头总数 3–7 个：情绪／对白集 3–4 镜（4–5 秒/镜），动作集 5–7 镜（2–3 秒/镜）。

3.3 台词字数硬上限

15 秒画面按中文正常语速（4–5 字/秒）只能承载 ≤ 60 字台词。超过这个数，配音一定撞车或被迫加速，听感崩坏。

⚠️ 常见错误：把「真人长视频短剧」的写作习惯（每集 1000–1500 字）直接搬进 15 秒 AI 短剧，导致信息密度爆炸、配音听不清。本技能的单集是 15 秒，不是 1 分钟。

3.4 第 1 集的额外要求

• 开头必须设计黄金三秒：强画面／强台词／强冲突／强反差／强悬念，任选其一，禁止平铺直叙交代背景
• 必须完成三件事：介绍世界观、交代主角核心欲望、抛出核心冲突
• 第 2 幕结尾埋一个颠覆性大反转，第 3 幕揭露真相并给出相对闭合的结局

3.5 剧本文件结构

一份完整剧本包含六块，缺一不可：

# [标题] - 剧本

一、核心梗
二、故事梗概
    故事背景 / 开场冲突 / 主角画像 / 主线事件 / 结局
三、一句话卖点
四、人物小传
    **角色名**
    视觉形象 / 身份背景 / 核心标签 / 性格特点 / 金句
五、剧本大纲
    前期（起）/ 中期（承转）/ 后期（高潮）/ 尾声（收尾）
六、剧本正文
    第1集 … 第N集（△分镜格式）

一句话卖点公式： [情绪号召] + [核心冲突] + [视觉高潮画面]

人物小传写法对比：

❌ 不可用：林某：30多岁，教头，性格隐忍

✅ 可用：

林某
视觉形象：三十多岁，面容刚毅沧桑，身穿破旧棉袄，头戴毡笠，手持长枪，腰悬酒葫芦。
身份背景：前禁军教头，现沧州囚犯。
核心标签：隐忍不发、悲情英雄、杀神降临。
性格特点：原本委曲求全，被逼入绝境后爆发极强的决绝。
金句：「这世道，逼好人做鬼！」

3.6 △分镜剧本格式

每集严格遵循：

第X集
X-X [日/夜] [内/外] [场景名称]
道具：道具1、道具2
出场人物：角色1、角色2

△ 【空镜】开场氛围镜头描述（画面 + 运镜 + 光影）
△ 镜头2 描述
角色名（vo）：内心独白
△ 反应镜头
角色名（怒）：对白
△ 动作序列，用 → 连接连续动作
【字幕：屏幕文字】
△ 【闪回】闪回场景
△ 闪回镜头内容
【闪回结束】
△ 回到现实
角色名（os）：画面外说话
△ 高潮动作
△ 【空镜】结尾氛围镜头

行类型规则（关键，避免歧义）

⚠️ 原版格式文档自相矛盾之处已修正：【闪回结束】 是标记行而非镜头行，因此不带 △，不是格式违规。

对白标注（os / vo 正确定义）

行业标准里这两个词的含义恰好和很多教程相反，请以此表为准：

⚠️ 高频错误：把内心独白标成 （os）、把门外说话标成 （vo）——两者恰好写反了。记住：inside the scene but off camera = os；not in the scene at all = vo。

镜头语言必须写具体

• 景别：远景／全景／中景／近景／特写／大特写
• 运镜：推镜头／拉镜头／摇镜头／移镜头／跟镜头／环绕镜头／升降镜头／希区柯克变焦／一镜到底／手持晃动
• 组合写法：中景推近、特写环绕、远景俯拍、快速推近、缓慢拉远
• 动作链：用 → 连接，如 长枪刺出 → 血溅雪地 → 染红一片
• 感官层：视觉（颜色/光影/构图）+ 听觉（环境声/动作声）+ 触觉（寒冷/疼痛/质感）

四、阶段二「资」：资产生成计划

4.1 编号规范

同一角色可占多个编号（正面全身／侧面动态／背面远行／受伤状态／少年时期）。

4.2 风格前缀（一致性的命门）

所有资产提示词必须以同一个风格前缀开头，否则成片会风格撕裂：

中国水墨画风格混合动漫赛璐珞渲染
电影级写实风格，戏剧性光影
3D 皮克斯风格动画渲染
科幻赛博朋克美学，霓虹灯光

角色辨识度靠配色方案 + 视觉标记区分（如：黑高马尾 + 青白长袍 + 背负长剑）。

4.3 三类资产提示词要求

人物（全身正面、纯白背景）

1. 必须写明「全身站立」「正面视角」「从头到脚完整入镜」
2. 必须包含鞋子描述——这是避免生成半身图的关键
3. 手中不持任何物品，双手自然垂落，身体直立
4. 表情中性，无表情
5. 必须描述：身高、体型、年龄、发型、发色、脸型、眼睛、服装、鞋子
6. 成年角色采用接近二八身材比例，形象自然、有镜头感
7. 反派也不宜设计得过分丑陋，保留角色特征的前提下兼顾美观

场景（每个重要场景三条）

1. 场景中不得出现任何人物
2. 影视剧质感，贴合剧本的时代、地域、阶层、氛围
3. 三条为：正打场景图、反打场景图、侧面全景图
4. 正反打依角色可能的站位与对话方向设计，便于后续做分镜参考
5. 侧面全景图展示完整空间关系，便于理解站位与调度
6. 不得出现文字、水印、海报、人物剪影或无关元素

道具（纯白背景、单独展示）

1. 纯白背景，无人物，无真实环境背景
2. 主体清晰，材质、年代感、使用痕迹贴合剧本设定
3. 若道具承载剧情线索、身份反转或悬念，提示词中要体现其重要性
4. 不得出现文字、水印或无关装饰

4.4 角色四视图

全身正面图定稿后，再生成三视图（正面/侧面/背面）+ 脸部特写：

生成全身三视图以及一张面部特写。（最左边占满 1/3 的位置是超大的面部特写，
右边 2/3 放正视图、侧视图、后视图，二八身材比例），纯白背景。
风格须与已确认的视觉风格一致。

⚠️ 提示词里必须复述画风，否则同一张图里各视图的风格可能不一致。

4.5 出图比例

4.6 常见问题

五、阶段三「视」：Seedance 时间轴提示词

5.1 单集三件套

a. 素材上传表

| 上传位置 | 素材ID | 素材描述 |
|----------|--------|----------|
| 图片1 | C01 | 主角正面全身（角色一致性参考） |
| 图片2 | S01 | 场景参考 |

b. 时间轴提示词

[风格描述]，15秒，9:16竖屏，[整体氛围]

0-3秒：[场景建立] - [运镜]，[画面描述]，[氛围营造]
3-6秒：[主体引入] - [运镜]，[具体动作]，[情绪]
6-9秒：[冲突发展] - [运镜]，[关键动作]，[细节特写]
9-12秒：[高潮转折] - [运镜]，[情绪爆发]，[视觉冲击]
12-15秒：[结尾落版] - [运镜]，[最终画面]，[余韵]

【声音】只写音效，不写配乐，不要求字幕。[具体音效：脚步声、碎裂声、喘息声]
【参考】@图片1 [用途]，@图片2 [用途]

c. 尾帧描述——记录最后一帧的画面要素，确保下一集接得上：

场景：（环境）
主体：（谁、什么姿态、在画面哪个位置）
背景：（背景元素）
光线：（光源方向与性质）
构图：（主体与背景的位置关系）
氛围：（情绪基调）
用途：作为 EXX 的开场衔接

尾帧描述不能只写一句话（如「主角走向山神庙」）。缺任一要素，下一集必接不上。

5.2 集数衔接

从第 2 集起，二选一：

5.3 声音规则（统一口径 · 必读）

视频模型只生成音效，不生成配乐，不生成字幕。

理由：视频模型不具备可控的配乐生成与音画对位能力，强行要求会污染画面生成。因此：

⚠️ 已统一修正：原版资料中「视频提示词里写配乐」和「只生成音效」两种相互冲突的说法，现以本表为准——视频提示词里只出现音效。

音效三层结构：

5.4 多模态引用语法

@图片1 作为首帧
@图片2 作为尾帧
@图片3 作为角色形象参考
@图片4-6 作为场景参考
@视频1 参考运镜方式
@视频2 参考动作节奏
@音频1 用于配乐

平台限制：单次最多 12 个文件（图片 ≤9 + 视频 ≤3 + 音频 ≤3），视频与音频参考总时长 ≤15 秒；复杂提示词（300 字以上）指令遵循度会下降。

5.5 更多模板

16 套可套用模板（叙事／产品／角色动作／风景旅拍／续拍／剧情改编／情感冲突／产品动效／空间漫游／对战／口播／音乐卡点／战争／长镜头追踪／伪纪录片等）见 references/seedance-prompt.md。

六、阶段四「剪」：分镜优化与后期

6.1 分镜图的两个作用

6.2 标准出图提示词公式

【艺术风格/媒介】+【景别与视角】+【主体描述】+【环境场景】+【光影与色调】+【画质与质感修饰词】

6.3 抽帧返修流程

1. 在剪辑软件中抽取崩坏前的最后一帧
2. 用图像编辑模型 + 局部修改提示词修好这一帧
3. 以该图作为首帧，回到视频模型重新生成后半段
4. 剪辑软件中拼接

6.4 图片裂变技巧

多视角转换：基于此图，生成XX视角/XX景别，姿势与动作保持不变。
九宫格批量：根据这张图，生成不同视角景别，姿势动作不变，3*3九宫格，16:9，左上角标注清晰数字序号。
四宫格场景：生成 2*2 四宫格场景多视角参考图。左上俯拍、右上正向、左下左侧、右下右侧。
            四格必须是同一场景，保持同一空间、光照、色调与氛围。
局部修改：将[主体]的[部位/物品][修改内容]，其余保持不变。

详见 references/post-production.md。

七、脚本工具

三个脚本，零依赖，纯 Python 标准库，不需要 pip install。它们位于技能自身的 scripts/ 目录内（即 SKILL.md 同级），与用户项目目录无关。

⚠️ 路径是第一大坑：不要在用户项目里写 scripts/xxx.py 这种相对路径。 实际使用时工作目录是用户的项目，相对路径必然找不到脚本。正确做法是先解析出技能目录，再一律用绝对路径调用；而剧本、分镜表等输入输出文件则可以给绝对路径，或相对于当前工作目录的路径。

# 技能目录解析：优先用你已知的 SKILL.md 所在目录，取不到时回落到默认安装位置
SKILL_DIR="${SKILL_DIR:-$HOME/.workbuddy/skills/aiwan-storyboard-director}"
PY="${PYTHON:-python3}"

素材清单的两个关键参数（不设会出废稿）：

• --aspect：写进场景提示词的画面比例，默认 9:16，与技能默认的竖屏口径一致。做 16:9 横屏时必须显式传 --aspect 16:9。
• --non-human：逗号分隔的角色名，强制走「非人主体」提示词模板。人体模板里的「鞋子描述 / 双手自然垂落 / 二八身材比例」套到动物身上是错的，所以脚本内置两套模板。名字里带物种词的角色（橘猫、大黄、狐仙、机器人…）会自动分流，但纯昵称角色判不出来——比如「团子」是只猫，名字里却没有「猫」，这时必须显式传 --non-human "团子"。

7.1 格式自检校验什么

△剧本模式：

• 每集是否以 第X集 开头、是否含场景头 / 道具 / 出场人物
• 镜头行是否以 △ 开头；标记行是否正确不带 △
• 对白标注是否合法（os / vo / 情绪），并提示 os-vo 写反的高频错误
• 【闪回】 与 【闪回结束】 是否配对
• 每集镜头数是否落在 3–7
• 台词总字数是否超过 60 字上限
• 是否出现不可拍摄的心理描写（「心里想」「意识到」「突然明白」「感到绝望」「回忆起」）

表格模式：

• 表头列是否齐全（分镜号 / 景别 / 镜头运动 / 画面内容 / 台词 / 预估时长 / 分镜出图提示词）
• 时长合计是否落在 13–15 秒
• 是否有连续相同景别（违反景别变化要求）
• 单镜时长是否在合理区间（冲突戏 1.5–3 秒，铺垫戏 3–7 秒）
• 声音字段是否误写「配乐 / BGM / 音乐」（本技能规定：只音效）

退出码：0 = 全部通过，1 = 存在错误，2 = 仅警告。可直接接进 CI 或批量检查。

可以一次传多个路径（文件或目录，目录会递归找 .md）：

$PY "$SKILL_DIR/scripts/validate_storyboard.py" 剧本目录/ 分镜表.md --quiet

输出里无法识别为剧本/分镜表的文件会标为「跳过」，不会误报。

八、交付清单

一套完整交付包含：

1. 完整剧本 — 核心梗、故事梗概、一句话卖点、人物小传、分集大纲、△分镜正文
2. 角色资产提示词 — 每个角色全身正面提示词 + 四视图提示词
3. 场景资产提示词 — 每个场景正打 / 反打 / 侧面全景三条
4. 道具资产提示词 — 每个道具独立展示提示词
5. Seedance 时间轴提示词 — 每集一条，含素材上传表和尾帧描述
6. 集数衔接说明 — 每集尾帧描述，保证连续性

九、交付前自检

[ ] 参数五要素（风格/集数/画幅/基调/核心梗）全程一致
[ ] 每集台词 ≤ 60 字，单条台词 ≤ 25 字
[ ] 每集镜头数 3–7，时长合计 13–15 秒
[ ] 每集有明确的情绪弧线，结尾有钩子
[ ] 镜头行以 △ 开头，标记行不带 △
[ ] os / vo 标注方向正确（内心独白=vo，画面外说话=os）
[ ] 景别有变化，无连续相同景别
[ ] 无不可拍摄的心理描写
[ ] 视频提示词的【声音】段只有音效，没有配乐与字幕指令
[ ] 尾帧描述六要素齐全（场景/主体/背景/光线/构图/氛围）
[ ] 资产提示词风格前缀统一，编号无冲突

可直接用 $SKILL_DIR/scripts/validate_storyboard.py 自动跑完大部分检查项。

十、合规边界

创作前请确认内容本身合规，不通过改写技巧去规避平台审核：

• 不模仿真人肖像：不使用真实人物的面部特征生成角色，也不使用在版权保护期内的影视角色形象
• 不做违禁内容：暴力血腥、色情低俗、违法犯罪、危害未成年人等内容一律不写
• 优先公有领域题材：古典名著、历史事件、民间故事、原创虚构，是安全且耐用的素材来源
• 敏感表达写正向版：某些表述会触发模型安全拦截。正确做法是修改内容本身，用中性、正向的表达替代，而不是靠遮挡、加网格等方式绕过审核
• AI 生成须标注：发布时按平台要求标注 AI 生成内容

详细合规自查表与敏感表达改写建议见 references/safety.md。

参考文档索引

本技能由「我爱玩科技」出品。