提示词里的人物描述该写多细
过细会互相冲突,过粗会漂移。给出「三条硬锚点 + 两条可变量」的写法。
这里按条目编号收录短剧编剧、漫剧作者与AI内容团队常用的做法笔记:一段提示词怎么写到能复用、分镜表怎么拆成可生成的镜头、同一人物在不同镜头里怎么不跑形、配音字幕与成片节奏怎么对齐。每条都附提要与正文,点标题可直接跳到该条目。
很多人生成短剧漫剧时,卡住的不是画面质量,而是「一句剧情 → 一组镜头」这一步。本文用一段 40 秒的开场戏做示范:先把剧情拆成动作单元,再给每个单元定景别、机位与情绪词,最后才落到提示词。附一张可复用的分镜表字段清单,以及哪些字段值得固定、哪些必须每镜改写。
从参考图、描述锚点与镜头顺序三个角度解释跑形原因,给出「先锁脸再锁衣」的排序建议。
对白密度与镜头数的换算经验,避免语速跟不上画面切换。
把一次性调好的提示词变成团队可复用模板,需要固定哪几段结构。
过细会互相冲突,过粗会漂移。给出「三条硬锚点 + 两条可变量」的写法。
远景、中景、近景、特写在生成时容易被理解成什么,如何补一句约束。
把「氛围感」换成可执行的光位与色温描述,减少同一场景明暗跳变。
列举抽象形容词堆叠、否定句误用等常见问题,附改写示例。
以「女主在雨夜发现信封」为例。第一步不是写提示词,而是把剧情拆成动作单元:推门、看见地上信封、弯腰、拆封、读信后停顿。五个单元对应五个镜头,每个镜头再定景别与机位,比如推门用中景侧后机位,看见信封用近景俯拍。景别确定之后才写描述,描述围绕「谁、在哪、做什么、光从哪来」四件事,不堆形容词。
分镜表建议固定六列:镜号、动作单元、景别机位、情绪词、人物锚点、备注。前四列每镜改写,人物锚点全片固定,备注记录本镜容易出现的问题。这样即使换人生成,也能靠表复原画面。
建议只写三条硬锚点:脸型与发型、标志性服饰、体型年龄感;另外两条作为可变量:表情与手持物。硬锚点每次原样复制,可变量随镜头调整。这样既保证跨镜一致,又不会因为描述过多导致模型在细节上互相打架。
中文里「特写」有时会被理解成半身,建议补一句「只到肩部以上,背景虚化」。近景写「胸口以上入画」,中景写「膝盖以上入画」,远景写「人物占画面高度不足三分之一」。用可量化的入画范围代替形容词,稳定性明显提升。
把「氛围感」拆成三件事:主光方向、光源性质、环境亮度。例如「主光从画面左侧窗外来,柔和散射,室内其余部分偏暗但不死黑」。同一场景的所有镜头沿用同一句光线描述,只有人物走位变化时才改主光方向。
按对白密度与动作密度估算镜头数,给出漫剧与写实短剧的差异区间。
硬切、叠化、遮挡转场在生成阶段的替代写法。
对白与画面切换的匹配经验。
用信息差与动作悬念替代大场面,附三个可直接套用的开场结构。
写实短剧一般每 3 至 5 秒一个镜头,三分钟约 40 至 60 镜;漫剧因为画面信息量低,可以放慢到每 4 至 7 秒一镜,约 28 至 45 镜。对白密集的段落按台词句数估算更准:每句台词配 1 至 2 镜,长句拆成反应镜与主体镜。
生成阶段很难直接做复杂转场,建议在分镜表里把转场写成「前后两镜的画面关系」:遮挡转场就让前一镜以人物背影占满画面,后一镜从同一构图拉开;叠化则让两镜保持同一背景色与光线。这样剪辑时几乎不需要额外处理。
经验值是每 8 至 12 个字配一镜。短句连发时用正反打快速切换,能制造争执感;长句独白则保持单镜,用细微表情变化维持注意力。若一句台词超过 25 字,建议拆成两镜,中间插入一个环境或道具的反应镜,避免画面停滞。
三个可套用的结构:一是动作进行中开场,人物已经在做某件反常的事;二是信息差开场,先给观众看到角色没看到的东西;三是结果前置,先给冲突结果再倒回起因。三种结构都不依赖大场面,适合生成成本有限的漫剧。
镜头顺序与参考图权重的关系。
不同景别需要的参考角度不同,附选择顺序。
换装镜头的描述顺序与常见失误。
两人以上同框,如何指定谁是被锁定的主体。
前两镜往往参考图权重高,模型会紧贴参考;到第三镜,场景和动作描述变多,人物描述被稀释,脸就开始漂。解决办法是先锁脸再锁衣:前两镜只生成人物半身,确认脸稳定后再加入完整服饰与场景;后续镜头沿用同一段人物锚点文本,不随手改写。
优先级是:正面半身 > 四分之三侧 > 纯侧面。正面半身提供最多的脸部信息,四分之三侧用于补立体感,纯侧面只在前两者都稳定后使用。全身参考图适合锁定服饰轮廓,但不适合单独用来锁脸。
换装镜头的描述顺序建议是:先写不变的脸部锚点,再写新服装,最后写场景与光线。常见失误是把新服装写在最前面,导致模型优先处理服饰而弱化脸部。若换装幅度大,先单独生成一张换装定妆图,再拿它当新参考。
两人以上同框,明确写出「画面主体是左起第二人,其余人物虚化或背对」,不要只写「两人对视」。指定主体后,再分别给次要人物一句固定描述,避免配角脸每次都不一样。群像镜头尽量控制在三人以内。
把「悲伤」换成语速、停顿与音量的组合描述。
字幕行数与镜头长度不匹配时的处理办法。
短剧混音里人声、环境、配乐的大致电平关系。
只写「悲伤」通常得到的是平铺直叙。可以改成「语速放慢三成,句尾下沉,两处自然停顿,音量略低但不气声」。多个情绪标签叠加时,选一个主情绪加一个副情绪即可,太多会让语气失真。
每条字幕控制在 12 至 16 字,与镜头长度大致匹配。若镜头短于字幕所需阅读时间,宁可拆成两镜也不要压缩字幕。对白中的逗号可以保留,句号在切换镜头处断开,观众阅读与画面变化同步,观感更顺。
以人声为基准,环境音低 12 至 18 分贝,配乐低 15 至 20 分贝;情绪段落配乐可以抬高 3 至 5 分贝,但对白句子里要回落。混音前先统一各素材的响度,再调相对比例,比逐段硬拉音量更稳。
团队复用需要的模板结构。
生成、剪辑、混音三个阶段的逐项核对表。
按人数与熟练度估算每日可产出镜头数。
模板建议固定四段:人物锚点、场景与光线、动作与景别、画质与风格约束。前三段每次微调,第四段整片固定。把模板存在共享文档里,标注适用题材与已验证的镜头类型;每新增一个稳定镜头,就补一条示例,避免模板越写越长却没人用。
生成阶段查人物是否跑形、景别是否符合分镜表;剪辑阶段查镜头时长是否与对白匹配、转场是否跳;混音阶段查人声是否清晰、字幕是否与语音同步。每个阶段留一份问题记录,下一集开工前先看一遍。
熟练单人每天可稳定产出 15 至 25 个可用镜头,两人分工(一人写提示词与分镜、一人做生成与筛选)可到 35 至 50 镜。产能瓶颈通常在筛选与返工,而不是生成速度,因此分镜表越细,整体产能越高。
随机性与上下文长度的影响,以及如何降低波动。
手部动作、快速转身、多人对话,附替代方案。
动作僵硬与场景同质化的问题。
除了随机种子,上下文里累积的描述也会影响结果。建议每次生成前清空无关描述,只保留模板四段;同一镜头连续三次不理想时,先改景别或机位,而不是继续加形容词。记录每次改动的单一变量,才能判断是哪一项起了作用。
手部精细动作、快速转身、三人以上对话,是返工率最高的三类。替代方案:手部动作改为局部特写或让道具遮挡;快速转身拆成两镜;多人对话改为正反打,避免全员同框。
一是动作僵硬,模型倾向于复刻参考图姿态;二是场景同质化,所有镜头都像在同一角度拍的。建议每个场景保留一张参考图用于锁脸,其余镜头靠文字锚点,并主动变化机位与景别。