如何把劇本拆成 AI 影片的分鏡提示詞？

分鏡提示詞是什麼

分鏡提示詞，是你為一段較長影片中的單一鏡頭，送給影片模型的文字。一般的影片提示詞描述單獨的一個片段；分鏡提示詞描述的片段，則必須與前一個、後一個片段順暢剪接。多了這層任務，寫法也就不同。

多數 AI 影片工具一次提示只能產出短片段。因此，一場有開頭、中段、結尾的戲，要由多次生成組合而成，再到剪輯軟體裡接起來。分鏡就是把它們串在一起的計畫：決定每個鏡頭演什麼、多長，以及鏡頭之間哪些地方必須一致。

可以把分鏡想成兩層。第一層給你自己看：鏡頭編號、用途、時長，以及它涵蓋的那句台詞。第二層是模型實際讀到的提示詞文字。把兩層放在同一張表格，修改起來很快，劇本一改，你就看得出哪些提示詞也得跟著改。

步驟一：把劇本拆成節拍與鏡頭

節拍是故事中最小的變化：一個眼神、一個決定、一次揭曉、一個反應。讀劇本時標出每個節拍，再讓每個節拍擁有自己的鏡頭。兩條實用規則，能讓模型更容易生成這些鏡頭：

• 一個鏡頭只有一個主要動作。「她拆開信，開始哭」是兩個動作，哭泣要給它單獨的特寫。
• 一個鏡頭只有一種運鏡想法。緩慢推軌或固定鏡頭都行；推軌變成環繞、再變成搖臂升降，通常會失敗。
• 時長要短。大多數鏡頭規劃為幾秒。反應鏡頭可以比完整片段更短，在剪輯時裁掉即可。
• 寫明每個鏡頭的用途：交代地點、呈現動作、呈現反應，或是展示觀眾必須注意到的細節。

景別要有變化。連續五個中景會顯得平板。常見的模式是遠景（我們在哪裡）、中景（誰在做什麼）、特寫（他們的感受）、插入鏡頭（重要的物件），再用更寬的鏡頭收尾，或轉入下一場戲。

步驟二：為每個鏡頭填寫鏡頭卡

鏡頭卡是一組固定的欄位。每次都填同樣的欄位，就不會忘記那些造成連戲錯誤的細節。提示詞就是把這張卡片寫成句子。

把固定的主體描述寫在另一份筆記裡，原封不動貼進每一條提示詞。小小的用詞改變，例如這個鏡頭寫「灰色大衣」、下個鏡頭寫成「深色外套」，常常就是角色在剪接之間變樣的原因。

完整範例：五個鏡頭組成的 15 秒場景

劇本：「夜。火車月台。MAYA 結束通話。她看向出發時刻看板。她的班次被取消了。她疲憊地笑了一聲，坐到行李箱上。」

這有五個節拍，所以有五個鏡頭，預定的時長加起來是 15 秒。

以下是鏡頭 1、2、3 的提示詞。請注意，每一條裡的角色描述與光線描述都是一模一樣的。

Shot 1 (wide, 3 s)
Wide shot of an empty train platform at night, light rain beyond the roof edge.
Maya, a woman in her 30s with short black hair and a grey wool coat, stands
near the edge talking on a phone, facing screen left, a small red suitcase beside her.
Cold fluorescent light from above, blue-green tones, wet reflective floor.
Static camera. Ambient sound: rain and a distant announcement.

Shot 2 (close-up, 3 s)
Close-up at eye level of Maya, a woman in her 30s with short black hair
and a grey wool coat, facing screen left. She slowly lowers the phone from her ear
and looks up and to the left. Cold fluorescent light from above, blue-green tones.
Static camera, shallow depth of field, platform blurred behind her.

Shot 3 (insert, 2 s)
Insert shot of an old split-flap departure board on a train platform at night.
The top line flips and stops on a single word. Cold fluorescent light,
blue-green tones. Static camera. Sound: clicking split-flap letters.

有兩個細節值得注意。鏡頭 2 裡她向左上方看去，鏡頭 3 就看到看板：一個鏡頭的視線，為下一個鏡頭的內容鋪路。另外，看板上的字並沒有以文字形式寫進提示詞要求渲染，因為許多模型畫字母的能力仍然不佳。請生成沒有可辨識文字的看板，再在剪輯時以圖層加上「已取消」。

步驟三：先做關鍵影格，再做動態

生成影片比生成靜態圖片更慢、更花錢。可靠的做法是先為每個鏡頭各做一張靜態關鍵影格，把整份分鏡當成一排圖片檢查，確認沒問題後，再用圖生影片讓每張靜態圖動起來。

1. 生成一張角色參考圖，和一張場景參考圖。
2. 依據這些參考圖，以最終的長寬比為每個鏡頭生成一張關鍵影格。
3. 把關鍵影格並排，檢查臉孔、服裝、道具和光線。
4. 用簡短的動態提示詞讓每張關鍵影格動起來，只描述會動的部分。
5. 兩個鏡頭必須順暢銜接的地方，使用首尾影格模式，讓一個片段的結尾與下一個片段的開頭吻合。

讓關鍵影格動起來時，畫面已經決定了外觀，所以提示詞應該描述動作與運鏡，不必重複每個視覺細節。官方模型指南，例如 Google 的 Veo 提示詞指南，也建議描述你想在畫面中看到什麼，而不是寫「不要」之類的否定指令。

步驟四：為剪接而寫每個鏡頭

每個鏡頭都會夾在另外兩個鏡頭之間，所以要刻意設計它的開頭與結尾。實拍電影的幾條剪輯規則，用在 AI 影片上同樣適用：

• 保持畫面方向。如果 Maya 在鏡頭 1 面向畫面左側，就讓她持續面向左側，直到故事讓她轉身。在剪接之間翻轉方向，會讓觀眾困惑。
• 對話中遵守 180 度軸線規則。讓攝影機待在兩位說話者連線的同一側，他們的位置才不會對調。
• 動作剪接。讓鏡頭 4 結束於她開始坐下，鏡頭 5 從坐到一半開始。動作能掩蓋片段之間的細微差異。
• 預留餘裕。要求比你需要的稍長一點的時間，這樣就能裁掉許多生成結果會有的緩慢開頭或飄移的結尾。
• 光線一致。整場戲使用一段光線描述，只有在故事改變時間或地點時才更動。

常見錯誤與限制

• 把整場戲寫在一條提示詞裡。模型會壓縮或跳過節拍。一個提示詞一個鏡頭，更容易控制，也更容易修正。
• 只描述情緒，沒有可見的動作。「她感到絕望」很模糊；「她讓手機垂到身側，盯著地板」才拍得出來。
• 要求鏡頭裡出現可辨識的招牌、字幕或商標。文字請在剪輯軟體裡加上。
• 鏡頭之間更換角色描述。每次都貼上同一段文字。
• 在單一鏡頭中規劃複雜的手部動作、快速打鬥或物體物理。影片模型在手部、接觸與因果關係上仍然吃力。可以拆開動作、取更緊的構圖，或是呈現結果而不是過程。