【五十五】一切镜就换人？别再往视频框里塞八百字，先让这条片子在纸上走完

先说结论：

视频一做就飘，通常不是模型突然变笨，是你让一段提示词同时当导演、化妆、摄影和调色。 它最省事的办法，就是每一秒都重新猜一次。

你习惯的操作大概是这样：

打开视频模型 → 把人、店、镜头、风格全写进同一个框 → 再补「人物一致、运镜流畅、电影感」→ 抽卡 → 前两秒还行，第四秒换了一个人

模型收到的不是拍摄计划，是一张许愿清单。清单越长，它越会从训练里东抄一截、西抄一截。于是你看见的是热闹，不是这一家店今晚正在发生的事。

记住一件事：最后那段视频词只负责整合。人、事、怎么拍、什么感觉，都要在进视频框之前变成图，变成能用眼睛检查的东西。

下面整晚只用一家店。不换城中村，不换这盏灯，不换这两张脸。谁觉得夜市炸串已经写腻了，正好。今晚我们去修手机。

晚上九点四十。城中村一楼，卷帘门拉到一半的「老周通讯」。柜台上一根冷白灯管，玻璃柜台里躺着拆开的机壳和螺丝刀。店员在给一块新屏贴膜。门外站着刚收车的出租司机，碎屏手机还在他手里，钥匙串叮一声。

店、灯、这两个人，全部锁死。今晚不练新风格，只练：生成之前，先让这条片子在纸上走完。

---

你要的验收，不是「词更长了」

过关标准很具体。你自己不许手写完整视频词。你要先后拿到这些东西：

1. 两张人物钉死图，再加两张三视图
2. 一段能拆成 6 到 8 格、每格都能拍出来的事
3. 一页手绘线稿分镜，上一格能走到下一格
4. 一张定调图，灯管的颜色不许中途换成暖黄广告光
5. 按镜号写的几句人话，只供口型用，画面里不许出字
6. 最后才出现的一小段整合词

成片里：店员的马尾不许第二镜变成短发；司机的车钥匙不许忽然消失；上一格人还在柜台里贴膜，下一格不许突然站到马路牙子上对镜头笑。

有人管那一页格子叫故事板，有人叫分镜草稿。叫什么无所谓。有用的地方只有一个：视频还没开始跑，你已经能用眼睛看出第四格会不会换人。

---

一、先看清楚，一段词到底在瞎猜什么

只靠提示词生成「好几镜」的短视频，翻车几乎都长一个样。别急着换模型，先对号。

它不知道镜头怎么拍。 你写「司机来取手机」。它不知道人是从卷帘门缝里侧身进来，还是已经趴在柜台上；不知道镜头该停在贴膜的手上，还是跟着人推近。于是给你训练里最常见的那种：人居中，镜头自己漂，再来一段无意义环绕。

它不知道人怎么保持一致。 五官你写了，店服你写了。一切两刀，马尾、胸前那几个字、司机的车钥匙，仍可能各镜各的。两个人的对手戏更明显：第三格常常会冒出一张训练里更「好看」的脸。

它不知道这条片子该是什么光。 第一秒是冷白灯管，第三秒变成美食暖光，第五秒又像手机广告。灯一换，这家店就不再是老周通讯。

所以提示词重要，但它扛不下四份工。今晚把活拆开：

这份材料	它只准管	你拿什么检查
人物钉死图 + 三视图	谁在画面里，脸和衣服不许改	遮住五官，仍能认出店服和车钥匙
剧情	这十几秒里发生了哪件能拍的事	每格都有手在干什么，没有「心事」
分镜图	从哪看、人站哪、镜头动不动	上一格能走到下一格，人不瞬移
定调图	灯、色、皮肤、柜台质感	遮住人，仍能说出「这是灯管，不是暖黄夜市」
对话	口型、停顿、谁先开口	句子短，画面里没有字幕
视频词	把上面这些拼进去，不许另发明	短。再写「电影感」就是在拆台

以前是你每条视频都重新解释。材料齐了以后，更像把活分给四个工种。视频模型只听见一句：按这些干，别自己加戏。

---

二、分镜先别画。先把人钉死，再写出能拍的事

很多人一听「先出分镜」，立刻让模型画六格小人。画出来一定空。格子里的人还没有主人，格子里的事还没有发生。

分镜围着人和事转。人不清，剧情就只能写「修手机很有生活感」；剧情不清，分镜就只能交「好看的店铺分镜作业」。

1. 先出两张半身，再出三视图

今晚就两个人。不许加店老板，不许写成「一个女生和一个男生」。

柜台里这个人：二十出头，马尾从深蓝色店服领口后面垂下来，胸前绣着发白的「老周通讯」，袖口卷到小臂，右手正在把气泡往贴膜边缘赶，左手按着手机。不看镜头。指甲剪短。脸上几乎没妆，灯管在额头上有一条细反光。

柜台外这个人：四十出头的出租司机，深色短袖衬衫皱着，车钥匙和门禁扣在同一串上，还攥在右手里。左手把碎屏手机递给柜台。眼下有青，胡茬是下班后没收拾的那种，不是造型。

店员这张，可以直接贴：

司机另开一张，灯和店必须同一套：

两张半身过了，再出三视图。三视图不是为了好看，是为了后面分镜一换角度，店服、马尾、钥匙串还在。白底。左：面部特写，毛孔和发丝要在。右：全身 A-pose，正、侧、背排开。店服、鞋子、钥匙、袖口，全部跟半身图一致。

女店员、男司机各跑一张。检查时把脸遮住：一张要仍能看出「深蓝色店服、刮板、贴膜」；一张要仍能看出「皱衬衫、钥匙串、碎屏」。说不出，就还是空壳，别往下画格子。

2. 人钉死了，把两张图丢给对话模型写剧情。你负责划掉拍不了的句子

不要自己先写八百字小说。小说爱写心事，心事拍不出来，模型就会用转头微笑充数。

把身份图丢给豆包、ChatGPT 或 Gemini，直接贴：

它交回来以后，别先看文笔。看它好不好拍。

好剧情：刮板、气泡、碎屏、钥匙、屏幕亮起，每一样都在画面里有位置。 差剧情：「她觉得这份工作很辛苦」「司机感到了温暖」。这些拍不出来。

对照用，下面这一版是改顺以后应有的样子，用来检查，不是拿去当万能剧情收藏：

1. 店门全景，固定。卷帘门拉到一半，灯管只照亮柜台一小块，巷子是暗的。店员在柜台里低头，司机从门缝侧身进来。
2. 柜台里中近景，固定。店员右手刮板赶气泡，左手按着新屏，没看镜头。
3. 柜台外中近景，固定。司机把碎屏手机放上台面，钥匙串碰到玻璃，响了一下。
4. 手部特写。刮板、膜、气泡被赶出边缘。
5. 两人同框，平视。店员把贴好膜的手机推过玻璃，司机的手还停在半空。
6. 屏幕特写。拇指按亮，冷白的屏幕光打在两只手上。
7. 司机近景。他低头看微信，嘴没动，钥匙还攥着。
8. 回到中近景，固定。屏幕还亮着，店员已经拿起下一张膜，司机还没离开柜台。两个人都停在这件事刚做完、还没结束的位置。

八格都能用眼睛看见。没有「生活感拉满」，没有「电影感」。能列成这样，才允许进入下一格。

---

三、人和事都有了，才允许它画出分镜。分镜管镜头，不管最终画质

不要直接去生成视频。让生图模型根据人物和剧情，画一页 6 到 8 格。

要的不是六张精修海报，也不是六张连着的店铺写真。是一页能看懂的拍摄草稿。手绘线稿、格子清楚、每格下面有短句，这就够了。格子画得太美，后面它会把每一格当成不同成片去抄，人更容易一段一个样。

每一格至少要能看出：人在柜台里还是外、这一刀是远中近还是特写、手在干什么、镜头动不动、这一格要看什么、格子下方有一句人话。

身份图和剧情留在同一个对话里，接着贴：

出图之后，先别问好不好看。问清不清楚。三件事，漏一个就打回去，别自己在视频框里补。

镜头顺序连不连。 上一格人还在柜台里贴膜，下一格突然出现在巷口对镜头笑，中间没有「司机从门缝进来」，这页就不够顺。短视频最怕瞬移。瞬移一次，人物一致基本完了。

动作看不看得懂。 赶气泡、放碎屏、推机子、按亮、看微信，这些要能在线稿里看出来。格子里只有「两人站着」，视频模型就会用转头、眨眼、微笑来填。

镜头运动合不合理。 推、拉、横移都可以，但必须为这一格的事服务。不要每一格都环绕。老周通讯更稳的默认值是：大多数格子固定，只在进门、推机这两下允许微动。

还假，就把问题说回去，只改分镜，别把人物图一起重出：

现在这页分镜有问题：第 2 格到第 3 格人瞬移了，第 5 格两个人都在看镜头，每格都在推近。
请只重画分镜，人物身份不要改。
要求：镜头顺序必须能走过去；动作必须看得出手在干什么；默认固定镜头，只允许 1 到 2 格微动；不要对镜头笑。

分镜真正要干的活，是把「怎么拍」讲清楚。五官和衣服交给身份图，灯管、玻璃反光、皮肤质感交给下一张定调图。你若逼它在格子里把脸画精，它就会把每一格当成一张新海报。

---

四、分镜告诉它怎么拍。还要一张定调图告诉它最终长什么样

有了分镜，仍不要打开视频框。还缺一张图：这条片子的光到底是什么。

三张材料现在分工已经清楚：

• 身份图：谁在画面里
• 分镜：这一刀从哪看，手往哪动
• 定调图：灯管什么颜色、玻璃怎么反、皮肤别发塑料、整条不许忽然变成手机广告

没有定调图，视频模型会按最常见的「小店短视频」去补：脸更干净，灯更均匀，柜台更像展台。你在分镜里写了冷白灯管也没用，它可能只在第一秒听话。

老周通讯要的感觉很具体：一根灯管，玻璃反光，屏幕亮起时多出一小块更冷的光，皮肤不要广告级，门外巷子要暗。把身份图和分镜一起丢给生图模型：

定调图不需要包含所有镜头。它更像一张风格样片：后面每一秒都来抄这张的光，而不是自己发明第二种光。

检查：把人的五官遮住，仍要能说出「这是灯管底下的维修柜台」。说成「夜市」或「手机发布会」，就打回去，只改定调图，别动分镜。

---

五、材料齐了，视频词要短。台词另写，别让它去认图上的字

四份材料都在了，还差一步。很多人在这里直接把分镜丢进视频模型，指望它把格子下面那行小字念出来。

分镜上的字又小又草。视频模型认图里的字本来就不稳。你若把「好了」写在格子上，它可能当成装饰，也可能把字烧进画面，变成字幕海报。

更稳的做法：分镜只管画面。对话模型再按格子补说话方式。这段只用来管口型、停顿、谁先开口。画面里仍然不许出现字幕、标题、对白气泡。

带声音的模型还有两个老坑：你不写无背景音乐，小店会自己配歌，人立刻变成广告；你不规定台词只作参考，店员可能对着镜头介绍套餐。

同一个对话里接着贴：

对照用，改顺以后大概是这种密度：

1. 无对白。卷帘门边箱带或钥匙轻响。
2. 无对白。刮板在膜上走。
3. 司机：「取一下。下午那个屏。」
4. 无对白。气泡被赶出去。
5. 店员没抬头：「好了。你点一下。」
6. 无对白。屏幕亮。
7. 司机很低地嗯了一声，没再说话。
8. 无对白。她已经拿起下一张膜。

有了这段，再把图和词一起放进视频生成框。哪张图是谁，要写死：

• 图 1：店员身份图
• 图 2：司机身份图
• 图 3：定调图
• 图 4：分镜图
• 对话：贴在提示词里

视频提示词从今晚起就要短。短不是偷懒，是前面四份工已经干完了。再写八百字「人物一致、电影感」，等于邀请它重新猜。

时长别开太短。剧情是 6 到 8 镜，去开 3 秒会逼它把八件事叠在同一秒里，人会抽。每一镜里仍然只干一件事。变的是：镜与镜之间的顺序，现在由分镜管，不由你在一段词里用逗号连接。

成片四步验收：

1. 把声音关掉。仍要能看出「贴膜、递碎屏、推机、屏幕亮」。看不出，是分镜或剧情空了。
2. 每一镜暂停。马尾还在不在，钥匙串还在不在。漂了，回身份图，别在视频词里加「不要换脸」。
3. 灯是不是从头到尾同一根冷白。变暖了，回定调图。
4. 画面里有没有字、有没有歌。有，就是最后那段词没写死。

---

六、三件最容易让材料白做的事

1. 人还没钉死，就让它画分镜。 空格子看起来也像分镜，用上去会比没有更假：它给了模型六次重新发明人物的机会。顺序不许倒：人 → 事 → 分镜 → 定调图 → 对话 → 视频词。
2. 把分镜画成六张精修海报。 分镜只负责镜头和动作。五官、刺绣、玻璃高光全压进去，每一格都会被当成不同参考。线稿清楚，胜过格子好看。
3. 最后那段视频词和前面打架。 前面已经定了柜台里干活、冷白灯管、不看镜头，最后又写「氛围感、对镜头微笑、运镜华丽」，前面全白干。前面定过的事，后面只许重复，不许改方向。

还假的时候，别急着换视频模型。先看哪份材料空了：身份图能不能遮脸认出人，剧情能不能每镜都拍，分镜顺序连不连，定调图的灯在不在。哪份空，改哪份。整段重写，上次已经对的东西会被写丢。

---

过关表

成片什么样	别急着加	先改
一切镜就换脸、换店服、丢钥匙	「人物一致、不要换脸」	先出身份图和三视图，分镜里不许出现第三张脸
人会瞬移，镜头乱跳	「运镜流畅、多镜头」	先写能拍的剧情，再画分镜，检查上一格怎么走到下一格
灯每一段一个颜色	「电影感、色调统一」	出一张定调图，视频词只许参考这张
一进视频就唱歌、出字幕、对镜头笑	把视频词写更长	台词另写只管口型；写死无背景音乐、画面无字

可直接复制的简化模板如下。店可以换成你自己的，结构别拆。

1. 人物三视图

2. 剧情

3. 分镜图

4. 定调图

5. 对话（按分镜）

6. 视频生成

最后只记四句：

1. 视频词管最后那一下拼装。材料管这条片子会不会稳。
2. 先钉人，再写能拍的事，再画怎么拍，再定什么感觉。
3. 分镜第一版只负责能看懂，不负责好看。
4. 分镜还没在纸上走完，就先别抽卡。

今晚先不要换店。就用「老周通讯」，把六份材料摆齐，再进视频框。第四秒如果换了人，回身份图。灯如果变暖了，回定调图。别再往最后那段词里加「更自然一点」。