AI 视频分镜故事板生成器
概述
AI 视频生成器通常只能生成 5–15 秒的片段。而现实中的视频往往更长：30 秒的 TikTok、60 秒的广告、90 秒的产品解说。本技能弥补了这一差距，生成一个完整的分镜故事板——一系列带有共享视觉语言的协调分镜提示词，使最终拼接的视频看起来像一部精心策划的作品，而不是六个毫不相干的片段。
核心洞察： 镜头间的视觉一致性比单个镜头的完美更重要。一组一致但普通的镜头可以剪辑在一起；而六个华丽但不匹配的镜头则不能。
何时使用
- 用户希望制作时长超过 15 秒的视频
- 用户希望制作 TikTok / Reel / Short / 广告 / 解说 / B-roll 序列
- 用户说“帮我制作一个关于 X 的视频”，且没有分镜脚本
- 用户即将生成多个片段，需要一个计划
何时不使用：
- 单次生成（只需帮助提供一个提示词）
- 静态图片生成
- 生成片段后的视频编辑建议（这是另一个问题）
工作流程
步骤 1 — 简要信息采集
在一条消息中向用户提出以下问题。接受简短回答：
- 目标平台和时长？（TikTok 30秒 / Reel 15-60秒 / YouTube Short / Instagram广告 / 产品解说）
- 视频是关于什么的？（主题、故事、产品）
- 品牌氛围/基调？（温馨、充满活力、高端、简约、有趣、电影感等）
- 结尾是否有行动号召？（访问网站、购买产品、关注频道等）
- 是否有硬性约束？（必须包含 Logo、特定颜色、地点等）
如果用户已经提供了其中一些信息，则跳过这些问题并确认其余部分。
步骤 2 — 推断结构
根据时长和平台，将时间线划分为每个约 5 秒的镜头（AI 视频生成器的理想长度）。
标准节奏：
| 平台 | 时长 | 镜头数 | 节奏 |
|---|---|---|---|
| TikTok Hook | 15秒 | 3 | 快速剪辑，单一创意 |
| TikTok Reel | 30秒 | 6 | 钩子 → 展开 → 高潮 → 行动号召 |
| Instagram广告 | 15秒 | 3 | 钩子 → 产品 → 行动号召 |
| Instagram广告 | 30秒 | 6 | 钩子 → 问题 → 产品 → 优势 → 社会认同 → 行动号召 |
| YouTube Short | 60秒 | 12 | 钩子 → 三幕结构 → 行动号召 |
| 产品解说 | 90秒 | 18 | 问题 → 解决方案 → 运作原理 → 结果 → 行动号召 |
| 品牌故事 | 60秒 | 10-12 | 氛围驱动，镜头持握时间较长 |
步骤 3 — 建立视觉一致性层
在撰写任何镜头之前，先锁定共享的视觉语言。这是让镜头能够剪辑在一起的关键：
- 色彩调色板（3-5 个具体的十六进制颜色值或命名颜色）
- 光线风格（黄金时刻 / 霓虹灯 / 阴天 / 动机光线 / 电影感轮廓光）
- 镜头特性（浅景深 / 深焦 / 广角畸变 / 微距）
- 胶片质感（纯净数字 / 16mm 颗粒感 / 变形宽银幕 / VHS / 35mm）
- 运动语言（手持 / 固定机位 / 仅轨道 / 稳定器平滑）
将这些写成一个视觉主题块，放在输出的开头。每个镜头的提示词都必须遵循此块。
步骤 4 — 撰写每个镜头
每个镜头采用以下结构：
## 镜头 N (START-ENDs) — [目的标签: 钩子 / 场景 / 动作 / 细节 / 揭示 / 行动号召]
**构图:** [镜头类型及角度，例如“极致特写，俯拍”]
**相机运动:** [固定 / 慢推 / 跟拍 / 摇臂上升 / 等]
**光线:** [来自视觉主题，适用于此场景]
**主体:** [画面中有什么]
**动作:** [发生了什么]
**要复制的提示词:**
> [完整的电影级提示词，40-80 个词，包括：主体 + 动作 + 环境 + 相机 + 光线 + 风格 + 技术规格（时长、宽高比、分辨率）。始终以“cinematic 1080p, synchronized audio”结尾]
**音频方向:** [同步音频应听起来如何——环境音、音乐节拍位置、画外音台词]
镜头提示词的关键规则：
- 始终在每个提示词中指定共享的视觉语言（色彩调色板、光线、镜头特性、胶片质感）。这是实现一致性的关键。
- 指定确切的时长（4秒 / 5秒 / 8秒）和宽高比（TikTok/Reels 用 9:16，YouTube 横屏用 16:9，信息流帖子用 1:1）。
- 始终以“cinematic 1080p, synchronized audio”结尾——这标志着专业级质量，并适用于支持音频的现代视频模型。
- 使用电影摄影词汇：ECU（极致特写）、CU（特写）、MS（中景）、WS（远景）、OTS（过肩镜头）、POV（主观镜头）、荷兰角、低角度、高角度、鸟瞰、推轨、拉轨、跟拍、手持、变焦推拉等。参见
references/shot-types.md获取完整词汇。 - 不要写抽象的提示词——要具体。“一个女人” → “一位 20 多岁、有着波浪赤褐色头发、穿着牛仔围裙的咖啡师”。
- 不要针对特定模型的取巧写法——不要写针对特定模型怪癖的提示词。编写与模型无关的电影级提示词，使其在任何地方都能工作。
步骤 5 — 添加叙事结构
镜头的顺序必须有一个故事弧线，而不是一个随机列表。使用以下一种模式：
模式 A — 钩子 / 展开 / 高潮 / 行动号召（TikTok 默认）
- 镜头 1：视觉钩子（吸引注意力）
- 镜头 2-3：展开背景/悬念
- 镜头 4-5：主要内容/高潮
- 镜头 6：行动号召
模式 B — 问题 / 解决方案 / 证明 / 行动号召（广告默认）
- 镜头 1-2：共鸣的问题
- 镜头 3：您的产品作为解决方案
- 镜头 4-5：优势/结果
- 镜头 6：行动号召
模式 C — 氛围 → 高潮（品牌故事）
- 较长的氛围镜头
- 缓慢揭示
- 情感高潮
- Logo 展示
步骤 6 — 添加后期制作检查清单
以可操作的后期制作说明结尾：
## 后期制作检查清单
- [ ] 使用您偏好的 AI 视频工具生成所有 N 个镜头
- [ ] 在 [CapCut / Descript / DaVinci Resolve / Premiere] 中拼接
- [ ] 应用 [特定的 LUT 或色彩校正] 以保持一致性
- [ ] 在镜头之间添加 [过渡类型和时长]
- [ ] 叠加背景音乐：[风格 / BPM / 情绪]
- [ ] 为 [钩子 / 行动号召 / 字幕] 添加文字叠加
- [ ] 导出 [平台规范：TikTok 用 9:16 1080x1920 30fps 等]
步骤 7 — 解释其工作原理
以“为何有效”块结尾，解释创意决策。这能教育用户，并将您的输出与通用提示词列表区分开来。参考：
- 钩子法则（第一秒决定观看时长）
- 节奏韵律（平均滚动时间）
- 故事结构（为什么镜头顺序重要）
- 平台特定惯例
输出格式
最终输出是一个 Markdown 文档，包含：
- 标题 — 标题、时长、镜头数、宽高比
- 视觉主题 — 共享调色板、光线、镜头、胶片质感、运动
- 分镜列表 — N 个镜头，每个遵循步骤 4 中的结构
- 后期制作检查清单
- 为何有效 — 创意理由
请参阅 examples/ 目录中的四个完整示例输出：
tiktok-reel-30s-coffee.md— 咖啡店开张 TikTok- （更多示例待添加）
参考
references/shot-types.md— 电影摄影词汇（ECU, CU, MS, WS, OTS, POV，角度）references/camera-moves.md— 相机运动词汇（轨道，摇臂，平移，俯仰，跟拍）references/lighting.md— 光线术语（黄金时刻，轮廓光，动机光线，实际光源）references/genre-templates.md— 常见类型（美食，时尚，科技，旅行，SaaS）的预制模板
许可证
MIT — 可自由使用，商业或个人用途均可。