分镜提示词怎么写，AI 才不出废片

一条 60 秒的竖屏短剧，主角在同一集里换了三张脸。你回头翻提示词，发现第一次写的是”25 岁女孩，单眼皮，齐肩短发”，第二次写的是”年轻女性，短发”，第三次干脆只写了”女孩回头”。

废片的锅，通常不在模型。

我在提示词上踩的最大的一个坑，是把它当成”描述画面”的工具。其实它不是。它是要让一个没有记忆的模型，在每一次全新的生成里，重新认出同一个人的一份契约。你写得越随意，模型就越自由发挥。

所以问题落回一句话：分镜提示词失效，是因为它每次都在”重新发明”角色。

为什么提示词总是失效

三个原因，一个比一个隐蔽。

最直接的是每镜重写描述。模型是无状态的，你第一次生成的主角，它不会记住。第二镜你不写外貌，它就自己造一个。

第二个更麻烦：描述不够具体。”年轻女性””清冷气质”这类词，在模型眼里有无数种可能，它每次都挑一个不同的。

第三个最难察觉：缺视觉锚点。同一个角色，换了个场景、换了个光线角度，模型会重新”理解”他是谁。你不是提示词写短了，是压根没给它一个可以反复对齐的基准。

一份实测数据说得挺明白：没存档角色参数的样本，五官变形、画风错乱的概率高达 74.2%；完整建档后，全片角色统一度能到 92.5%。

解法：先建”视觉词典”，再生成

我见过最好用的做法，来自一套专门给 Seedance 2.0 写的微短剧分镜提示词。作者把整个流程拆成两份提示词——先在 Claude 里跑一份”视觉词典”，把全剧的角色、场景、物件、风格一次性定义死，后面每个分镜直接复制，不再重新发明。

顺序很关键。先建词典，再生成，比每镜现场编描述强的地方在于：词典是唯一的、被复用的基准。角色描述从头到尾一个字不改，模型每次拿到的都是同一份锚点。

第一阶段提示词（负责输出视觉词典）：

第二阶段再把这套词典翻译成可以直接喂给 Seedance 2.0、可灵 3.0 的视听描述。作者自己说得很实在：这套提示词只适合 AI 微短剧，主要是让分镜和画面生成降本增效，并不会提升整体艺术水平。这话我信，比吹”一键出大片”靠谱。

外貌锁定：细节要够狠，缺陷要留

外貌锁定怎么写才有效？两个原则。

一是细节数量要够。原文要求面部至少 5 个可视化细节，凑成一段连贯的话，不是列表。目标是让一个没见过这角色的人读完能画出八成相似的肖像。看它给的示例：

三十五岁左右的男性，身高约一米七五，体态偏瘦但肩线端正。
黑色短发向后梳，发际线略高，鬓角有零星白发。
面部轮廓瘦削，颧骨突出，眼窝深陷，双眼皮但眼睑下垂显得疲惫，
眉毛浓黑平直，鼻梁高挺但鼻头略宽，薄唇，唇色偏淡，
法令纹从鼻翼延伸至嘴角，下颌线清晰，皮肤粗糙偏黄，
左眉尾有一道约一厘米的淡色旧疤。

二是缺陷反而是辨识度。一套很出名的提示词模板里，主角设定被写死成”有 1 个明显的外貌缺陷（如龅牙/单眼皮）”，冲突设定被写死成”必须出现被否定的场景”。

你是一位短剧编剧。请为一部职场逆袭题材的AI短剧写第1集分镜脚本，要求：

1. 主角：小镇来城市追梦的女孩，性格倔强但笨拙，有1个明显的外貌缺陷（如龅牙/单眼皮）
2. 核心冲突：第1集必须出现”被否定”的场景（面试被拒/合影被裁/被嘲笑）
3. 分镜数量：6-8个镜头，每个镜头写明：景别、画面内容、人物表情、台词或旁白、时长（2-4秒）
4. 情绪曲线：开头委屈→中段隐忍→结尾埋一个反转钩子
5. 风格：生活流，不要狗血，台词口语化

那部单集砸一万多块的爆款短剧，女主之所以让人记得住，就是因为她不完美。整齐划一的”网红脸”，观众记三秒就忘。

分镜表：景别、运镜、画风必须标

词典建好，落到分镜表上。这是给 AI 生图、生视频的”说明书”——分镜越详细，画面越流畅、画风越统一。新手不用学专业分镜，套表格填就行。

填表有三个硬规矩：每集分镜不超过 5 个；镜头以近景、中景为主（AI 最容易生成、最不容易失真）；画面描述里必须明写”画风、景别、运镜”，比如”推镜、近景、国漫风”。这一句标清楚，生成准确率能明显提上来，返工少一大半。

另外提醒一句，分镜效果展示 2-3 个就够了，把精力留给关键的情绪镜头。

先把词典建完，再动手生成。你为角色描述多花的那二十分钟，会在后面每一个镜头上省回来。宁可第一镜慢，不要每一镜都重来。

如今 Seedance 2.0、可灵 3.0 已经把单次生成推到 15 秒上限，还支持自动镜头能力和音画同出。这意味着提示词的写法要跟着变——过去你是逐帧抠画面，现在可以直接写”一段带运镜和声音的完整描述”，让模型自己切镜头。这套”视觉词典 + 视听描述”的两段式，正好接得上。