🎬 从剧本到能生成的画面：分镜、冻结关键帧与审查
剧本写完了，下一句是”出画面”。中间隔着一道最容易被低估的工序：分镜。
常见的做法是把剧本按场景切开，每场写几句镜头描述，然后直接拿去生成。
跑出来的东西技术上没问题——画面清晰、构图稳定——但看不出人物为什么在这个位置，
也看不出这一镜存在的理由。观众会觉得”画面挺好看，故事没讲出来”。
问题不在生成质量，在分镜这一步没回答对问题。
一、分镜回答的四个问题
分镜不是”把剧本翻译成镜头描述”，是在动笔前先确定四件事：
- 观众何时知道什么 —— 知情时机的管理，这是悬念的全部
- 对齐谁 —— 这一镜观众站在谁那边
- 空间如何揭示 —— 先看到全景还是先看到局部
- 转折落在哪个可见动作 —— 转折必须有画面，不能只在台词里
这四条定了，镜头顺序自然出来。没定，就只能靠”这里切个特写”来凑。
相对时间词必须换算成秒
剧本里常写”后半段首次出现””前三分之一不要露脸”。这类描述在分镜时
必须先换算成明确的时间边界——60 秒作品的”后半段首次出现”不得早于 30 秒。
不换算的后果是：分镜时间轴写”稍后””交接后”，而这两个词不是数值时间，
生成时每个镜头 5 秒，最终成片里那东西在第 12 秒就露脸了。
二、每镜八要素
每一镜都要写清八项，一个都不能省：
唯一职责 · 来源 · 时长 · 景别/机位 · 起点 · 唯一动作 · 终点 · 声音
几个容易写歪的地方：
“来源”必须是剧本里真实存在的场景 ID。 可以跟短引文，跨场次的镜头用 、 连写多条。
有个脚本会核对每个 ID 都解析得到——写”第二场”这种口语指代，机器不认。
“唯一动作”是一条可见状态链，不是一句概述。 写从起点到终点人物、双手与持物
怎样完成状态转换。涉及交接、换手、放置、取回时，
接触者、接触方式和物件落点必须写在同一条链里——不能让合法终点之间靠镜外瞬移衔接。
切镜必须带来变化。 信息、权力、情绪、空间、节奏，至少占一样。
同义重复的镜头直接删掉。
关键信息的可读性优先于装饰性运镜。 竖屏构图优先保证主体和反应可见，
花哨的环绕运镜在竖屏上常常把主体推出画框。
对白要先估时，再排动作
有对白、旁白或画外音时，先按原文和人物说话方式估算完整发声时间，
再安排不能与之重叠的动作、停顿与末尾反应。估时依据简写在本镜的「声音」里。
不做这一步的典型后果：一句 4 秒的台词被塞进 5 秒的镜头，
外加 2 秒的起身动作和 1 秒的情绪反应——时间根本不够，
生成的画面里人物边说话边瞬移。
三、冻结关键帧：只写那一刻能看见的东西
生成视频需要一个起始画面。这个画面叫冻结关键帧，它的写法有一条硬规矩：
只投影镜头起点，删除终点才出现的文字、动作、姿态或道具状态。
这听起来简单，做起来最容易犯的错是把整个镜头的含义都写进起始帧。
比如一镜是”她打开信封，看到内容后手抖”，起始帧写”她手抖着打开信封”——
手抖是终点状态，写进起点，生成的视频就从抖手开始了，戏剧推进直接归零。
当镜头的职责确实落在收尾那一下时，另写一个 ### 收尾关键帧提示词 投影终点：
规则完全对称——删除起点才有、终点已经不在的东西。
另外三条：
- 连续性锁原样写进关键帧正文，不因”参考图会交代”而省略
- 文字、手指、反射和遮挡必须可生成——让 AI 生成”手背上写着一行小字”这种，
出来的基本是乱码 - 锁面（人物朝向、位置、视线、持物、出入口、屏幕方向）要在分镜阶段先锁好
四、三条依据：写完关键帧之后才回填
这是整个流程里最反直觉、也最有用的一条设计：
三条依据都在冻结关键帧成稿之后回填，读的是成稿画面，不是镜头意图。
原因很实在：关键帧写完之前，谁会出现在这一格画面里还没有定下来。
先写依据再写画面，依据必然是根据意图猜的，猜错就对不上。
三条依据：
| 依据 | 写什么 |
|---|---|
| 视觉依据 | 必填。画面里需要保持身份/造型/地理的人物、地点、道具，逐项写成《视觉设定》条目引用 |
| 图片提示词项 | 已有合适的 IMG-... 条目就写上，没有就写「无」 |
| 输入参考图 | 项目里真实存在的图片，写成 REF-...；没命中就写「无（待补参考图：……）」 |
三条读的是同一格画面，所以不能互相矛盾：关键帧里点名的人物或道具，
一定出现在视觉依据里。有个脚本会机械核对这一条。
三个槽位的区别，弄混就出事
| 槽位 | 含义 | 常见错误 |
|---|---|---|
REF-... | 文件此刻就在项目里 | 把还没生成的图写成 REF |
IMG-... | 《图片提示词》里的提示词条目 ID | 当成图片已生成、已可用 |
PLAN-... | 这张图由创作者在生成时按这个顺序挂载 | 拿它投产 |
IMG-... 不代表图片已生成、已提供或可用，它只是提示词文档的条目编号。
这是最容易犯的错——把提示词条目当成已有图片写进下游，
生成时下游等着读一张根本不存在的图。
REF-... 的格式是逐字规定的：
1 | REF-<slot>（顺序：<n>）· <项目相对路径>《<中文名称>》（用途：<用途>；控制：<范围>；不得控制：<范围>） |
「用途」只能取九个值之一：身份、造型状态、地理、构图、尺度、效果、起始帧、结束帧、风格。
缺「用途」的槽位不算准备好——因为下游的视频提示词靠「用途」
说清”本镜送哪一张起始帧、哪些人物/道具/场景图”。
一镜最多一张 起始帧 和一张 结束帧，写了 结束帧 就必须同时有 起始帧。
五、两个”看起来是边角、其实是事故”的坑
名字会撞车
某个条目的名字在正文里根本不可靠：
道具「手机」会撞上「手机店」人物「小雨」会撞上「下着小雨」
处理办法：在《视觉设定》该条目下写 画面代称：无，机械核对就不再按名字找它。
注意——这只是让机器不再误报，这一镜是否画到它，仍要靠视觉依据如实回答。
跨镜反复出现的物件
四镜都出现的一支笔、一件外套，如果《视觉设定》里还没有条目，
不能因为”写不进视觉依据”就当它不需要一致性。
正确做法是两件事都做：正文里逐镜用完全相同的描述把它钉住，
并在本轮末尾报告里点名它、建议补条目。
四镜里那支笔换了三次颜色，观众说不清哪里不对，但就是觉得别扭。
这种别扭比明显穿帮更难修。
六、审查：只定位问题，不当场改
审查和修改是两个工作单元。审查技能只写问题、影响和必须达到的修订结果，
不在同一轮替你改来源文件。
原因是：边审边改会让审查记录失去意义——最后留下的是改好的文档，
没人知道原来哪里有问题、为什么这么改。
每个问题要带六项内容
1 | 位置 · 证据（短引文或冲突事实）· 影响 · 必须达到的修订结果 · owner · 严重程度 + 规则等级 |
不能只说”AI 味””不够电影感”或给无证据的分数。
“这段有 AI 味”不是 finding，”第 3 段和第 7 段用了同一个句式结构、
且都出现在情绪高点”才是。
先查可证明事实，再谈内容
审查分两步。第一步先查机械事实：
- 五文档的可见 ID、引用和时长是否一致
- 剧本的对白、动作、声音、画面文字是否都有画面/声音承载
- 人物、地点、道具状态和镜头起止是否连续
- 提示词是否从准确起点到准确终点
- 私有输入、凭据、绝对路径是否泄漏
第二步才审内容。
四种结论
| 结论 | 含义 |
|---|---|
APPROVE | 没有阻断问题 |
APPROVE_WITH_NOTES | 只有不阻断的改进 |
REVISE | 存在结构、内容或限制冲突 |
PROVISIONAL | 关键输入不足，暂时无法完成判断 |
严重程度分四档：blocker（不安全或会让流程走错）、major（明显破坏理解或连续性）、minor（有具体影响但不阻断）、note（创作选择或可选润色）。
审查的立场
优先守住原意、知情时机与连续性，不奖励脱离来源的华丽提示词。
一条提示词写得再漂亮，如果它把”后半段才该出现的东西”提到了开场，
它就是负分。
还有一条边界：无法读取媒体时明确限制，不从文字推断脸部一致、表演、口型或混音。
看不到成品就是看不到，不能拿”应该没问题”当结论。
七、跨文档的走向
整条链的阅读顺序：
1 | 剧本事实 → 视觉设定 → 镜头职责与边界 → 冻结关键帧 → 视频运动 → 下一状态 |
每一层只依赖前一层，不跨层抄。比如分镜不直接读原著分析，
中间隔着剧本和视觉设定——跨过去就把”候选”当成了”已接受的事实”。
八、小结
这套设计的出发点只有一个：让 AI 生成的东西能被追责。
- 画面错了，能追到关键帧正文
- 关键帧错了，能追到分镜的起点终点定义
- 起点终点错了，能追到剧本的场景 ID
- 连续性崩了，能追到视觉依据的条目引用
每一层都有稳定 ID，每一层都有脚本能机械核对一部分。
剩下的部分——这一镜该不该存在、观众该不该现在知道——
才是人真正该花的力气。
