企业官网建设流程全解析

先回答：工具按什么分，怎么选

做 AI 漫剧或短剧时，「分镜提示词生成工具」大致分三类：通用对话助手、画布或平台自带助手、以及从剧本与分镜出发组织提示词的生产型工作台。选哪一类，取决于你缺的是「一句扩写」还是「几十场戏每场都对得上剧本和参考图的一整套提示词」。

判断标准只有一条：工具能不能把剧本事实、人物场景、片段和镜头放进同一条可检查链路。做不到这一点的，本质上是把一句话扩成一段话，前后一致性仍要你自己盯。

问题出在哪：为什么单条提示词不够

一个常见失败场景：你写了「年轻女子在雨夜老街回头，电影感」，模型出了图；下一场你要她走进巷口，结果发型、衣服、光线全变了。原因是单条提示词没有来源——它不知道上一场发生了什么，也不知道人物此刻该穿什么。

DirectorReady 的工作方法建议：先建立人物、场景和故事事实，再进入提示词工作；围绕人物、场景、片段、镜头、路线与版本组织内容，不把每次工作都当作孤立描述。这不是行业公认标准，而是我们作为产品方对当前问题的具体建议，其依据来自已核实的导入与解析流程。

不同模型对提示词细节的要求有差异。火山引擎方舟发布的 Seedance 提示词规范给出过一条实用原则：「一镜一运镜」，一个镜头只写一种运镜，不要叠加；写「镜头 1 / 镜头 2」而不是「0–3 秒」，因为模型对精确时间支持不稳定。Google DeepMind 的 Veo 3 指南也强调「越具体越可控」，要求把角色外貌、动作、场景、光线逐项写清。这些是模型方的建议，不是所有模型的通用结论，但方向一致：提示词的质量取决于它有没有把导演决定落到具体文字上。

完整教学例：从一段剧本到可核对的分镜提示词

下面用一个虚构教学剧本演示。假设我们有一段三场戏的短剧大纲：

剧本事实（原文）：

• 人物：林晚，25 岁，黑色短发，穿米色风衣，右手缠着纱布。
• 场景 A：雨夜老街，青石板路面反光，暖黄路灯侧光。
• 场景 B：巷口杂货铺，卷帘门半拉，店内荧光灯偏冷。
• 动作线：林晚站在屋檐下抬头看向街口 → 快步走进巷口 → 在杂货铺门前停住，伸手推门。

第一步：拆片段与镜头
把三场切成三个片段，每个片段内按动作拆镜头。片段 01 含两个镜头：固定中景（抬头）、缓慢推近特写（眼眶发红）。片段 02 含一个镜头：跟拍（快步走）。片段 03 含一个镜头：固定近景（推门）。

第二步：写分镜提示词
以片段 01 镜头 1 为例，修改前的问题写法：
「林晚在雨夜老街，很孤独，电影感。」

修改后的可复制文本：
「雨夜老街，青石板路面反光，暖黄路灯侧光，整体偏冷青。固定机位中景，女子站在屋檐下，抬头看向街口。米色风衣，右手缠纱布，黑色短发被雨打湿贴在额角。电影感写实，面部稳定，无水印。」

修改理由：把「孤独」翻译成可被模型识别的具体画面（雨后街道、侧光、湿发贴额）；只保留一种运镜（固定）；把人物外貌写进提示词，因为没有挂参考图。

第三步：核对输出
生成后逐项检查：八大要素齐不齐（主体、动作、场景、光影、运镜、风格）；有没有叠了两种运镜；人物外貌是否与剧本事实一致；有没有把别的场的人物道具写进来。

DirectorReady 在这一步做什么

上面的方法不依赖任何工具也能做，但手动维护几十个片段的剧本事实、人物描述和镜头顺序很容易串位。DirectorReady（导演请就位）的工作方式是把这条链路结构化：导入剧本正文后，系统围绕输入分析人物、场景和故事结构并规划片段；用户选择目标平台和提示词路线（分镜或首尾帧过渡），系统按片段组织结果，交付包含动作、镜头、画面描述的视频提示词文本。用户可以按镜头在精修台调整主体动作、镜头语言、环境运动与光线氛围，保存新版本后原始提示词与新版本并存，分别复制到外部生成平台使用。

需要人工核对的边界：系统分析不保证每个实体识别无误，资产页会标注复核状态；提示词文本正确不等于外部模型一定生成正确画面。

检查清单与适用边界

发布前逐项过一遍：

1. 每个镜头是否只写了一种运镜。
2. 人物外貌描述是否与剧本事实一致；挂了参考图时是否删掉了重复的服装长相描写。
3. 有没有写绝对时间。
4. 台词、音效、配乐是否用了对应符号。
5. 相邻片段的场景、道具、人物有没有串位。

不适用条件：如果你只做一条 15 秒短视频、单一场景单一连续动作，一段话写完即可，不必强行拆成多镜头。少量镜头用普通文档维护也能完成。