影视动画分镜提示词怎么写？景别转换与画面连贯性控制指南

做影视或动画 AI 分镜，很多团队最先踩的坑不是生图模型的画质不够好，而是分镜之间人物换脸、服装变样、光影乱跳、景别失控。很多人习惯直接把剧本段落扔给大模型，让它输出 Midjourney 或 Flux 的提示词，结果生成的画面要么全是千篇一律的大头贴特写，要么镜头切换毫无逻辑，前一秒在白天室内，后一秒直接跳成了黄昏逆光。

其实，AI 分镜生成本质上是一场精密的信息工程控制。大语言模型（LLM）在这里扮演的是分镜导演与技术编剧，它的任务不是写文学描写，而是输出符合影视工业规范的结构化视觉参数。

一、 核心底座：主流大模型特性与参数调校实操

要让大模型产出可用度高的分镜脚本，首先要搞清楚不同模型的真实能力边界。

1.Claude 3.5 Sonnet：目前在影视分镜结构化输出中最稳定的模型。它的空间推理能力和代码级指令遵从度极高，能够精准理解复杂的镜头机位、物理遮挡关系，并且严格输出不带非法字符的标准 JSON 结构。

2.GPT-4o：多模态响应速度快，常用于剧本关键词发散、视觉细节补全以及分镜语法的自动校验。但是在面对长篇幅、多视点的复杂空间关系时，偶发会出现机位参数漂移。

3.Gemini 1.5 Pro / 2.0：具备超长上下文窗口。如果项目有长达几十页的完整影视设定集（Lore Bible）或长篇剧本，Gemini 能跨越数万字精准追踪不同场次之间的人物道具状态与时间线，适合做整剧级别的资产与剧情一致性提取。

1. 控制参数配置

分镜生成严禁过度发散，必须把大模型的随机性压低：

•Temperature（温度值）：建议严格设置在 0.3 到 0.5 之间。超过 0.7 就会导致模型随意发明新的服装配色或莫名其妙的镜头转场；低于 0.2 则可能导致镜头切换缺乏动感。

•Top-P：建议固定在 0.8 到 0.85。过滤掉低概率的长尾生僻词汇，保证专业摄影术语的纯度。

•System Prompt 约束：必须强制要求输出单一数据结构（推荐 Markdown 表格或标准 JSON），严禁输出任何解释性废话。

2. 主流大模型在分镜设计场景中的横向对比

二、 影视分镜提示词的六层骨干结构

写好单镜头提示词，不能靠“美丽”、“史诗感”这类抽象形容词。AI 图像生成模型对抽象情绪没有物理认知。

一套标准的工业级分镜提示词必须由以下 6 层明确模块 线性串联而成：

[景别与构图] + [主体视觉锚点] + [动作与情绪交互] + [空间与环境关系] + [光影与色彩基底] + [镜头硬件参数]

1.景别与构图（Framing & Composition）：明确镜头与被摄体的距离与视角。

2.主体视觉锚点（Subject Anchors）：贯穿整套分镜的核心特征串，严禁每镜修改。

3.动作与情绪交互（Action & Emotion）：微观动作、视线方向、面部微表情。

4.空间与环境关系（Environment & Depth）：前景、中景、背景的景深层级与遮挡关系。

5.光影与色彩基底（Lighting & Color Palette）：固定色温、主光方向与阴影对比度。

6.镜头硬件参数（Optics & Hardware Specs）：指定镜头焦段、光圈、胶片质感。

三、 景别转换与焦段映射规则

很多创作者写分镜时只写“Close-up（特写）”或“Wide shot（远景）”，生图模型往往会根据画面主体随意缩放，导致镜头切换时主体忽大忽小。

控制景别的核心技巧：用物理焦段（Focal Length）替代模糊的纯文字描述。

注意看：在写连续分镜时，避免跳跃幅度过大。例如从 ELS 直接切到 ECU，若缺少环境共性，画面会彻底断层。工业标准做法通常是 ELS（定场） $rightarrow$ MS（关系） $rightarrow$ CU（情绪），或者 CU（悬念） $rightarrow$ LS（解密）。

四、 画面连贯性控制的三大核心法则

要实现连续分镜的连贯性，必须在提示词中建立严格的物理守恒机制。

1. 角色特征锚定（Token Anchoring）

在同一个场景内，主角的描述词必须使用完全一致的文本指纹（Text Fingerprint）。

•错误示范：镜1写 `a handsome young cyber detective in a leather coat`；镜2写 `the detective wearing a dark jacket`。模型会认定这是两个不同的人。

•正确做法：提取一套不变的硬性特征，封装为常量。例如：

`Ken, a 28-year-old East Asian detective, short undercut black hair, silver cybernetic eye on right side, wearing a distressed olive green trench coat with high collar, matte black shoulder armor`。

后续所有分镜的提示词开头，直接原封不动复制这段主体描述。

2. 光影与色彩基底锁定（Lighting Continuity）

画面割裂往往来自背景光照逻辑崩塌。必须在所有镜头的提示词末尾添加相同的环境光物理参数：

•光源方向：固定主光来自左侧还是右侧（例如 `key light from left 45-degree angle`）。

•色温与色彩：统一锁定色温与色彩风格（例如 `cinematic teal and orange tone, 3200k warm practical light, cool blue ambient shadow`）。

•画质与颗粒基底：统一步长与胶片模拟（例如 `shot on Arri Alexa, 35mm film grain, cinematic volumetric haze`）。

3. 轴线原则（180度法则）在机位提示词中的落地

在两个角色的正反打对话镜头中，机位一旦越过关系轴线，观众就会产生方向迷失。AI 模型不理解隐形轴线，必须通过明确的机位角度（Camera Angle）与视线朝向（Looking Direction）进行硬性约束：

•镜头 A（角色甲）：`over-the-shoulder shot looking past Ken’s left shoulder, focusing on Maya, Maya looking slightly camera-left, camera placed at right 30-degree angle`

•镜头 B（角色乙）：`over-the-shoulder shot looking past Maya’s right shoulder, focusing on Ken, Ken looking slightly camera-right, camera placed at left 30-degree angle`

通过明确 `camera-left` 与 `camera-right`，就能彻底锁死角色的视线交汇线。

五、 提示词优化前后对比

六、 工业级“导演分镜编剧”系统提示词模板

在工作流中，可以直接把下面这套结构化 System Prompt 部署到 Claude 3.5 Sonnet 或 GPT-4o 的调用配置中，自动化转换剧本文档。

# Role
你是一名具备15年实战经验的好莱坞电影摄影指导（DP）兼分镜导演。你的任务是将用户提供的剧本/故事大纲拆解为具备高度连贯性、符合现代生图/视频模型（Midjourney, Flux, Stable Diffusion, Runway）规范的分镜提示词。

# Execution Rules
1. 景别控制严谨：严禁模糊描述。每一镜必须显式标注景别（ELS, FS, MS, MCU, CU, ECU）并强制匹配对应物理焦段（16mm, 24mm, 35mm, 50mm, 85mm, 100mm Macro）。
2. 视觉锚点绝对统一：对剧本中的主要角色提取3-5个不可变视觉常量（年龄/面部特征/发型/标志性服装），在每一个出现该角色的镜头提示词中完整复现。
3. 遵循轴线原则：涉及双人对话或动作对峙时，显式标明机位相对位置（Left/Right Angle）与视线朝向（Looking camera-left/camera-right），杜绝跳轴。
4. 光影与物理环境连贯：同一场次内，强制锁定主光源方向、色温（如 5600k Daylight 或 3200k Tungsten）与画质基底。
5. 严禁无意义修饰词：禁止使用 "hyperrealistic", "masterpiece", "epic", "4K/8K" 等空洞废话，全部替换为具体的布光方式、材质反射、镜头光圈与光影对比描述。

# Output Format
请严格输出为以下 JSON 格式，不要添加额外的问候语或解释文字：

{
  "scene_id": "场次编号",
  "scene_environment_anchor": "固定环境基底描述词（包含光影、色调、胶片颗粒）",
  "character_anchors": {
    "character_name": "核心主体特征固定提示词"
  },
  "storyboard_shots": [
    {
      "shot_number": 1,
      "shot_type": "景别 (如: Medium Shot)",
      "lens_focal_length": "镜头焦段 (如: 35mm lens)",
      "camera_movement_and_angle": "机位与运镜 (如: Low-angle, stationary)",
      "action_and_framing": "画面核心内容与构图细节",
      "full_generation_prompt": "[景别焦段] + [角色锚点] + [动作细节] + [空间遮挡] + [固定环境基底]"
    }
  ]
}

七、 避坑清单与实战总结

在落地执行过程中，请牢记以下几条实操铁律：

1.不要在一个分镜里堆砌多个动作动词：生图模型是静态截帧逻辑。如果在提示词里写“他拔出枪然后冲进大门并开火”，模型会把所有动作糅杂在一起生成畸变的多手多脚画面。一镜只描述一个瞬间动势。

2.多人物同框会产生属性污染：若一镜内必须出现两个角色，提示词很容易把 A 的衣服穿在 B 身上。在编写提示词时，使用强空间分割词（例如 `On the left, Ken wearing olive coat; on the right, Maya wearing dark jacket`），或者在后期采用局部重绘（Inpainting）进行分层控制。

3.景深（Depth of Field）的反向控制：做大远景（ELS）或全景（FS）时，务必在负向提示词或正向描述中排除 `shallow depth of field, blurred background, bokeh` 等词汇，否则背景会被严重虚化，失去定场建立环境的作用。相反，做特写（CU）时必须主动加入 `shallow depth of field, 85mm f/1.4, creamy bokeh`，以压制背景杂讯、凸显主体。

4.色彩漂移的兜底技巧：如果连续几个镜头发现画面偏色严重，可以在每镜提示词前部强制加入具体的色彩分级描述，例如 `Kodak Vision3 500T 5219 color grade, balanced neutral highlights, deep crushed blacks`，借用经典胶卷的色彩认知来约束画面色谱。