AI 生成的故事常见问题是“每句话都对,但连起来不好看”。解决办法是先写镜头表,再让模型补全文字。镜头表是制作团队的共同语言:画面负责什么、声音负责什么、观众此刻知道什么,都要在表格里说清楚。
一、先建立角色卡
角色卡不需要写成长篇小说,保留会影响画面和表演的特征即可:年龄段、发型、服装、主色、性格动作、说话节奏和不能改变的道具。每次生成提示词都复制同一份角色卡,减少人物脸型和衣服漂移。
角色 A:短黑发,深绿色外套,左手戴旧表;说话短促,遇到压力会先看向门口。
角色 B:栗色长发,米白针织衫;语速慢,习惯把纸张折成两半。
二、用镜头表而不是“写一段提示词”
建议使用六列:镜头编号、时长、景别、画面动作、对白/旁白、声音与转场。每个镜头只放一个核心动作,时长先按 1.5 至 3 秒估算。镜头越短,后期越容易调整节奏,但不要为了快而牺牲信息完整。
| 镜头 | 画面动作 | 声音 | 目的 |
|---|---|---|---|
| 01 | 门缝里滑入一张照片 | 纸张摩擦声 | 抛出异常 |
| 02 | 角色 A 低头认出照片 | 旁白一句 | 补充关系 |
| 03 | 门外脚步停下 | 脚步+留白 | 制造悬念 |
三、把提示词拆成固定结构
出图或生视频时,可按“主体 + 动作 + 场景 + 镜头 + 光线 + 风格 + 约束”组织。约束要写清楚“不出现文字、水印、额外手指、变形道具”,同时避免堆砌十几个风格词。先锁定角色和构图,再做风格变化。
四、对白要能被听清
短视频对白最好一口气说完,少用连续长句。每句对白只传递一个信息,字幕和配音保持完全一致。涉及方言或专有名词时,先用普通话版本验证节奏,再决定是否做声音风格化。
脚本完成后先用黑底白字做“声音样片”,确认每个信息点的时长,再进入出图环节。下一篇会讲如何保持角色与场景的一致性。