短劇文本轉(zhuǎn)文生視頻分鏡，克勞德指令定制4層約束拍出短劇感

上周有個做豎屏短劇的團隊找過來，說他們在用AI把劇本臺詞轉(zhuǎn)成文生視頻的分鏡腳本，跑出來的東西讓導演直接否了，說"沒有一條是拍得出來的"。

我讓他截個圖看看，結(jié)果一看，他給AI的分鏡里全是"她緩緩轉(zhuǎn)過身，眼神中帶著憂傷"這種描述，聽起來像MV旁白，不像短劇分鏡，根本沒法交給生成模型去跑，更沒法給剪輯參考。

我告訴他，他的老指令缺乏關于節(jié)奏、動作力度、時長分配的約束，而短劇的核心是快、沖、有張力，每一幀都要有動作，不能有靜止。AI不會自動知道這一點，除非你明確告訴它。

這類指令的定制，核心要解決四個問題。

1. 時長鎖死，每一秒必須有動作分配。

文生視頻的分鏡，跟普通文案最大的差別在于，它是時間軸上的內(nèi)容，不是平面的。AI如果沒有時間刻度的約束，給你的永遠是一段描述，而不是一段可以執(zhí)行的分鏡。

我在指令里把5秒的結(jié)構(gòu)拆成了固定模板：0到1秒是起勢，動作快速啟動；1到2秒是爆發(fā)，幅度最大化；2到3秒是交互推進，與人或環(huán)境發(fā)生實質(zhì)接觸；3到4秒是高潮轉(zhuǎn)折，情緒或動作出現(xiàn)變化；4到5秒是余韻，保持動態(tài)，絕對不能靜止。

每個時間節(jié)點對應一個動作描述，不能為空，不能含糊。這個模板不是建議，是強制結(jié)構(gòu)，AI必須按這個順序填內(nèi)容，而不是自由發(fā)揮。

2. 拒絕慢動作，速度詞匯必須硬性替換。

這是短劇分鏡和普通影視描述之間最核心的差距。AI默認的語言習慣傾向于"緩緩""靜靜""輕輕"，因為這類詞在它的訓練數(shù)據(jù)里跟"有質(zhì)感"強相關，但放到短劇里就是死穴，慢鏡頭出來的東西沒有短劇感。

指令里必須做一件事：把慢速詞列成禁止清單，同時給出替換詞庫。"慢慢地"禁止，換"猛地"；"緩緩"禁止，換"瞬間"；"靜止"禁止，換"快速"。不是告訴AI"要快"，是直接封掉它用慢速詞的路，逼它從動詞庫里找有力度的表達。這一層約束落到指令里，跑出來的動作描述語感會完全不同。

3. 人物標簽去名字化，分鏡才能通用。

短劇團隊用AI生成分鏡，經(jīng)常遇到一個隱患：AI在描述里保留了人物名字，但文生視頻模型不認識"張三""李四"是誰，遇到名字就會隨機生成外貌，導致同一個人物在不同分鏡里長相不一致。

解法是在指令里強制規(guī)定人物指代方式，只允許用通用標簽：男人、女人、老人、黑發(fā)女孩、紅衣男人，按畫面里的視覺特征來描述，不出現(xiàn)任何人名。這不是小細節(jié)，是讓分鏡腳本可以直接喂給生成模型的前提條件。名字在劇本層面有意義，在分鏡層面是噪音。

4. 去形容詞，只寫視覺畫面。

"他很憤怒"、"她很悲傷"，這類描述在文學里沒問題，在分鏡里是廢話。文生視頻模型處理的是視覺信號，不是情緒標簽，你跟它說"憤怒"，它不知道該生成什么動作，只能隨機填一個它認為對應的表情，結(jié)果往往不準。

正確的寫法是把情緒翻譯成具體的身體動作和面部細節(jié)：不寫"他很生氣"，寫"眉頭緊鎖，鼻翼擴張，咬牙切齒"；不寫"她哭了"，寫"肩膀劇烈顫抖，淚水順著臉頰快速滑落"。這個轉(zhuǎn)換邏輯必須寫進指令，讓AI在生成時自動完成這一步翻譯，而不是把情緒詞直接輸出給你。

這個團隊用新指令跑了一批分鏡，我要了三條看，每條都有完整的時間刻度，動作描述用的是"猛然抬頭"、"快速后退"、"身體劇烈前傾"，導演看了之后說可以直接對著這個來調(diào)生成參數(shù)，不用再逐條改。

他們反饋第一批20條分鏡，拿去跑視頻通過率比之前高了不少，節(jié)奏感也對了，劇感出來了。