AI视觉化分镜怎么做：从90秒脚本到67镜客户提案的完整工作流

AI 视觉分镜真正有价值的地方，不是提前做出一批“像广告”的漂亮图，而是在开机之前，把剧本、人物、空间、产品、摄影、表演和剪辑节奏放进同一个可讨论、可修改、可执行的视觉系统。下面将用一支匿名化的 90 秒设备类 TVC，完整拆解一套 AI视觉化分镜制作流程：成片脚本最终拆成 67 个镜头，平均每镜约 1.34 秒；建立 7 组角色参考、12 组纯场景参考，再以 7 类景别、8 类机位和 6 个焦段完成整片视觉预演。所有客户、品牌、型号与可识别商业信息均已移除，图片只用于解释方法。

一、先区分三种东西：故事梗概、镜头脚本和视觉预演

很多团队第一次做 AI 分镜，会把一段十几秒的文案直接交给模型，让模型生成一张“代表画面”。这张图可以用于气氛沟通，却不能回答片场最基本的问题：这十几秒到底拍几个镜头？先看谁？谁在动作？产品何时出现？情绪落点在哪里？镜头之间靠什么剪？如果把这些问题留到开机当天，所谓“分镜”就只是一组情绪海报。

可执行的分镜头脚本，最小单位不是段落，而是一个明确的视觉动作。一个镜头至少要回答五件事：画面里是谁或什么、观众这一刻必须看见什么、摄影机站在哪里、动作从哪里开始到哪里结束、这个镜头如何进入下一镜。AI 视觉化只是把答案变得可见，不能替代答案本身。

因此，项目开始时要先定义三层交付：

如果只是为创意会准备情绪参考，做到第一层即可；如果要用于报价、置景、选角、勘景、摄影和客户确认，就必须进入第二、第三层。关于传统分镜脚本的基础结构，可以先阅读站内的《广告分镜脚本怎么写》；本文重点解决它之后的难题：如何把一份已经成形的脚本，推进成整片一致的 AI 视觉预演。

二、第一步不是出图，而是把 90 秒重新拆成“可见动作”

拆镜时，不要按文案换行，也不要按场景名称机械分段。更有效的方法是为每个叙事节拍寻找镜头功能。常见功能包括：建立空间、交代人物、展示动作、证明结果、捕捉反应、连接转场、提供剪辑遮挡、留下品牌停顿。一个节拍通常需要两到五个镜头共同完成，而不是由一张大而全的画面承担。

例如，脚本里写“梦幻开场，6 秒内展示创意已经变成真实作品”。如果把它处理成一个 6 秒大全景，摄影机、人物和产品只能在同一构图里缓慢表演，信息密度和剪辑弹性都会不足。更合理的拆法可以是：

1. 1.2 秒结果特写：先看作品材质，让观众立即获得结果。
2. 1.6 秒人物与设备关系镜头：交代作品由谁完成、发生在哪里。
3. 1.6 秒多人物或多场景呼应：把个人创作扩展为家庭或副业价值。
4. 1.6 秒反应或动作收口：用轻微停顿把观众带入下一段。

这样依然是 6 秒，却拥有四个剪辑点、四种信息功能和多个节奏版本。导演可以在后期把第一镜压到 0.8 秒，也可以把反应镜延长到 2 秒；制片也能清楚知道哪些镜头共用场景、演员和道具。

三、先做镜头数据表，别让模型替你决定摄影

当 67 个镜头被列出后，下一步不是逐条写提示词，而是做全片摄影矩阵。矩阵的作用，是在生成之前看见结构性问题：是不是中景过多？是不是所有人物都正面看镜头？是不是每个房间都用同样的机位？是不是所谓“高级感”只剩大光圈和暖色？

这次匿名项目的镜头分布为：17 个中景、16 个全景、11 个大特写、9 个大全景、8 个特写、5 个中近景和 1 个图形端卡；机位则覆盖三分之四侧角、低机位、过肩、高机位、俯拍、侧面、主观视角和中心轴。焦段使用 16、25、32、50、75、100mm，其中 16mm 占 37 镜，但并没有把 16mm 当成唯一答案。

使用 16mm 的理由，也不能只是“显得高级”。广角适合建立空间、形成前中后景视差、让动作进入画面，并为家庭或工作室场景保留环境信息；50mm 以上则更适合材料、眼神和操作细节。镜头设计要围绕叙事功能，而不是围绕某个流行参数。我们在视觉提示中使用 ARRI ALEXA 35 的高光滚降、肤色和阴影细节作为质感参照，但必须明确：生成图是摄影方向预演，不是声称画面由该摄影机真实拍摄。ARRI 官方资料对 ALEXA 35 的 Super 35 传感器、17 档动态范围与 REVEAL Color Science 有清晰说明，适合摄影与后期团队统一参照语言。

四、建立“一致性圣经”：角色、场景、产品、色彩必须分开管理

整片一致性差，通常不是模型不够强，而是输入资产没有被分层。把人物照片、场景参考、产品白底图、色板和镜头要求全部塞进同一段提示词，模型会在每一镜重新权衡它们，最终出现脸型变化、衣服换色、家具移动、产品比例漂移和光向冲突。

建议至少建立四套独立资产：

• 角色圣经：年龄、体型、脸部特征、发型、肤色、固定服装、饰品和情绪边界。
• 场景圣经：房间结构、门窗位置、主要家具、材质、主色、实景光源和可移动道具。
• 产品圣经：正面、左右侧、三分之四角度、关键结构、不能改变的比例与品牌限制。
• 风格圣经：摄影机观感、镜头家族、对比度、色温、颗粒、黑位、高光和禁止项。

生成工具已经普遍支持参考图输入。OpenAI 的官方图像生成文档明确区分从文字生成、对现有图像编辑，以及使用一张或多张图片作为新图参考；Adobe Firefly 也把“构图参考”和“风格参考”拆开：前者主要约束轮廓、深度与画面安排，后者主要影响色彩、纹理、光线和整体气质。对商业分镜而言，这种拆分非常重要：人物身份参考不应该同时承担场景构图参考，场景结构图也不应该被当成色彩风格的唯一来源。

五、角色卡不是选角海报，而是身份锁定文件

角色卡至少需要正面全身、正面或三分之四近景、侧面三个角度。全身用于锁定身高比例和服装轮廓，近景用于锁定面部，侧面用于避免后续生成只会复制一张正脸。必要时增加手部、鞋履、饰品和表情小样，但不要一开始就加入大量戏剧动作，因为动作会干扰身份判断。

角色描述要写可观察事实，不写空泛气质。“温暖、有创造力、很高级”很难被视觉模型稳定执行；“30 岁上下、自然卷短发、奶油色针织上衣、深青围裙、深棕宽腿裤、动作克制、面对成品时只短暂停顿”则可以被摄影、造型和生成系统共同理解。

表演边界同样需要锁定。广告人物最容易被生成成过度惊喜、夸张大笑或对镜头展示商品。导演应该提前写清：笑容出现在哪一镜、眼神看向哪里、手的动作是否完成、是否允许对镜头、是否需要停顿。人物一致性不是只保住一张脸，而是保住这个人在整条故事里的行为逻辑。

六、先生成不带人物的纯场景，再让角色进入空间

场景图最好先完全不带人物。原因很简单：当角色提前占据画面，模型容易围绕人物重新设计房间；下一镜换机位时，桌子、门窗和背景墙就会漂移。纯场景板的任务是确定建筑关系、主家具、材质、色彩和光线方向，并预留摄影机能够站立的位置。

场景圣经里至少记录：空间用途、入口与窗的位置、主桌或主沙发坐标、背景层次、色温、日夜状态、灯具是否入画、主光方向、可移动道具和禁用元素。需要拍摄多个时间段时，应为同一空间分别制作日景和夜景版本，而不是要求模型在每一镜临时“把它变成夜晚”。

色彩也要从“形容词”变成可执行关系。例如这套示例使用深青、胡桃木、陶土橙、奶油白和少量芥末黄：深青负责空间深度，胡桃木提供生活质感，陶土橙承担情绪温度，奶油白保证人物和成品可读。后续每一镜可以调整明暗，却不重新发明一套配色。

七、把提示词写成“制作规格”，而不是文学描述

高质量提示词不在于长，而在于层级稳定。推荐把每镜提示拆成四层：

1. 全片层：摄影机观感、镜头家族、色彩、对比度、材质、皮肤和禁止项，所有镜头共用。
2. 镜头层：镜号、时长、景别、焦段、机位、构图、动作、可见故事信息和光线。
3. 参考锁定层：哪张图锁人物、哪张图锁空间、哪张图锁产品，各自允许改变什么。
4. 验收层：身份、建筑、产品结构、手部、文字、反射、阴影和叙事是否通过。

镜头编号：S025
时长：1.2 秒
镜头功能：建立生日空间，并为后续人物反应留出剪辑入口
景别 / 焦段 / 机位：中景，16mm，侧面机位
构图：彩旗形成近景遮挡，母亲在左侧中层，父亲在右侧深处
动作：两位家长同时布置，但动作方向相反，孩子从背景短暂穿过
光线：窗侧暖光为主，实景串灯只做层次
参考锁定：场景图锁建筑；角色卡锁身份与服装
禁止：正面摆拍、夸张笑容、家具位移、额外人物、可读品牌文字

请注意，这里没有写“电影感、梦幻、高级、震撼”之类无法验收的词。镜头有没有高级感，最终来自透视、材质、光线、动作和取舍，而不是来自形容词数量。

八、批量生成要分波次，不要 67 镜一次性提交

整片生成最稳妥的方式，是先做小样，再按依赖关系分波次。建议顺序如下：

1. 角色卡与纯场景板通过后，先生成每个主场景的一张代表镜头。
2. 检查人物、空间、产品和光向是否稳定，必要时修改圣经，而不是只修单张图。
3. 生成每条故事线的建立镜头、关键动作镜头和结果镜头。
4. 再补过肩、反应、特写、主观视角和转场镜头。
5. 最后生成产品 Hero、图形端卡和可能需要后期合成的镜头。

分波次还有一个重要价值：能尽早暴露系统性错误。如果前三张图里的工作室都不一样，问题不在第 4 张提示词，而在场景圣经；如果同一角色每次年龄都变化，问题在角色卡；如果产品角度总是被模型重新设计，就要增加多角度产品参考和结构禁区。先修系统，再扩量，比逐张返工有效得多。

九、构图丰富性要靠镜头组设计，而不是随机换角度

“不要都是中景”只是最低要求。真正的构图丰富性，要让不同角度承担不同叙事功能。以下三张图属于同一段家庭故事，却分别负责空间、关系和主观体验：

随机换角度会带来视觉噪音；功能明确的换角度才形成节奏。每次改变机位前都问一句：新角度增加了什么信息？如果答案只是“看起来不一样”，这张图很可能不值得拍。广角负责空间和动作，近景负责关系，特写负责证据，主观镜头负责参与感，转场镜头负责时间或空间跳跃。景别与角度的变化必须跟着叙事压力变化。

十、连续性审片：每张图都好看，整片仍然可能失败

AI 分镜的审片方式，不能只逐张放大看。建议同时做两种检查：

• 单镜检查：手部是否合理，产品结构是否准确，动作是否能执行，文字与 Logo 是否出现伪造，反射与阴影是否可信。
• 序列检查：人物身份、服装、场景结构、时间、光向、道具位置、视线方向和动作连续性是否成立。

最有效的做法是把所有镜头缩成接触表，先不看细节，只看节奏和重复。如果连续六张都是人物坐在桌边的中景，即使每张都很精致，影片依然平；如果一个角色的发型在接触表里忽长忽短，也比逐张查看更容易被发现。

审片时还要区分“视觉预演允许的近似”和“拍摄执行不能接受的错误”。背景书架上不可读的虚化文字通常不影响调度；产品操作步骤、认证名称、屏幕 UI 和品牌 Logo 则必须由真实素材或后期完成，不能让生成模型替客户发明。对于生成资产的来源、编辑与授权记录，也应保留文件哈希、版本和来源说明。C2PA 的 Content Credentials 规范提供了一种记录媒体来源与历史的开放思路，但无论是否使用该技术，团队内部都应先建立最基本的资产台账。

十一、把通过的图片回填分镜表，形成真正的导演文件

图片通过后，要回到分镜表，而不是把文件散落在文件夹里。一个适合导演、制片、摄影和客户共同阅读的表格，建议保留以下字段：

镜头时长要回算到整片。这个匿名项目 67 镜合计 90 秒，平均 1.34 秒，但平均值只用于发现异常：如果某个纯信息镜占 8 秒，就要确认它是否真是长镜头；如果情绪峰值只有 0.6 秒，也要确认观众是否有读取时间。导演最终调节的是呼吸，不是追求每镜相同长度。

十二、客户提案要像一本杂志，不要像生产数据库

分镜表负责执行，客户提案负责理解。两者可以共享图片，却不应共享同一版式。客户提案建议按“项目描述—创意方向—角色设计—场景设计—分镜序列—收尾画面”组织。分镜页每页放三张图，是一个相对稳定的阅读密度：足以形成前后关系，又不会把画面缩得过小。

极简不等于空。高端杂志感主要来自大图比例、标题层级、留白、统一字体和图文节奏，而不是大量线框、渐变面板和装饰图标。图片下方只保留镜号、时长、场景、摄影说明和一段导演意图。客户需要知道镜头为什么这样拍，不需要看到模型参数、生成次数或内部提示词。

如果一页三张图仍然无法讲清动作，说明问题通常不在排版，而在前面的拆镜。提案不是用来遮盖镜头逻辑的，它只是把已经成立的镜头逻辑更清楚地展示出来。

十三、AI 应该负责什么，导演必须保留什么

AI 很适合承担高成本的视觉试错：快速比较不同场景方向、测试服装和配色、提前发现镜头重复、制作客户可理解的空间与动作预演、在正式制作前验证一条故事线是否连贯。它也能把抽象创意迅速变成一套可排序的画面，让创意、制片、摄影和客户更早进入同一语境。

但以下决定不应交给模型自动完成：

• 一个段落到底需要几个镜头；
• 卖点、情绪和人物关系谁先谁后；
• 什么必须真实拍摄，什么可以生成或后期合成；
• 产品功能、工艺、认证和法律表述是否准确；
• 人物是否在“表演广告”，还是在真实完成动作；
• 哪些漂亮画面应该删掉，因为它们没有叙事功能。

换句话说，AI 可以把导演判断放大，却不能替团队建立判断。最差的工作流是“先出 100 张，再挑好看的”；更成熟的工作流是“先定义 67 个镜头任务，再为每个任务生成最有执行价值的画面”。

十四、一套可直接复制的制作清单

脚本拆镜检查

• 每个镜头是否只有一个主要动作和一个视觉落点？
• 每段十几秒的内容是否真的需要长镜头，还是应拆为建立、动作、证据和反应？
• 所有镜头时长相加是否等于成片时长？
• 每个镜头是否明确进入和退出方式？

一致性资产检查

• 主角是否有全身、近景和侧面角色卡？
• 每个主场景是否有不带人物的纯场景板？
• 产品是否有多角度真实参考及不可改结构清单？
• 色彩、光向、材质、服装和主要道具是否形成书面圣经？

逐镜生成检查

• 提示词是否写了景别、焦段、机位、构图、动作和光线？
• 参考图是否明确各自角色，而不是全部混用？
• 是否按故事线和场景分波次生成？
• 每完成一波，是否先做接触表连续性检查？

交付检查

• 图片文件名、镜号和表格是否一一对应？
• 分镜表是否区分摄影、运镜和表演调度？
• 客户提案是否删除内部提示词、工具名称和生成备注？
• 所有示例图、品牌、人物与产品是否具备使用授权或已经匿名化？

十五、常见问题

AI 分镜需要做到和最终成片一模一样吗？

不需要，也通常做不到。它应该准确锁定叙事功能、人物关系、空间、光向、构图和产品结构，让客户与制作团队理解“要拍成什么”；真实表演、镜头运动细节、材质微差和现场偶然性仍由正式制作完成。

为什么不能直接逐镜输入文字生成？

因为模型不会自动记住上一镜的房间、人物和产品。没有角色卡、场景板与结构参考，逐镜生成等于逐镜重新设计。图像工具支持多图参考和迭代编辑，但参考资产如何分工，仍需要团队先定义。

16mm 广角是不是高端广告的固定答案？

不是。16mm 能强化空间纵深和动作进入感，但过度使用会造成面部透视、产品比例和节奏单一。广角、标准焦段和长焦应该按镜头功能组合。所谓“ARRI 质感”也不是一个滤镜，而是高光、肤色、黑位、动态范围和镜头选择共同形成的结果。

生成图应该如何进入后续视频制作？

先把通过的画面作为镜头级视觉依据，再决定实拍、CG、平面动画或图生视频路线。涉及产品操作、认证、UI、Logo 和法律信息的镜头，应回到真实素材与人工后期。站内《实拍证据和生成镜头如何排进创意过会》进一步讨论了混合制作边界。

结语：真正高效的，不是生成更快，而是更早做对决定

当一支 90 秒影片被拆成 67 镜时，工作量看似增加，实际上大量问题被提前解决了：客户知道每一秒在看什么，制片知道需要哪些演员、场景和道具，摄影知道镜头与光线方向，后期知道节奏和转场，AI 团队也知道每张图的验收标准。相反，只有几张漂亮概念图的方案，往往把所有决定推迟到最昂贵的阶段。

判断一套 AI视觉化分镜制作流程是否成熟，看的不是模型名字，而是导演、摄影、美术和制片能否共同维护一套视觉生产秩序：先拆镜，再锁一致性；先设计镜头矩阵，再批量生成；先做连续性审片，再进入表格与提案。只要这套秩序成立，工具可以替换，项目依然能够推进。

如果你的项目已经有脚本或创意方向，但还没有形成可报价、可拍摄、可验收的视觉方案，可以先了解AI 广告片与视觉预演制作，再整理脚本时长、产品资料、目标市场和交付画幅，通过项目需求表提交 Brief。我们会先判断镜头数量、实拍与生成边界，再决定角色、场景、分镜和后续视频路线。

官方资料与延伸阅读

• OpenAI：Image generation guide——图像生成、编辑、多图参考与迭代工作流。
• Adobe Firefly：Match image composition to reference image——构图参考中的轮廓、深度与强度控制。
• Adobe Firefly：Reference images for styling——使用风格参考统一色彩、纹理与光线。
• ARRI：ALEXA 35——Super 35、动态范围、肤色与 REVEAL Color Science 官方资料。
• ACES Documentation：System Overview——跨拍摄、CG、后期与输出的色彩管理框架。
• C2PA：Content Credentials Technical Specification 2.4——数字资产来源与编辑历史的可验证记录。
• W3C WAI：Images Tutorial——博客图片的文本替代与信息型图片可访问性。

图片说明：本文封面为本教程专门生成的匿名原创视觉；正文图片来自匿名化商业分镜流程示例，仅用于方法教学，不呈现任何具体客户、品牌、产品型号或商业机密。