AI 短剧提示词完全指南：从剧本到出片的 5000 字手册

什么是导演化提示词？

导演化提示词：导演化提示词是用导演拆解剧本的方式写出的一组文本指令：先固定人物与场景，再把剧情切成镜头，为每个镜头写明时长、动作、运镜、环境与声音，让视频生成模型可以直接照着执行。

很多人第一次写 AI 视频提示词，是想到什么写什么：把剧情大意、想要的氛围和几串形容词混在一起交给生成模型，结果要么动作变形，要么画面里根本没有人做该做的事。导演化提示词的思路相反：像导演拆分镜一样，先决定「这个镜头里发生一件什么事、镜头怎么拍、从哪个状态开始、在哪个状态结束」，再把这些决定写成模型能读懂的句子。

对短剧来说，这套方法还有一个额外的好处：短剧动辄几十个镜头、同一批人物要反复出现，只有把人物、场景、风格这些不变的部分先固定下来，再让每条镜头提示词复用它们，几十条提示词才不会各自漂移。换句话说，导演化提示词不是一条一条孤立地写，而是先搭结构、再填镜头。

这份指南适合谁、怎么用？

适合的读者主要有三类：已经写好或改好短剧剧本、准备进入分镜环节的小说作者与编剧；试过几条生成提示词、但几十个镜头总是对不上人物与场景的短剧创作者；以及从真人短剧或动漫制作转过来、想弄清 AI 视频提示词写法的从业者。不需要绘画或剪辑基础，能整理纯文本、愿意逐条核对生成结果，就够用了。

1. 从头读到尾：各小节按制作顺序排列，第一次做短剧建议按顺序走一遍，边读边对照自己的剧本。
2. 按需查阅：已经开工的项目可以直接跳到对应环节，例如失败画面排查或批量管理。
3. 人物、场景和动作可以按自己的故事改写。
4. 先小后大：第一次完整走流程时，建议只做三五条镜头提示词，跑通后再扩到整集。

剧本准备：输入文本怎么整理？

提示词工具与生成模型读的都是纯文本，剧本整理得越干净，后面拆人物、拆镜头就越省事。整理的目标不是把剧本改好，而是让输入文本只保留与画面有关的信息：谁在场、在哪里、做了什么、说了什么、氛围如何。

1. 整理输入文本删掉与画面无关的备注和格式符号，统一人物称呼，导出为纯文本。
2. 确认呈现形式先定竖屏还是横屏、动画质感还是真人质感，以及单镜时长上限。
3. 建立人物场景卡把出场人物与主要场景写成固定描述，后面所有镜头复用同一套措辞。
4. 拆分镜头按一个镜头一个主要动作的原则，把每段剧情切成镜头序列。
5. 逐条写提示词按单镜头或首尾帧路线，为每个镜头写出包含五个维度的完整说明。
6. 排查与沉淀核对失败画面并修改提示词，把满意的写法存成模板供下次复用。

改编他人小说或剧本前，先确认拿到了改编授权；授权范围建议同时覆盖发布平台的商用要求。剧本正文里不要包含真实人名、品牌商标等容易引发纠纷的内容。

人物卡与场景卡：一致性的地基

人物卡是一段固定的人物外观描述，包含性别年龄段、发型发色、面部特征、服装配饰与随身物品；场景卡是一段固定的场景描述，包含空间结构、时间与光线、天气与标志性陈设。它们是整部短剧的地基：镜头提示词里的每个人物、每个场景，都从这两类卡片里复制描述，而不是每条现写一遍。

写卡片时记住三条：一是具体到能画出来，「三十岁男性、黑色短发束起、左脸有细小疤痕」比「帅气的男人」有用得多；二是抓住三五个辨识度最高的特征反复使用，特征太多反而互相干扰；三是保持措辞逐字一致，「黑色劲装」和「黑色紧身衣」在模型眼里可能就是两套衣服。

人物卡——沈青梧：二十四岁女性，黑长直发松松挽起，眉尾有一颗小痣，身着月白色立领长衫，外罩烟灰色针织开衫，手腕戴一只素银镯子。场景卡——旧书店：窄小的两层店面，木质书架顶到天花板，暖黄台灯，柜台上有铜制镇纸与一台老式收音机，窗外是雨后的青石板巷。

在 Director Ready（导演请就位）里，导入剧本后先选定呈现形式与审美，再从正文提取人物与场景，人物提示词与场景提示词从成稿页生成，全篇镜头共用同一套卡片。修改卡片时在导演工作台写下要改什么、保留什么，对照修改前后的文本再确认。

单镜头提示词的结构公式是什么？

单镜头提示词描述一个镜头，而不是一段剧情。把它当成一张要填完的字段表：每个字段回答一个问题，全部填完，模型才有明确的执行目标。字段顺序没有硬性规定，但风格前缀放开头、时长与收尾放结尾，是常见且稳定的组织方式。

填表时最容易漏的是「时长与收尾」。不写时长，模型会自行决定节奏；不写收尾，镜头可能停在人物动作一半的尴尬状态。先写清这两项，再补其他字段，是减少废片最省力的习惯。

真人实拍质感，温暖治愈的日常基调。旧书店内，木质书架顶到天花板，暖黄台灯照亮柜台，窗外是雨后的青石板巷。中景平拍，黑长直发松松挽起、穿月白色立领长衫的沈青梧抱着一摞书走向柜台，把书轻轻放下后抬头看向门口，嘴角慢慢扬起；摄影机随她前进后缓缓解环绕到柜台侧面，结尾停在她回头的近景，镯子在灯下微微反光。声音：雨后巷子里的滴水声、老式收音机的电流杂音。时长约 10 秒。

运镜、景别与单镜时长怎么写？

运镜与景别决定镜头的「语法」。景别说明画面拍到多少：远景交代环境，中景交代人物与动作，近景与特写交代情绪。运镜说明摄影机怎么动：推、拉、摇、移、跟、环绕、手持，各有各的情绪。短剧对话多用中景与近景，动作场面用快切与跟拍，空镜用固定远景。

• 一个镜头只安排一种主要运镜：又要推又要摇又要环绕，模型往往只能执行其中一种，甚至互相打架。
• 运镜速度要写出来：「缓慢推进」与「快速推进」是两种完全不同的情绪。
• 对话镜头以固定机位为主，靠近景切换表达情绪，比复杂运镜稳定得多。
• 动作镜头写清方向：从左向右冲、向上挥拳，方向不明时人物容易在画面里「瞬移」。
• 单镜时长与目标平台的单元上限对齐：常见单元是 5 秒到 15 秒，一条提示词描述的时长不要超过上限。

时长还会反过来约束动作量。10 秒的镜头只够完成一个完整动作加一个情绪反应；想在同一镜头里完成起身、夺门、追出巷子三件事，就该拆成三条提示词。用时长反推动作量，比写完再砍要省时间。

首尾帧路线怎么写？

首尾帧路线是另一种控制方式：先为每个镜头写出起始画面与结束画面两张图的提示词，交给图像平台生成两张关键帧，再把两张图与过渡描述一起交给支持首尾帧功能的视频平台，由模型补全中间过程。它把「动作怎么发生」的控制权，部分交给了两张精确的关键帧。

写首尾帧时，两张图的提示词要各自完整、彼此一致：人物外观、服装、场景与光线措辞逐字相同，只有动作状态不同。起止差异要够产生动态，又不能大到逻辑断裂；过渡靠动作动词暗示，例如「从合掌到展开信纸」，而不是写剪辑术语。

首帧提示词：旧书店柜台前，黑长直发、穿月白色立领长衫的沈青梧低头拆开一个牛皮纸包裹，双手捧着未拆封的旧书，暖黄台灯，真人实拍质感。尾帧提示词：同一场景同一机位，沈青梧把翻开的书页转向镜头，指尖停在某一行字上，眼眶微红，暖黄台灯，真人实拍质感。过渡描述：她撕开包装纸、翻开封面，镜头缓慢推近书页，动作连贯自然。

在 Director Ready（导演请就位）的分段严格导演路线里，可以选择按首尾帧输出：工具为每个镜头给出首帧、尾帧与过渡提示词，人物与场景描述保持一致，可以在导演工作台分别修改并对照调整前后的差异。

分段严格导演与全篇完整导演怎么选？

把剧本变成提示词有两条常见路线。分段严格导演把整篇切成片段，逐段推进：先整理这一段的人物与场景，再产出这段的分镜或首尾帧提示词，确认满意后进入下一段。全篇完整导演则是先选一位「导演」风格，把整篇一次编排成完整的分镜稿，再整体审阅与修改。

两条路线不是二选一的关系，而是工作习惯的差异。拿不准时可以这样选：原文接近 5000 字上限，或打算逐章更新，用分段严格导演；剧本已经定稿、想先看整体节奏，用全篇完整导演。全篇成稿需要调整时，沿用设定重新编排，现有成稿保留。

Director Ready（导演请就位）同时提供这两条路线：分段严格导演按片段给出分镜或首尾帧过渡提示词，分镜可在导演工作台局部修改并与原稿对照；全篇完整导演选一位导演编排整篇，成稿可对照原文，按镜头或提示词组复制，也可导出全部文本。局部修改不作用在首帧、尾帧和过渡上，这三项不满意时重新获取。

人物、服装、场景与风格怎么保持一致？

一致性问题的根源在于：生成模型每次都从提示词重新「想象」画面，上一镜头记得的特征，下一镜头不写就会丢。所以维护一致性不是靠记忆，而是靠重复——关键描述逐字重复出现在每条提示词里。

• 人物：把人物卡里的外貌与服装描述原样复制进每条镜头提示词，不要临场改写或缩写。
• 服装：换装情节单独处理，在换装之后的镜头里整批替换服装描述，并保留发型、配饰等不变特征。
• 场景：同一场景的镜头复用同一段场景描述，时间变化只改光线与天气那几句。
• 风格：全篇只用一个风格前缀，片头片尾与空镜也不换，风格混用是跳戏的主要来源。
• 生成层：配合平台的参考图或角色一致性功能，先出定妆图与场景参考图，再开始批量生成。

即便两层措施都做到位，仍要逐镜头核对。发现某条提示词里人物换了发型，先检查是不是自己缩写了描述，再考虑生成端的原因。没有工具能承诺完全一致，核对这一步省不掉。

抽卡与失败画面怎么排查？

同一个提示词多次生成，结果会有差异，创作者把反复生成、从中挑选可用结果的过程叫「抽卡」。抽卡是正常的，但要抽得明白：如果十条里只有一条能用，问题大概率不在运气，而在提示词本身有歧义。

1. 先看人物：脸、发型、服装哪里变了？对应的描述是不是被缩写或改写了？
2. 再看动作：该做的动作没做，还是做成了别的动作？起止状态写清了吗？
3. 再看运镜：摄影机根本没动，还是抖得没法用？运镜描述是否只留了一种？
4. 再看时长：动作被压缩或拖长了？对照平台的单元时长上限调整内容量。
5. 最后看风格：色调、质感与前后镜头是否一致？风格前缀是不是被漏掉了？

改完只改一处，重新生成再对比。一次改五处，即使结果变好，也不知道是哪一处起了作用，模板也就沉淀不下来。失败画面排查的价值不只在救回这一条，更在于弄清自己的写法里哪些措辞稳定、哪些容易出问题。

几十条提示词怎么批量管理？

一集短剧通常有几十条镜头提示词，管理不当会出现三类混乱：版本混乱，改过的和没改的混在一起；复制混乱，导出到平台时漏条或重条；命名混乱，回头找某一条要靠来回滚动。批量管理要解决的就是这三件事。

• 按集与场次分组：提示词按「第几集、第几场、第几镜」编号，顺序与剧本一致。
• 区分状态：待生成、已生成、已采用、待重做，每个镜头处在哪个阶段一目了然。
• 版本对照：改动提示词时保留修改前后的对照，能说清每一版改了什么。
• 成组导出：按镜头或提示词组复制，或整批导出为纯文本，导入生成平台时按编号对齐。
• 集中放卡片：人物卡与场景卡单独存放，所有镜头从卡片复制，不在镜头里另起炉灶。

Director Ready（导演请就位）里这些由提示词工具承接：剧本导入后按片段与镜头组织提示词，修改在导演工作台完成并与原稿对照，成稿支持按镜头或提示词组复制，也可导出全部文本。工具负责组织，取舍仍由创作者决定。

怎么把满意的写法沉淀成模板？

做到第二集就会发现，很多写法是重复的：风格前缀、人物卡的句式、场景切换的过渡句、运镜的常用组合。把这些反复出现的写法整理成模板，下一集就能把时间花在真正需要创作判断的动作与情绪上。

模板不是越全越好。值得沉淀的是「经过验证稳定」的片段：某条风格前缀连续多条镜头都稳定、某个运镜写法生成不抖，才存进模板；只在一次生成里碰巧好用的写法，先放着多观察几轮。

【风格前缀】真人实拍质感，都市情感短剧基调，自然光为主，色调偏暖。【人物】（从人物卡复制：姓名＋年龄段＋发型发色＋面部特征＋服装配饰）【场景】（从场景卡复制：空间结构＋时间光线＋标志性陈设）【镜头】景别＋机位高度，主要运镜一种。【动作】一个主要动作，写明起止状态与情绪反应。【环境动态】一到两个与剧情相关的动态元素，例如风吹动窗帘、路人经过。【声音】一到两种环境声或氛围描述。【时长】约 10 秒，结尾停在（具体画面）。

使用模板时按方括号逐项替换，替换完通读一遍：确认人物描述与人物卡逐字一致、动作只有一个主要事件、时长没有超过平台单元上限。模板保证的是下限——不会漏维度；上限仍然取决于每条提示词里具体的创作判断。

各平台适配要注意什么？

同一条提示词复制到不同平台，结果可能差别很大：单元时长上限不同、首尾帧支持不同、对运镜描述的执行程度不同、风格词的偏好也不同。适配的原则是结构通用、参数本地化：五个维度加时长的结构不变，风格前缀、时长数值与是否使用首尾帧，按目标平台调整。

各平台的功能与参数更新频繁，以官方资料为准；撰写时建议核对 2026 年 10 月前后的最新说明。Director Ready（导演请就位）的目标平台选项对应这些品牌与模型家族，表示提示词的输出目的地，不代表站内代生成或与平台存在合作。

常见错误清单

把排查中最高频的错误整理成一张对照表。遇到废片时按「常见现象」一列对号入座，比凭感觉重写快得多。

结语：把手册变成自己的工作流

回头看整条链路：剧本整理决定输入质量，人物卡与场景卡决定一致性的下限，单镜头或首尾帧的结构公式决定每条提示词的完整度，两条生成路线决定推进节奏，排查与模板决定第二部作品比第一部顺多少。每个环节单拿出来都不难，难的是几十条提示词里始终保持同一套标准。

建议从一条 30 秒的样片开始：三四个镜头、一个人物、一个场景，完整走一遍从剧本到生成到排查的过程。跑通之后再扩展到整集，把过程中验证过的写法沉淀成自己的模板库。Director Ready（导演请就位）可以在分镜与提示词环节承接重复劳动——从剧本拆出人物、场景与镜头提示词，支持局部修改并与原稿对照，交付文本提示词；生成、配音与剪辑交给所选的外部平台。它不会让作品一次出片，但能让每一条提示词都有据可依。