企业官网建设流程全解析

你有没有过这种经历：憋了半天给AI输入一句“夕阳下的海边，一个女孩在跑步”，生成的画面确实很美，但也就是“美”而已——镜头像无人机随便绕了一圈，女孩的脸在第三秒就换了模样，浪花的节奏和跑步的节奏完全对不上，整段视频更像一张会动的壁纸，而不是一场有情绪的戏。

我在把即梦Seedance 2.0作为主力视频创作工具用了大半年之后，最强烈的感受就是：AI生成的瓶颈早就不是“画质不够”，而是“创作者不会给AI派活”。Seedance 2.0已经把文生图、图生视频、多模态理解这些能力打包好了，但绝大多数人还停在“单句prompt加一长串形容词”的阶段，结果就是精力花了不少，产量很高，但没有一条能剪进作品集。

这篇文章想分享的，是我从“写一句prompt碰运气”彻底转向“写导演级分镜脚本”之后总结的一套方法论。它的核心只有一句话：不要把prompt当成一个句子来写，而是把它当成一个可以逐层展开的创作系统。我会从翻车现场讲起，逐步拆解四级分镜法、Prompt的三层结构、文生图与图生视频的实操衔接，最后用一个完整的九镜头案例带着你走一遍全流程。如果你也正在用AI视频工具做内容，这篇文章应该能帮你少走很长一段弯路。

1. 别再让AI替你即兴发挥了：单句prompt产出的三种典型翻车现场

先说点不太好听的真相：单句prompt其实不是在“创作”，而是在“抽卡”。你输入一句话，AI在语言模型层把它翻译成一组画面设想，又在视频生成层把它展开成若干帧。问题在于，两层之间存在巨大的信息损耗。我在刚转用Seedance 2.0的前两周，几乎每天都在翻车，而且翻车类型高度集中，总结下来就是三类。

1.1 语义漂移：AI把你的一句话理解歪了

我印象最深的一次：我想做一个“深夜便利店门口，一个穿黄色雨衣的女人在等车”的镜头。生成结果出来，画面确实有便利店、确实有雨衣、确实有车，但整体氛围变成了“晴天傍晚的郊区公交站”，雨衣被理解成了防晒服，深夜的霓虹感完全消失了。

问题出在哪？因为单句prompt里塞的元素太多：人物、服装、地点、天气、情绪、环境光。当这些信息挤在一个句子里时，AI的注意力会被淹没，它只能挑自己“最有把握”的词语去渲染，剩下的全部按训练数据里最常见的组合去补全。你以为你在描述一个雨夜，AI看到的关键词只有“便利店”和“车”，于是它自动联想出了晴天城市街景。这就是语义漂移，本质上是信息过载导致的优先级错乱。

1.2 镜头单一：生成了一堆“好看的PPT”

第二个典型翻车是镜头语言几乎为零。单句prompt生成视频时，AI默认的镜头逻辑非常保守——一个大全景，或者一个缓慢的中景推近，然后画面就在那里轻微晃动。不是说不能用，但如果你想做一条有节奏感、有叙事张力的片子，这种镜头语言根本撑不起来。

我记得有个晚上，我用同一句话“一个老人在胡同口修自行车”反复生成了好几次，每次都是差不多的构图：老人蹲在画面中央，自行车横在一边，镜头从侧面缓缓横移。没有特写、没有俯拍、没有运动跟随，情绪完全靠观众脑补。AI不是不会做镜头，而是它不知道你想要什么镜头。你没有给它“运镜指令”，它就选择最安全、最平均、最不出错的方案。

1.3 风格断层：多镜头合在一起像三段广告

用单句prompt做单条视频，问题还不明显；但一旦你想把三次生成结果剪成一个完整叙事，风格断层就会变得刺眼。人物的脸对不上，光影方向不一致，甚至色调都完全不同——第一条是暖黄色调，第二条变成冷蓝色调，连观众都能一眼看出“这是三段拼起来的”。

这背后的原因是：单句prompt没有“全局一致性”的概念。它只负责生成“当前这一段画面”，不负责维护“整个片子的视觉DNA”。你做分镜脚本，本质上是在建立一套统一的视觉语言，让所有镜头共享同一个世界观。

所以，我后面做的第一件事，就是彻底放弃“一句prompt生成一个视频”的懒人模式，改成“先写分镜脚本，再逐镜头生成素材”的工作流。这个转变看似变复杂了，实际生成速度反而更快——因为每一轮生成的目标都极其明确，返工率大幅降低。

1.4 单句prompt的本质缺陷：它没有“时间轴”

最后再从原理层面补一刀。视频和图片最本质的区别是：视频有时间轴，图片没有。单句prompt是一个“静态描述”，它描述的是某一瞬间的空间构成——谁在哪、什么物体、什么颜色。但视频需要的是时间推进——谁先入画，动作怎么展开，镜头怎么运动，情绪怎么变化。

这些信息，一个句子里根本放不下。即使你用一串逗号强行堆进去，AI也无法判断哪个事件发生在哪个阶段。这就是为什么单句prompt生成出来的视频总有一种“画面感很强、叙事感很弱”的观感。它只是把一张图变成了一个在微动的画面，而不是把一段故事变成了视觉表达。

理解了这一点，你就能理解我接下来要讲的整套方法论——我们在做的，其实就是在prompt里注入“时间轴”和“镜头思维”。

2. Seedance 2.0的多模态能力，到底把哪些创作环节拆开了

在聊方法论之前，有必要先把工具能力边界摸清楚。不然你写了一堆分镜脚本，结果手头的AI视频工具根本实现不了，那也白搭。Seedance 2.0这一类多模态创作工具的出现，其实把AI视频生产从“单一文本生成”推进到了“图文视频协同生成”的阶段，这在一年前是难以想象的。

2.1 文生图：把“角色”和“场景”先钉死在画面上

Seedance 2.0给我的第一个惊喜，是文生图能力和视频生成能力的顺畅衔接。你可以先用文本生成一张概念图，把主角的长相、服装、场景的构成、光线的方向全部固定下来，然后把这张图作为后续视频生成的“锚点”。

这个能力的重要性怎么强调都不过分。如果没有文生图这个环节，你只能靠文字去描述“一个穿藏青色风衣的男人”，AI每生成一次，这个男人都长不一样。但有了文生图，角色设定可以一次定稿——脸是这张脸，衣服是这套衣服，场景是这套场景，后面所有镜头都由这张图衍生，一致性才有基础。

2.2 图生视频：让静态的关键帧动起来

图生视频是这套工作流里的发动机。它的意义在于：你不必再用漫长的文字去描述“画面里有什么”，文字只需要描述“画面怎么动”。在Seedance 2.0的图生视频模式下，一张分镜关键帧图会成为起始画面，AI在此基础上生成运动轨迹、镜头推拉、人物动作等等。

实际用下来，我发现图生视频比单纯文生视频的“可控性”至少高了一个层级。同样的运镜指令，文生视频里AI经常把“镜头慢慢推近”理解成“镜头推到一半又开始环绕”，而图生视频由于画面基底已经确定，AI的工作重心就只剩下运动推理，生成结果明显更听话。

2.3 多模态输入链路的基本形态

结合起来，Seedance 2.0这类工具真正支持的工作流，是下面这样一条链路：

1. 用文本描述角色和场景的整体设定。
2. 文生图，生成关键帧概念图，完成视觉定稿。
3. 对每个关键帧使用图生视频，输入运动指令，生成动态片段。
4. 多条动态片段在剪辑软件里拼接，完成成片。

请注意一个细节：这条链路里，文本、图像、视频三种模态各司其职。文本负责“逻辑叙事”，图像负责“空间视觉”，视频负责“时间运动”。如果你跳过图像，直接试图用文本把视频的运动、视觉、叙事一把抓，那又会回到单句prompt的语义漂移老路上。

2.4 为什么“导演级分镜脚本”在这个时代变得实用

我直到把整个链路跑通之后，才意识到一个关键事实：分镜脚本在传统影视制作里之所以存在，不只是为了“画格子给摄影师看”，它的核心作用是让不同工种的人在同一个视觉目标上对齐。而在AI视频时代，你的“协作对象”从摄影师和美术指导变成了AI模型。

模型没有“读心术”，它只能从你的prompt里推断意图。所以分镜脚本已经从“可选的创作工具”变成了“必须的沟通协议”。每个镜头写给谁看？写给你自己，也写给AI。你在分镜脚本里规定的景别、运镜、光线、情绪、时长，就是AI的执行指令。脚本越清晰，AI的执行越准确，废片率越低。

3. 从一句话到一场戏：四级分镜拆解法

既然单句prompt承载不了复杂创作，那怎么把一句话变成一套可执行的分镜脚本？我摸索了很久，最后固定下来一个四级拆解法。它的核心不是“把一句话拆成十个镜头”这种粗暴做法，而是层层递进，先定叙事，再定场景，再定镜头，最后才落笔写渲染prompt。

3.1 第一级：叙事级——先讲一遍完整的故事

贪多嚼不烂，先用大白话写出“这个故事发生了什么”。比如最初的单句是“晨雾里的古镇”，叙事级扩写后变成：

清晨，古镇还没醒来。一位做早点生意的老人推开木门，雾气从青石板路上漫过来，他养的那只猫趁机溜出门去。老人不慌不忙地支起蒸笼，第一缕阳光穿透雾气照在白气上。一个背着相机的旅人从石桥上走来，和老人点头致意。镜头缓缓拉远，整条老街在晨雾里苏醒。

注意，这里没有任何镜头语言，不涉及“特写”“推近”“全景”这些词。它就是一段可以被任何人读懂的文字故事。为什么要先写它？因为叙事是整个分镜的灵魂。如果这一步垮了，后面所有镜头都会变成“好看的碎片”——单看每一段都很美，连起来却不知道想表达什么。

3.2 第二级：场景级——把故事拆成几个段落

叙事是一个连续的流，但AI视频无法一次生成太长的时间跨度。Seedance 2.0单次生成时长一般在10秒以内，即使是多模态方式，也要考虑模型的时间推理能力上限。所以需要把叙事拆成若干个“场景”，一个场景是一个相对独立的时空单元。

还是以“晨雾里的古镇”为例，我拆成了四个场景：

这个拆法有一个原则：每个场景只干一件事。不要在一个场景里塞两个独立事件，否则AI生成时，两个事件的动作会互相干扰，结果往往变成“什么都没有好好呈现”。

3.3 第三级：镜头级——给每个场景配1到3个镜头

场景定下来之后，才轮到镜头语言进场。这一步需要你像导演一样思考：这个场景里，观众应该先看到什么，再看到什么？情绪是靠近景逼出来的，还是靠全景放出来的？

我的经验是，一个场景配1到3个镜头最合适。镜头太多，视频节奏容易拖沓；镜头太少，又无法呈现场景的空间关系。以场景A为例，我拆了两个镜头：

• 镜头1：近景，门吱呀一声推开，一双布鞋先迈出来，雾气涌入。
• 镜头2：中景，老人站在门口伸了个懒腰，猫从脚边蹿出画面。

镜头级要写清楚的元素包括：景别（远景/全景/中景/近景/特写）、机位（正面/侧面/背面/俯拍/仰拍）、运镜（固定/推/拉/摇/移/跟随/环绕）、时长（秒数），以及画面里正在发生的关键动作。

为什么要规定时长？因为AI虽然是“生成视频”，但它不是无限生成的。你给它的时长越具体，它越容易围绕这个时长设计动作开端和动作收尾。如果放任自由，它常常只生成一段“无限绵延的静镜头”，没有戏剧性。

3.4 第四级：渲染级——给AI写能吃的执行prompt

最后一步，把镜头语言翻译成Seedance 2.0能理解的多模态prompt。这一步要落到“具体到像素之前的意象层”：主体怎么样、动作是什么、光线从哪个方向来、色彩偏向暖还是冷、景深是浅还是深、画面质感是胶片还是数码。

这里有一个很容易犯的错——把渲染级prompt写得像电影论文。实际上，AI接受的是“意象密度高、逻辑层次清晰”的描述，而不是形容词的堆砌。一个镜头写三到五句话足够了，句子的顺序也有讲究：第一句写“画面里最重要的事”，后面几句写“环境如何配合这件事”。AI会优先执行prompt前半部分的内容。

3.5 四级拆解法的最终成品长什么样

把四个级别串起来，最终的分镜脚本不是一页纸巨长的“prompt大全”，而是一份自带逻辑层的文档。叙事级负责“为什么”，场景级负责“在哪发生”，镜头级负责“怎么拍”，渲染级负责“AI具体执行什么”。

这份文档在Seedance 2.0上的呈现方式，就是四个场景各生成一张关键帧概念图，九个镜头各生成一段动态视频，然后素材切片、排序、剪辑。从单句prompt到成片，中间真正被“升维”的地方，是你在叙事级和镜头级注入的导演思维，这是任何模型都无法替你想好的部分。

4. 写Prompt的三层结构：镜头指令、情绪纹理、一致性锚点

很多人以为学到这里就够了——会拆镜头，会定场景，是不是就能写出好prompt？事实还差一步。同样的镜头要求，用两种不同的写法喂给Seedance 2.0，生成结果能差出一个量级。

我写prompt向来不走“想到哪写到哪”的路线，而是固定一个三层结构：镜头指令、情绪纹理、一致性锚点。每一层负责一种信息类型，顺序和逻辑都不可乱。

4.1 镜头指令层：别让AI猜摄影机的走位

镜头指令是prompt的第一层，也是AI执行优先级最高的一层。它告诉模型“摄影机以什么方式看待这个画面”。包括但不限于：景别、机位角度、运镜方式、焦距带来的空间感，以及画面主体在构图中的位置。

举例来说，同样是“老人推门”这个动作，两种prompt的差异是这样的：

• 差劲版：“门开了，雾气进来，老人站在门口，看起来很沧桑。”
• 镜头指令版：“固定近景，平视机位，门横向打开，老人从门后缓缓现出，画面主体居中偏右，背景是虚化的木门纹理和雾气。”

差劲版的问题在于，AI不知道“你站在哪里看”，它很可能随便选一个上帝视角，把门和老人拍扁在一个平面里。镜头指令清晰之后，AI的摄影机才算真正“落地”了。

4.2 情绪纹理层：用光、色、环境词制造氛围

镜头指令解决“机位”问题，情绪纹理解决“感受”问题。AI生成画面时，影响观感的往往是光线方向和色温，而不是写一堆“很孤独、很忧伤”的抽象词。模型对抽象情绪词的理解有限，但对“暖黄色路灯”“青蓝色晨雾”这类具象视觉词非常敏感。

以场景A的晨雾为例，我会补充这样的情绪纹理：

低角度柔光，雾气从画面右下角向左上流动，整体色调偏冷灰色，老人身上那件深色棉衣是画面里的唯一重色块，门框内侧透出暖黄色灯光。

这里没有写“孤独”两个字，但晨雾的冷灰、唯一的重色块、暗背景里的暖黄光源，共同制造了“一个人开启一天的安静孤独感”。你用具象词汇“勾引”AI往正确的情绪方向走，而不是要求它理解抽象的形容词。

4.3 一致性锚点层：贯穿所有镜头的视觉DNA

一致性锚点是我在反复验收成片后发现最有价值的技巧。它的作用就是让“角色看起来始终是同一个人，场景看起来始终是同一个地方”。比如这个古镇项目，我的锚点包括：

• 人物：穿深色棉衣、短发、微驼背的老人
• 宠物：一只灰白相间的短毛猫
• 场景标志物：石拱桥、青石板路、木质门板、蒸笼白气
• 色调基准：清晨冷雾为主，灯光是局部暖黄色

这些锚点必须原样出现在每一个镜头的prompt里。不要嫌重复，AI没有“记忆”，它不会因为在镜头1里见过老人，就在镜头5里自动认出他。你需要不厌其烦地在每一个prompt里重复这些锚点词，角色一致性才有保证。

4.4 三种信息类型如何连成一段完整prompt

以场景A的镜头2为例，我把三层结构合成了一段完整prompt：

中景，平视机位，固定镜头，画面主体是一位穿深色棉衣、短发、微驼背的老人站在木质门板前。低角度柔光，晨雾从画面右下飘向左上，整体色调冷灰，门框内侧透出暖黄色灯光。灰白相间的短毛猫从老人脚下蹿出画面，青石板路上反射湿润光线，背景石拱桥若隐若现，清晨冷雾氛围，胶片质感。

这段prompt大概六句话。第一句是镜头指令，中间两句是情绪纹理，后面两句是锚点。全段没有废话形容词，每句话都指向一个可被视觉化的具体要素。把它拆成镜头拍摄指令的话，摄影师能直接照着布光，换成Seedance 2.0，它同样能准确理解。

5. 完整案例拆解：从“晨雾里的古镇”到九镜头的成片脚本

理论说得再多，不如上手跑一个完整案例。下面这个案例，是我实际跑过的一个项目，从最初的单句prompt到最后成片，所有思路都按前面讲的方法展开。你的单句prompt可能跟我这个完全不同，但整套拆解过程可以照搬。

5.1 原始单句与叙事扩写

最初的输入只有七个字：晨雾里的古镇。如果按单句prompt直接生成，结果基本可以预判——一个大全景，雾气缭绕，房子若隐若现，很美，也很空。我把它扩写成了一小段叙事：

清晨，古镇还在沉睡。老人推开木门，雾气漫进来，猫从门缝溜走。老人在河边石阶蹲下洗手，一艘小船从雾里划出，船桨划破水面。旅人在桥上站定，举起相机，老人抬头朝他笑了笑。阳光终于穿过雾气，落在冒着白气的蒸笼上，老街慢慢热闹起来。

这段文字本身没有任何镜头语言，但我心里已经清楚了：这条片子要讲的是“一个古镇在清晨苏醒”，它的情绪推进是从安静到明亮，结构是“老人——猫——小船——旅人——阳光”五个元素依次登场，互为线索。

5.2 九镜头分镜脚本

顺着叙事，我拆出九个镜头，完整脚本如下：

总时长大约27秒。这个长度对短视频来说是合适的——单条AI生成的片段控制在2到4秒，既能保证AI生成质量稳定，也方便剪辑时卡节奏。九镜头的编排遵循了“起承转合”的节奏：镜头1到2是“起”，安静日常；镜头3到4是“承”，空间展开、细节落下；镜头5到6是“转”，人物相遇；镜头7到9是“合”，阳光照亮整体，收束。

5.3 九镜头里镜头4的完整prompt示例

镜头4是全片情绪最空灵的一个，也是我花时间最多的一句话。完整prompt如下：

特写，俯拍90度，固定镜头，画面主体是一双布满皱纹的手浸入清晨河水中，水波呈圆形扩散，倒影中隐约可见灰蓝色天空。整体色调冷青，雾气在画面边缘流动，青石板路湿润反光，灰白相间的短毛猫蹲在画面右上角凝视水面，背景石拱桥虚化，清晨冷雾氛围，胶片颗粒质感，低对比度。

这段prompt里，镜头指令是“特写、俯拍90度、固定镜头”；情绪纹理是“冷青色调、圆形水波、雾气边缘流动、湿润反光”；一致性锚点是“布满皱纹的手、灰白相间的短毛猫、石拱桥、清晨冷雾”。全部信息压缩在四句话里，没有一句抽象情绪词，但“空灵”感是靠画面元素堆出来的。

5.4 为什么这些“小细节”决定了成片质感

你可能会问：镜头4里写“猫蹲在画面右上角”有什么用？不写的话，AI也会自动生成一些模糊的生机。但区别在于，写了之后，猫会和镜头2里的同一只锚点猫对应上，这个细节就在叙事上呼应了“猫从门缝溜走”的伏笔。观众可能不会直接察觉，但潜意识里会觉得“这个故事是连着的”。

类似的细节还有：镜头1里“暖黄灯光”，在镜头7里“阳光照在蒸笼上”——两个暖色块形成了从室内到室外的光色呼应。这些微小的锚点，就是导演级脚本和随手写prompt的本质区别。

6. 文生图与图生视频的接力：接入Seedance 2.0的实操细节

分镜脚本说到底是一张地图，真正开车上路的是Seedance 2.0的生成流程。这部分我分享几个实操里的关键细节，尤其是那些容易让新手反复返工的环节。

6.1 不是每个镜头都需要重新文生图

很多人拿到分镜脚本后，第一反应是给九个镜头各写九段文生图prompt，然后生成九张图。这个做法不算错，但是非常浪费。Seedance 2.0的文生图和图生视频是接力关系，也就是说，你只需要为“关键的起幅画面”生成图，后续镜头可以从前一个镜头的末帧或者同一张底图上衍生。

我的习惯是：同一个场景里的多个镜头，共享一张“基准概念图”。比如场景A包含镜头1和镜头2，那我只为镜头2生成一张清晰的概念图，镜头1利用图生视频时的“前一帧画面”逻辑来衔接。这样操作，一方面大大减少生成时间，另一方面也保证了前后镜头视觉连续性——它们是从同一张底图上长出来的运动片段。

6.2 图生视频的起始帧控制

图生视频模式里，最容易被忽略的是“起始画面到底截在哪个位置”。我第一次使用时，经常把概念图原封不动地丢进去，结果AI从这张静止图片开始生成动态时，前半段会有明显的“图片感”——人物像被硬拽着动起来，僵硬感很重。

解决方法是Micro-调整：在概念图上做小幅的裁切、缩放或者旋转，故意让画面处于一个“不完全平衡”的状态，引导AI把它拉平的同时产生运动。比如镜头5里旅人举起相机的画面，我把它稍微放大5%再喂进图生视频，AI就会自然地做一个“从大景别到人景结合”的缓慢推进，画面衔接更顺。

6.3 运动幅度：别让AI像触电一样抽搐

Seedance 2.0在图生视频里通常会提供运动幅度参数或者类似的强度控制。我的个人经验是：影视感强的镜头，运动幅度尽量偏低；人物动作、物体互动的镜头，幅度稍高；大场景氛围镜头，幅度取中低档。

阈值这个事必须有耐心去试，因为不同画面内容对运动幅度的敏感度完全不同。同一个幅度值，用在“水波涟漪”上可能刚好，用在“老人点头微笑”上就会让整个脸变形。我在镜头6里试了三次才找到一个合适的值：从高强度起手，脸在第三帧就糊了；降到低强度，老人又像雕像；最后落地在中低强度，才得到“微微点头但肌肉自然”的效果。

6.4 种子值的妙用：固定风格与角色脸型

除了运动幅度，种子值（如果工具提供）是保持连续性的另一个杀手锏。简单说，同一批生成任务里，固定种子值可以让AI倾向生成相似的基础噪声分布，从而让角色和场景风格更统一。

我的使用方式是：同一个分镜脚本里的所有镜头，在相同风格需求下使用同一组种子值；需要人物角色变化或者光线方向变化时，调换种子值。如果你是第一次接触这个概念，记住一个原则就够了——想让两段视频看起来是同一部片子里的，固定种子；想让他们有明显区别，换种子。

6.5 输出分辨率与画幅比的选择

最后是输出设置。九镜头脚本里，如果目标是横屏叙事，统一选16:9，分辨率尽量选工具支持的高档位；如果是发竖屏平台，用9:16。这里有一个容易忽略的点：一旦选定画幅比，所有概念图在文生图阶段就要用同比例生成，不要先出16:9的图再强行裁成9:16，那样构图会乱掉。

我在实战中会先把分镜脚本里的镜头按“横竖画幅”分成两组，分别建项目文件夹，每组用一套统一的设置，最后在剪辑软件里拼接时，至少画面比例不会出现硬伤。

7. 常见问题的排查链路与我的避坑心得

方法讲完了，最后分享几个我在实际使用Seedance 2.0过程中高频踩坑和对应的排查思路。这部分不是理论推演，全是真金白银换来的经验。

7.1 前后镜头角色长相不一致，怎么排查

这是“一致性锚点缺失”导致的典型问题。排查链路是：先检查每个镜头的prompt里有没有完整重复人物外貌锚点词（“深色棉衣、短发、微驼背”）；再检查文生图阶段是否保证了角色基准图来自同一张；最后检查图生视频的种子值是否设置了固定序列。

如果锚点词都有、基准图也是同一张，问题多半出在图生视频的随机性上，这时候我会重新生成一版，并锁定种子值。记住：AI视频生成本身是概率过程，同一套参数连跑三次出来的角色面部也不可能完全一致，所以最稳妥的做法还是“同场景共用一张基准图+固定种子”。

7.2 画面很漂亮但情绪不对，该改哪里

先别急着改prompt。情绪错位的问题，八成都出在情绪纹理层，而不是镜头指令层。我会先把每个镜头的“颜色基准”拉出来看一遍：是冷灰还是暖黄？色温是否统一？光比是否过大？然后在叙事级重新确认这条片子的“情绪关键词”，再把关键词转译成具体的色温、光线方向和环境元素。

举个例子，“孤独”转译成“冷灰、低照度、雾气弥漫、人物周围留白”；“温暖”转译成“晨光低角度、暖黄光源、蒸笼白气”。情绪不是长在形容词里的，它长在LUT颜色和布光逻辑里。

7.3 镜头之间像硬切，转场设计怎么处理

分镜脚本只写了“镜头内容”，没有写“镜头怎么衔接”，就会出现硬切感。我常用的三种转场技巧：

一是动作衔接：镜头2里猫从门缝蹿出，镜头3紧接猫落在河边石阶上，同一个动作在不同场景里被拆成两个镜头。

二是视线引导：镜头5里旅人举起相机，镜头6切到老人被拍下的面部特写，观众默认通过“凝视关系”完成空间跳跃。

三是光影呼应：镜头1里门框暖黄灯光，镜头7里阳光照亮蒸笼白气，两个暖色块形成了情绪上的自然连线。

在分镜脚本里明确标注“转场方式”，Seedance 2.0生成的每段素材虽然还是独立的，但剪辑时你会发现自己有了明确的操作指引。

7.4 我的三条土办法建议

最后聊几条不太“专业”但很实用的个人工具层面经验。

第一，分镜写完后，先逼自己用口语完整讲一遍这个故事。能讲顺，才能生成顺；讲不顺的地方，AI生成大概率也是乱的。

第二，每个镜头给自己一句“口头禅式”的动作描述。比如“猫窜出画面，镜头跟着它跑”和“猫离开门，镜头中景固定”，实测下来前者明显更容易生成出有生命力的画面。

第三，把每次生成得满意的成片，单独存进一个“风格库”文件夹，下次写prompt时，直接从库里找相似风格的参考片段，用图生视频模式去“模仿运动逻辑”，比自己从零写运动指令稳定得多。

这条从单句prompt到导演级分镜脚本的路径，我跑了将近半年，最大的改变不是成片率提高了多少，而是我写prompt时的心态——我不再试图让AI理解一部电影，而是把电影拆成AI能理解的每一秒。做AI视频创作越久，越觉得创作者的真正不可替代性不在于“会点哪几个按钮”，而在于你有没有能力把一个模糊的念头，变成一份别人和AI都能照着执行的分镜脚本。