Shotline 分镜制作

我为什么做这个

2026 年初，Seedance 2.0 的推出让 AI 视频生成迎来了一波新的增长。

模型能力迭代飞快，但围绕 AI 视频创作的基础设施却没能同步跟上。即梦等平台依然主流采用对话式（Chat）界面：创作者需要通过一轮轮 Prompt 描述镜头、修改细节，然后陷入漫长的等待。

大家真正面临的困境，其实并不是“不会写 Prompt”，而是：每一次错误的生成，代价都太高了。

当时视频生成算力极其紧张，即便开了高阶会员，提交一个任务依然要排队很久。对于创作者而言，一次偏离预期的生成，浪费的是极其宝贵的时间、算力和有限的额度。

在传统的“抽卡模式”（先生成一个看看，不行再抽一次）下，这种高昂的等待时间让创作效率断崖式下跌。我逐渐意识到：生成前的决策质量，正在变得和模型能力本身一样重要。

视频生成前的问题

很多 AI 视频的失败，根源并不是模型画质不够好，而是问题早在生成点击前就埋下了。

一个看似完整的 Prompt，往往根本没有解答这些专业影视镜头问题：

• 这个镜头为什么存在？它和上一个镜头是什么逻辑关系？

• 什么时候该切镜？景别切换的依据是什么？

• 人物的入画方向、摄像机是推还是静止？

• 复合动作应该拆成几个镜头，如何共同推进叙事？

如果生成前没有厘清这些逻辑，再强大的模型也只能忠实地生成一个好看却逻辑混乱的镜头。

与其继续研究“怎样写出更长的 Prompt”，我决定换个方向：看看专业影视创作是如何决定一个镜头该长什么样的。

从影视制作中学习

我系统学习了市面上 9 门高质量的分镜与影视镜头课程。但我没有简单地把它们整理成一份静态知识库，而是尝试提取其中跨场景、可复用的判断逻辑：

• 什么时候用远景表达环境，什么时候切近景捕捉情绪？

• 一个动作应该在一镜到底中完成，还是拆解成组镜？

• 镜头间如何维持空间轴线与视线的一致性？

• 运镜是在补充信息，还是纯粹在制造无意义的噪点？

我把这些散落在影视经验里的法则重新抽象，翻译成一套可被大模型精准执行的规则体系，最终形成了 Shotline skill。

把知识变成工作流

这个 Skill 的核心目标不是教 AI“懂电影”，而是让模型在调用视频生成前，先完成一次结构化的镜头设计。

当用户输入一个故事、广告创意或视频概念时，Skill 会按顺序完成前置拆解：

1. 叙事核心：拆解这一段剧情真正需要表达的核心信息。

2. 切点提取：确定哪些动作与信息变化值得拆分为独立镜头。

3. 镜头语言：明确每个镜头的景别、角度、构图与镜头组接逻辑。

4. 连续性校准：检查前后镜头中的人物位置、视线方向与空间一致性。

5. 运镜设计：精准定义推进、跟拍、摇移或静止。

6. Prompt 转化：最终将其翻译为最适合 AI 视频模型理解的生成描述。

它将原本充满不确定性的工作流，做了一次重构：

以前：想到一个画面 → 直接生成 → 不满意 → 重新抽卡

现在：镜头设计 → 检查影视逻辑 → 确定无误后再生成

减少失败的成本

Shotline Skill 真正想要降低的，并不是 Prompt 的字数，而是一次错误生成发生的概率。

如果视频生成零延迟、零成本，多试几次固然无妨；但在当时的环境下，降低 Cost per usable shot（获得一个真正可用镜头所付出的平均成本）才是提效的核心。

这也是我第一次意识到：AI 创作工具的效率，绝不该仅仅用“生成速度”来衡量，更应该看“多少次生成能真正进入最终成片”。

为什么是一个Skill？

我没有选择把它做成独立的 Web 平台或复杂编辑器，因为当时行业最缺失的并不是又一个生成界面。

模型和工具都已经存在，真正断层的是连接“创意 → 分镜 → Prompt → 视频生成”之间的那层中间件。

以 Skill 形式切入，能够无缝嵌进创作者原有的 AI 工作流中。它就像一层 Pre-generation Intelligence（生成前智能）：它不直接生成视频，但它负责让你的下一次生成更有把握。

结果和反思

Shotline Skill 始于我为了解决自身“抽卡卡顿”的痛点，但在完成的过程中，我发现这远不止是一个算力问题。

随着 AI 视频模型演进得越来越强，创作者的重心正在发生转移：从“如何让模型生成一个好看的画面”，变成“我究竟需要什么镜头”。

当模型的执行力不再是瓶颈，人的价值反而更集中到了选择、结构与审美判断上。Shotline Skill 所做的，就是把这部分判断过程提前并标准化。

这个项目也刷新了我对 AI Skill 的理解：真正有价值的 Skill，绝非泛泛地教 AI 完成一项任务，而是把某个领域里极度依赖经验的抽象决策，转化为模型可反复执行的结构。

影视分镜的知识到处都有，难的是把“我看懂了”，变成“面对新需求时，我知道下一步该怎么切”。

Shotline 不是一份关于镜头的知识合集，而是一个压缩了专业分镜经验的决策系统。它解决的从来不是“如何生成更多视频”，而是“如何用更少的尝试，拿到更多真正能用的镜头”。