AI 短剧分镜与关键帧

references/production-shot-grammar.md

目录

• 贯穿原则
• 编号与文本
• 拆分
• 动作顺序交接
• 镜头叙事
• 戏型诊断
• 项目选择
• 单集时长加总
• 人物反应
• 自检
• 范例
• 反模式

来自对剧本拍、分镜、关键帧与视频提示词如何衔接的定性案例阅读，示例均为合成改写。 方法论见 shot-craft.md 与 keyframe-craft.md； 本文档是生产端的转换规则和判断依据。出现的数字只有被创作者纳入项目方案 （craft_default）后才是验收条件，不能只因偏离示例就判为问题。

核心认知：分镜先说明剪辑覆盖范围和可审查的起止边界，不是下游视频提示词。 它说明本镜为何存在、观众能知道什么、从哪一状态到哪一状态；只有已接受的制作方案 需要时才补充时间段意图，完整动作措辞由视频提示词环节编写。start_boundary 可以是 静止关键帧，也可以是上游明确的运动中瞬间，不能把“静帧输入”误写成故事必须静止。

一、贯穿原则

1. 一镜一职责（SHT-03 的生产表述）：每镜有一个主导叙事职责。台词、反应与动作 可同镜存在，只要镜头时长、表演负荷和注意顺序可执行；过载时按行动转向、听者后果或 力学阶段拆镜，不按句号机械切镜。
2. 先后顺序守住上游内容：镜头记录必要动作与反应的相对顺序，不代写完整运动提示词。
3. 几何要可比较：方向、距离、占比或停留只在能消除当前歧义时量化；数值来自 已接受的项目方案，不是每镜必填。
4. 摄影行为有职责（SHT-04）：运镜或有意固定机位都应能说明它如何服务注意力、 压力、观众立场、揭示或节奏，而不是给每镜强加运镜。
5. 连续性靠已确认边界比较：精确绑定 Location/View、start_boundary 与 end_boundary；下游只 重复执行必需的局部状态，不逐镜复制整份状态表。

二、编号与文本分工

• 分镜号 = 场序-镜序。场序按 clip 内"地点组"顺位：换地点才递增，同地点的 多个剧本场共用前缀；剧本自带集号时用三段式 64-1-1。
• 文本分工：保留该镜覆盖的剧本原文；用简短中文纲要说明谁做什么以及镜头职责，供 人工审阅；另记录镜头目的、起止边界和摄影意图。完整时间过程由视频提示词环节编写。 纲要写差 = 人审索引 失效——"开场"两个字的纲要是真实事故案例。

三、拍→镜拆分规则

剧本形态	拆法
一拍 = 一句台词 + 一个动作	若同一镜头目的和边界可承担，可保留一镜；不是等式
一拍含多次行动转向或听者后果	按议程变化、听者反应与可执行语速拆镜；不使用固定句数/字数配额
一拍是爆发动作	若单镜过载，可按起势/接触/结果等力学阶段拆，切点绑定精确状态；H3 的掌掴/推搡小样本中，掌掴一镜写全更可读，推搡拆成「到接触为止」与「从接触后状态起」才推退人物。H3 可据此先试；其他动作（拉住、带离）或模型须另测，不据此强制拆镜
一拍是纯反应/沉默	只有承担反应或选择后果时独立成镜；停留由后果与节奏决定

建立镜头要自己挣到位置。新地点确实可能需要让观众定位人物、入口或冲突区域，但 “先给一个空景全景说明这是哪儿”是长片的开场习惯：它把最前面的时间花在观众还没有理由 在意的信息上。竖屏快节奏交付里默认反过来——地理在动作内部到达：人物已经在做的事、 已经在说的话带出空间，观众边看边拼。这与剧本环节“在压力活跃处进入、用具体行动证明进入 状态”的默认是同一条，不要在分镜层把它撤销。

交代空间的镜头在这两种情况下成立：空间事实本身承担本镜因果（距离决定来不来得及、出口 决定能不能走、谁站在门口决定谁看见了），或后续镜头的方位判断依赖它而动作本身给不出。 成立时它也不必是空景全景——带着人物和动作的取景通常能一并完成，还省一个镜头。

若前镜已经建立地理，或上游有意让观众先迷失/延迟识别，同样不为凑“第一镜全景”自增。 任何新增镜头仍须解释它覆盖的内容与信息职责。

craft_default：以上是快节奏竖屏短剧的默认取向。项目声明了不同的观看契约（长篇、 剧场感、慢节奏、以空间为主角）时，创作者说明理由即可覆盖，审查者不得单据此阻断交付。

四、动作顺序交接（给视频提示词环节的输入）

需要把复杂动作交给视频提示词环节时，可用中性顺序草图：

起点：<已接受镜头边界，可静止也可在运动中>
唯一动作：<触发> → <主体完成一条可见状态转换；交接时写清接触与落点> → <必要反应>
终点：<已接受镜头边界；逐项接住位置、双手、持物与可见状态>
摄影意图：<固定/移动及其叙事职责>

• 起点逐字段写入已接受的 start_boundary，不把静态关键帧的媒介性质改成“人物必须静止”；
• 结束状态由分镜文件记录，下一镜通过引用比较，不靠复制长篇说明获得权威；
• 「唯一动作」是本镜的主状态链，不是限制镜内只能发生一个原子动作；它把必要步骤放在同一条 因果线上，确保上一个可见状态确实走到下一个可见状态。
• 并行槽只放有来源的变化：他人反应、环境压力或持续运动锚点可以 帮助画面成立，但没有叙事/物理依据时宁可保持静止，不为满足配额发明微动态；
• 只有已接受的时长或制作方案要求时才写秒数、角度或位移；它们是当前镜头选择， 不是跨项目动作质量公式；
• 台词保持精确引用与相对动作顺序；是否把动作展开成更多阶段取决于时长和表演负荷。

质量问题：不改动台词和上游顺序时，这个镜头是否仍明确谁承载信息、谁接收 后果、画面从什么边界到什么边界，以及为什么此处需要切镜？

五、镜头叙事学（摄影决策问题）

需要解决的问题	先核对	可选实现，不是映射答案
信息必须被读到	通过脸、手、道具文字、空间关系还是声音呈现？何时允许看见？	固定机位、跟随信息所在位置、改变焦点或切到接收者
观众立场改变	观众此前与谁同知、此刻为何要靠近或疏离？	保持原视点、换主观侧、拉开关系或有意拒绝切换
空间压力改变	谁控制入口、距离、路径或画外威胁？地理是否已经建立？	调整机位、跟位移、用遮挡，或保持固定让调度自己改变关系
力学动作需要理解	起势、接触、结果中哪些必须连续看清，哪些切点已有精确状态？	单镜保持、按力学阶段拆、补细节镜头或反应镜头
情绪后果需要落地	哪个可见处理或选择证明人物接收了后果？	留在同镜、切反应、延迟到后镜；景别由信息或表演所在位置决定

一场通常比它真正要演的景别先开宽一档，第二镜就落到本场的工作景别，之后多数切镜在 这一档上下一格来回；宽景和特写是离开工作景别的标记事件，用过就回来，场尾略微放开是 常见收法。例如两人在客厅摊牌：第 1 镜全景交代谁堵着门口，第 2 镜落到中景这个工作景别， 之后在中景与中近景之间对切，只有她把信封推过茶几时切一次特写，随即回到中近景，场尾退回 中景收住。一路单调收紧的场次到中段就没有余量了。也可以用细节、背影、负空间或不切镜保持 压力；顶点后的拉远同样只是选项。选择必须回应本场注意力、观众立场和信息揭示变化，不从 “情绪顶点=大特写”“结束=上帝视角”套模板。正反打、过肩和轴线策略服从已建立地理 与有意的视角变化。

切点必须带来可见变化

上一段拒绝的是“按情绪套景别”，不是“景别可以原地不动”。两者的分界线是这里到底切 不切：

• 不切镜：同一景别持续本身就是选择。压力累积、人物在同一构图里自己改变距离、 观众被迫一直看着不肯变的画面，都是有效理由。
• 已经切镜：新镜必须在景别、机位角度或人物关系里至少改变一项。相邻两镜景别相同、 角度相同、关系也没变时，观众读到的不是节奏，是跳切或穿帮——这个切点没有存在理由。 修法只有三种：让收放跟着注意重点走（最常见是沿阶梯相邻一格一收一放： 中景↔中近景↔近景↔特写），换轴线侧或视点，或者干脆并成一镜、用调度在镜内改变关系。
• 新空间的第一镜通常先给得开一些，让观众定位后再逐步收进去；但前镜已经建立地理， 或上游有意延迟识别时，不为“第一镜要宽”自增镜头（见第三节）。

这条规则只在已经决定切镜时生效。它不是为景别多样性增加切点的理由：切多少镜仍由动作 边界、听者反应和信息变化解释，收放幅度也要能说出注意力或观众立场变化在哪里。

变焦推拉（Dolly Zoom）、荷兰角或甩镜是点睛手段；只有视角、失衡或注意力突然改变时才使用。 重复使用会让每个节点失去差异，但不能靠固定次数判断（SHT-07）。

角度、机位高度与焦段：三件常被写成一件的事

景别有受控词表，角度长期只有一句"有动机的角度"，结果三种彼此独立的选择被压进同一个词。 最常见的具体后果：写"俯拍"时其实想要的是"从她背后越过肩膀"（那是水平角度，不是高度）， 下游按字面给了一个从上往下的机位，权力关系当场反了。

分三栏写，缺哪栏就说明哪栏无所谓：

维度	词表	它在故事里回答什么	记在哪
水平角度	正面 / 斜侧（四分之三）/ 正侧 / 后斜侧 / 背面	观众被允许读到多少表情，以及站在谁的一侧	镜头 framing.angle，同时说明在轴线哪一侧
机位高度	地平 / 低（仰）/ 平视 / 高（俯）/ 顶视	谁在这一刻大于谁；平视是主动表示势均力敌，不是"没选"	镜头 framing.camera_height
焦段意图	广（空间关系优先）/ 标准（接近肉眼）/ 长（压缩纵深、隔离主体）	人与人的距离该显得更远还是更近	关键帧 camera.lens_intent（帧级选择）

前两栏是镜头拥有的调度事实，关键帧只投影不覆盖；焦段意图是关键帧自己的选择，因为它 决定的是这一帧怎么被看，不改变人在哪、谁大于谁。不要在镜头记录里再写一次焦段—— 同一事实两处各写一份，改动时必然只改一处。

三者互不推导，写死一栏不代表另两栏有了答案：

• 仰拍不等于正面。从背后仰拍是"我们跟在他身后而他正在变大"，从正面仰拍是"他正压向我们"。
• 长焦不等于特写。用长焦拍全景会把纵深压平，让两个人看起来贴在一起——这可能正是要的， 也可能是把"隔着半个房间对峙"拍成了"面对面"。
• 焦段意图属于 taste_option（SHT-07）：写的是要什么效果，不是器材参数。写"长焦" 是意图，写具体毫米数是把创作者的器材决定替他做了。

竖屏还有一条不能忽略：高度变化在竖屏里比横屏更贵。9:16 的画面纵向本来就长，俯仰会 迅速吃掉人物所在的可用高度，同样的俯角在竖屏里读起来比横屏强得多。要靠角度表达权力时， 先看水平角度和距离能不能承担，再动高度。

六、场景戏型诊断问题

• 对峙戏：双方议程和可用筹码是什么？哪次行动真正改变距离、证据、关系或退出 能力？谁必须接收改变？只有这些转向需要新镜头。
• 动作戏：观众必须理解哪条路径、接触和结果？人物选择与代价落在哪里？先保证 地理和道具归属，再决定连续保持、拆力学阶段或切反应。
• 情绪戏：触发是什么，人物如何可见地处理，它促成什么选择或抑制？沉默、对白、 手部、空间距离和不切镜都可承载，不把情绪名自动匹配到特写或推拉摇移。
• 悬疑/恐怖：观众、角色与威胁分别知道什么？show_now/withhold_now/reveal_trigger 分别由什么画面或声音呈现？遮挡既不能提前泄露，也不能藏掉本镜负责交付的证据。
• 喜剧：铺垫事实、误读和纠正由谁看到？笑点可能来自节奏时机、构图内并存或切换， 不要求固定反应次数，也不让反应镜解释已经成立的笑点。

七、项目选择（craft_default）

决策	如何确定
拍如何拆镜	由动作边界、听者反应、空间变化与可执行时长共同决定；已接受节奏档案声明了目标平均镜长时按 镜长从哪来 核对，否则不追求固定比值。
台词如何分配	先保证一次可表演语气与口型负载；过长时按行动转向拆分，而非机械按字数。
单镜还是镜头组	先把每个镜头写成可单独审查的记录，再按目标交付方式编组；编组不改变镜头身份。本环节只负责镜头本身：定清每个镜头的目的、起止边界与已接受时长。编组之后由谁承担时长加总与成员资格，属于交付环节的事，不在这里决定，也不因为将来会编组就提前合并镜头。
子镜密度	按 镜长从哪来 由声音事件与已接受的目标平均镜长推出；没有已接受节奏档案时不设数值带宽，把算出的平均镜长报给创作者。每次切换仍要有注意、压力或状态理由。项目把生成单元固定在更长的一档时，切镜密度由镜内调度承担——一镜里要有景别或视点的实际变化、或一次完整的动作与反应交接，否则无论单帧多好，观众读到的都是幻灯片。
单元时长	先从必须保留的动作、反应、对白与最终状态反推这一镜需要多久；放不下就删减、拆镜或请求改边界。项目已经定下可用的生成长度档位时，取容得下它的最短一档；没定就按反推出的秒数写，并把用到的档位报给创作者。超过约五到八秒后，一张冻结关键帧只描述了镜头开头，其余部分实际上没有规格：更长的镜头要么按精确状态边界拆开，要么由创作者明确接受它是一个宽规格镜头。

七之二、单集时长加总（SHT-16）

创作者在项目里写下的每集目标时长，如果全流程没有一处消费它，它就只是一个愿望。 真实的失效是这样发生的：分镜逐镜看都合理，每一镜的时长也都是有理由的，直到全集镜头 装到一起才发现比目标长出三分之一——而此时台词、资产、关键帧提示词都已经按这些镜头 做完了，唯一还能改的只剩硬删。

structural_invariant：覆盖记录带一个 episode_duration，它的 shot_seconds_total 必须是本集镜头 duration_seconds 的算术和，且覆盖里列出的每个镜头要么贡献一个数字， 要么出现在 unresolved_durations 里。这条只管账目对不对：不允许有镜头无声地不进总和。 时长未定的镜头显式挂起是正常状态，静默漏掉不是。

项目声明了 target_seconds_per_episode 时，记录还要绑定该字段并写出带符号的 delta_seconds 与一个 disposition：

disposition	含义
no_target_declared	项目没有声明目标，本项只留总和
within_creator_tolerance	差值在创作者可接受范围内
creator_accepted_overrun	超出但创作者明确接受，附理由
to_revise	需要回到内容层处理

craft_default：差值本身不阻断交付。目标时长是计划，不是质量门槛；to_revise 的 处理手段是回到内容层（合并同质节拍、把说明改成传递、拆集），不是按数字均匀删镜头或 砍台词——后者砍掉的往往正是兑现。

这条与分集阶段的量级估算是两件事，不要互相代替：估算用项目已接受集的比值预测还没写的 集，第一集因为没有基准而跳过；加总用已经存在的镜头做测量，第一集同样成立。第一集 拿不到估算，但拿得到测量。

八、人物反应（SHT-11）

对白覆盖存在不等于后果被接收。关键信息改变听者的权力、关系、知识或选择时，必须 在本镜或后续独立镜中给出可见处理与最终状态；景别、时长和是否切镜由后果重量、表演动作 及项目节奏决定。群像可用全场与个体两级反应，但这只是表现选项，不是固定组合。

九、自检清单

只检查与当前镜头有关的项目；不要为通过清单补写无来源动作、镜头或文字。

1. 台词、行动、证据或沉默由什么可见/可听载体承担？有没有把以对白为主的合法镜头 误判成必须添加动作？
2. start_boundary 与 end_boundary 是否逐字段可比较？运动中边界、停顿和静止都与上游内容相容吗？
3. 摄影选择或有意固定机位能回答它怎样服务注意力、观众立场、信息揭示、 空间或节奏吗？
4. 并行微动态有上游或环境依据吗？没有时是否避免为“画面活”而硬加？
5. 表演状态的变化或保持是否符合触发、人物策略与局部结果？克制不变是否正是选择？
6. 当前理解若依赖新地理，是否交代了必要锚点？若有意延迟识别，是否记录观众可见边界？
7. 台词与反应在所选时长/语速内可执行吗？对照剧本是否遗漏或改变相对动作顺序？
8. 镜头数量能由覆盖内容、动作边界、听者反应和时长解释吗？本集时长总和是否已加出来， 时长未定的镜头是否显式挂起而不是漏掉？
9. 每镜人物站位与上一镜衔接吗？（位置漂移是高频退回原因）
10. 手部与持物能否逐步执行？放下、换手、双手动作、递交/取回是否有可见来源？
11. 上游 exact_readable 字段是否有显示位置和处理方式，且没有被通用 no_text 覆盖？

十、范例（合成决策记录，不是镜头配额）

对峙中的证据递交

• 上游必保内容：甲把账页交给乙；乙读到签名后停止否认。
• 为何切镜：递交改变道具归属，乙的停顿证明信息被接收；两项可同镜完成时不拆。
• 观众可见边界：账页内容只需让乙可读，观众通过签名位置和乙的选择理解，不自动补 大特写或屏显全文。
• 摄影意图：若同一构图能同时保住交接与反应则固定机位；若手部遮掉签名位置， 才调整焦点或切细节镜头。选择由信息所在位置决定，不由“对峙戏”标签决定。

动作是否拆镜

• 上游必保内容：角色越过桌面夺走钥匙并退到门边。
• 单镜成立条件：路径、接触、道具归属和退路都可读，且已接受时长足以完成。
• 拆镜条件：遮挡使钥匙易手不可读，或退到门边需要新的空间边界；切点绑定钥匙 在谁手中、双方位置和朝向，而不是套“起势—发力—结果”固定链。
• 拆开后的代价：两镜各自生成时背景、服装细节和脸型可能漂，前一镜也可能越过接触点才结束。 两镜用同一组身份与地点参考，后一镜从已接受的接触后关键帧起，生成后核对切点两侧。

保持不动也可能是有效表演

• 上游必保内容：威胁落下后，角色拒绝给对方可利用的反应。
• 实现判断：稳定目光、没有退让和有意固定机位可以是人物策略；不为通过 “情绪必须变化”检查添加吞咽、握拳或无来源微动作。

十一、反模式

1. 旁白切片当分镜（小说旁白按逗号切进纲要，视频提示词全是“嘴唇开合说话”空壳）。
2. 资产管理名泄漏进画面文本（占位文件名出现在视频提示词正文里）。
3. 图片引用标记侵入台词内文。
4. 无动机运镜（"镜头静止。"单独出现不解释）。
5. 台词标点+句式句号叠加（"血口喷人！。"——收尾句号只加在无标点台词后）。
6. 负面约束堆砌淹没内容（防缺陷补丁头尾重复 150+ 字，正文动作被稀释——补丁 只在目标模型确有该缺陷时使用）。