AI 短剧分镜与关键帧

references/shot-craft.md

规则分级

• structural_invariant：可以直接检查的结构要求，例如每段原文都有处理结果、引用可以解析；格式错误可以阻断。
• reviewed_invariant：必须守住、但要结合证据判断的内容要求，例如镜头没有改写剧本动作。
• craft_default：通常有效的起步方法；有明确的戏剧理由时可以调整。
• taste_option：创作者或视觉方向已经接受的风格选择，不能仅因不同于示例就判错。

目录

1. 先落实原文，再追求画面
2. 镜头目的
3. 场面调度与地理
4. 景别与摄影机动机，含运镜逐镜选
5. 时长与切镜
6. 视觉方向选择
7. 相连边界
8. 首尾成对
9. 一镜到底还是切开
10. 常见问题
11. 审查问题

先落实原文，再追求画面

SHT-01 要求每个与制作有关的剧本段都有明确处理：由镜头落实、有理由地省略，或因 新的观众体验而有意重复。

先把剧本段与镜头对应起来，再设计镜头。原文落实表是责任清单，不是“一段一镜”公式。 连续表演和空间关系能守住原意时，几段原文可以合在一镜；揭示、反应、证据细节或空间 变化很重要时，一段原文也可以由几镜承担。

原文落实直接写在 分镜.md：每个制作相关的动作、对白、声音和画面文字都指向承担它的 SHOT-...；镜头条目反向写场景 ID 与必要短引文。来源改变后逐场复核对应镜头，不依赖隐藏引用。

重复拍同一段内容，只有在第二次带来新的观众体验时才成立，例如新增反应、矛盾、 此前保留的证据或对前镜的新理解；不能因为第一次对应关系被忘了就重复。

动作落实表

SHT-08 · reviewed_invariant： 每个有权威来源的动作只有一个主要落实镜头；其他 镜头若再次涉及该动作，必须增加反应、细节或对原信息的新理解。峰值处的冲击重复是有意的例外， 见下文。

原文落实数量只能证明“某段原文被引用”，不能证明动作没有提前、重复或遗漏。对转手、 开门、受伤、揭面、拿出证物等动作，另记：

来源动作	主要落实镜头	动作前事实	动作后事实	其他镜头的作用
右手从衣内取令牌	SHOT-02	令牌在衣内	右手持令牌	SHOT-03 只展示纹样和接收者反应

• 只有主要落实镜头可以把状态从动作前改成动作后。
• 前一镜的结束状态不得在没有来源动作时提前变成动作后状态。
• 后一镜已经从动作后状态开始时，运动规格不得再完整表演一次该动作。
• 其他镜头要写清自己负责细节、反应还是重新解释，不能成为第二个主要落实镜头。

冲击重复：情绪爆发、打脸或重大反转的那一下，可以把同一个关键动作从两三个角度各给一次， 让观众连看几遍。这是有意的选择，不是忘了对应关系，所以要写出来，并守住连续性：

• 重复镜在说明里写「冲击重复：SHOT-...」，指向主要落实镜头；
• 状态只改变一次：每个重复镜都从同一个动作前状态走到同一个动作后状态，第二遍不能在第一遍的结果上再做一次；
• 重复镜之间起止不衔接，是这项选择本身，与声明过的蒙太奇一样按 CON-05 处理；最后一个重复镜之后，下一镜从动作后状态开始；
• 只用在峰值。一集里处处重复，就没有哪一下是冲击了。

镜头目的

SHT-02 要求镜头守住来源原意，并说明观众或人物在本镜结束时发生了什么变化。 只有漂亮画面、没有戏剧职责的镜头，不能通过内容审查。

按以下顺序设计：

1. 找出来源中的关键动作：行动、台词、发现、拒绝、转手或揭示。
2. 说明观众或人物因此发生什么变化。
3. 决定本镜主要从谁的体验组织画面。
4. 确定开始和结束时必须看见什么。
5. 最后才选择景别、摄影机行为和切镜点。

镜头可以负责建立空间、让观众站到某个人物一边、展示证据、暂缓信息、转移权力、 表现反应，或让后果无法回避。“中景展示人物说话”不算足够的镜头目的。

承受者的反应

SHT-27 · reviewed_invariant：打击、否定或翻盘需要观众理解其后果时， 分镜应安排可读的承受者反应或其他后果载体。 可以用独立反应镜、双人镜内的调度、清楚的群像反应、声音或物件状态承载。 现有画面已经清楚就不必补镜；需要保留反应或承受者不在场时，注明叙事安排。 审查按后果能否被理解判断，不按人数、景别或反应镜数量判断。

观众可见性 (SHT-12)

构图同时决定观众此刻能知道什么。每个事实单独写一条观众可见性判断：绑定准确场景 ID，说明 现在展示还是暂时扣住，写明可见或可听的载体，并分别写出 揭示条件、保护方法和理由。同一镜中的不同事实可以在不同时间放出。

背影、只露腿部的入场、门缝、前景遮挡、延迟对焦，以及逆光成剪影或压暗到只剩轮廓， 都可以用于保护剧本保留的揭示。用光保护时不改光源身份与方向，只声明人物落在明区还是 暗区，并把该选择写进本镜排除项防止后续漂移——否则人物正面入场却要求不给身份时， 本环节没有合法写法，执行端会直接给一张清晰正脸。 如果它们提前暴露身份或证据，就是失败。反过来，本镜若负责展示证据或听者的关键反应， 就不能为了画面好看而遮住其载体。神秘感不是默认加分项；审查者同时核对剧本允许展示 什么，以及本镜必须交代什么。

场面调度与地理

把场景写成可以行动的空间：

• 入口、出口和固定锚点。
• 前景、中景、后景区域。
• 谁能看见或接近什么。
• 人物面向与视线关系。
• 轴线工作侧和屏幕运动方向。
• 双手、道具归属和转手路径。

场面调度表现人物策略。靠近可以施压或寻求结盟；转身可以拒绝；占住出口可以控制； 碰触证据可以暴露知情。不要只为增加运动而让人物无理由走动。

跨轴本身不是错误；没有动机又让空间难以理解才是问题。跨轴时可以使用中性过渡镜头、 人物在同一镜内穿轴、有意制造主观错乱，或重新建立空间。

画面文字必须服从 视觉设定.md 中已经写明的文字政策。镜头和关键帧直接引用对应标题或 IMG-...，可以决定文字是否可见、大小、角度和对焦，但不能静默编造文案，也不能改写 “逐字可读”“只保留图形”或“无可读文字”等当前决定。政策仍未决定时要明确标为未决，不能 假装已经可以交付。

景别与摄影机动机

SHT-04 要求景别或摄影机行为因注意、压力、观众立场、揭示或节奏变化而改变， 不能为了装饰每一拍而变化。

• 远景：交代地理、人物与环境的力量对比，或让人物被空间吞掉；信息靠轮廓、方位和 距离读出，不要指望这一档承担表情。
• 全景：建立空间、孤立感、群体权力或同时发生的后果。
• 中景：表现互动、手势、双人策略和清楚的调度。
• 中近景：对话距离的双人，或仍然保留手部的单人：比中景少一层环境，比近景多留出 调度余地；一场停在工作景别时的对切多数落在这一档。
• 近景：表现决定、证据、被藏住的反应或无法撤回的认识。
• 特写：把一张脸、一只手或一处伤单独提出来，让某个反应、破绽或细微动作成为本镜 唯一事实；代价是暂时切掉空间参照，用它就要接受观众此刻读不到周围发生了什么。
• 大特写：只留眼睛、嘴、指节或物件上的一处细节；用于观众必须看清、而近景会淹没的 单一证据或生理反应。它切掉的信息最多，因此要有明确的“非看不可”理由。
• 细节镜头：展示已经建立意义的关键物件或动作。

近景和特写是中文分镜里最常用的两档，不是留给高潮的稀缺资源；同样，大特写也不是被 禁止的景别。要防的是把景别当情绪音量旋钮：情绪词一升级就换更紧的景别，本镜到底 要观众读到什么反而没人回答。判断标准始终是必须被读到的信息存在于哪个尺度——证据在 指节上就给大特写，后果在两人距离上就不该切近。

项目已接受节奏档案时，近景类镜头占全集镜数的比例不低于 close_shot_share_min，哪些景别算近景类以 $short-drama-develop 对该字段的定义为准。这是全集的下限，不是每场的配额：交代空间的场可以宽，对峙和揭示的场会更紧。 占比不够时，先看对话段是不是一直停在中景，听者反应和要落地的台词有没有给到近处。

竖屏把可用的景别收窄了

上面那张表是横平竖直的电影景别谱系。竖屏不是把它裁窄，是让其中两档变得难用。

机制很简单：远景和全景靠的是横向铺开的信息——谁站在谁旁边、队伍有多长、这个人 离出口有多远。9:16 的横向只有 16:9 的三分之一强，同样的信息铺进去要么挤成一条， 要么小到读不出。所以竖屏短剧的实际用法以中景、近景、特写为主，远景与全景出现得少。

但这不是禁令，是换一种排法：竖屏的空间要靠纵深而不是横向来交代——前景、中景、 后景分层，用门框、桌沿、台阶、人的前后遮挡把关系立起来（见 竖屏多人调度）。做到了这一点，竖屏一样能给全景； 做不到就不要用这一档去承担交代空间的职责，改用一个更近的镜头单独给一次。

竖屏的横向视野窄，观众的视线本来就被逼到画面中央，这既是小景别好用的原因， 也是大景别失效的原因——同一件事的两面。

只有注意或关系发生变化时才改变景别和角度。场面声音变大，不等于镜头必须从全景一路 推到大特写。反过来，一旦决定切镜，新镜就要在景别、角度或人物关系里至少改变一项； 相邻两镜完全同景别、同角度、同关系时，这次切镜没有职责，应当改变收放或并回一镜。

运镜逐镜选 (SHT-04)

每镜的「运镜」一行按本镜目的选。先问这一镜里观众的注意要不要移动、往哪里移，从上往下对照：

本镜在做什么	运镜
人物移动本身是这一镜的事：冲、追、逼近、爬上高处	跟拍或横移，让他在画面里的位置保持住
新信息从画外或画面一侧进来	摇、俯仰或后拉，停在新信息上
一句台词或一个认识正压到某人身上，对白镜里的说话者与听者都算	缓推或前移，停在承受者的脸或手上；拉开则是关系变远
两人的关系或处境在原地被重新评估：绕过去才看得到的另一面、被围住	环绕
高度本身有意义：升起交出全局或结局，落下把观众接进人物所在的高度	升降；不为“开场要大气”而升降
情绪爆发、重大反转	短促推近；定格、闪白由剪辑实现，本镜写明落在哪一拍
观察、等待、紧张、仪式、受困；插入镜；对白镜里这句台词不带来压力或处境的变化	固定

手持只用于创作者已经接受的身体不稳或现场感。

固定是这张表的最后一行，不是起点：前面几行都不成立时才固定。写法是 「运镜：<行为>，<从什么时候开始、停在哪里>；<为什么>」，固定写「运镜：固定；<为什么>」。 固定也要写出来：这一行空着，动不动就改由视频提示词阶段替你选。只写「运镜：固定」 说不出是上表哪一行，等于没有选。例如「运镜：缓推，他说出『给我五天』时开始，停在眼睛；这是他第一次把赌注 压在自己身上」「运镜：固定；插入镜只要看清数字」「运镜：固定；这句话没有落到谁身上」。

强调手段只有三种：短促推近、定格、闪白，只留给情绪爆发和重大反转，用在普通台词上，真正的峰值就 显不出差别。跟随动作的跟拍、揭示信息的摇、压力落下时的缓推不是强调手段，任何一场都按上表使用。 写完回读全集的「运镜」：有奔跑、有揭示、有峰值的一集，不会每镜都是固定。

没有明确切换时，不要在同一时间段同时要求固定和移动。

craft_default · SHT-04：每镜按目的选运镜，写出行为、起止与理由；动作要跟、信息要进画、 压力要落、峰值要强调时用有动机的运动，都不成立时固定，固定也写出行为与理由。短促推近、定格、闪白只留给峰值。

时长与切镜

短镜头的动作量 (SHT-03)

作为 craft_default，可以先从一个主要动作开始，再保留让观众读懂后果所需的反应。 只有连续表演、空间、时长和镜头目的都仍然清楚时才合并更多内容。这是起步方法， 不是固定动作数量检查。

时长要给动作、表演、对白和反应留出可读空间。明确的对白长度和计时动作可以作为证据； 一般动作量是否过多，应由审查者结合本镜判断，不能用通用的每秒字数阻断。

在变化处切镜：新信息、新目光、新决定、新空间关系、新威胁、新证据或节奏变化。 不要只为换角度而重复同一个动作。给反应留下足够时间，让观众读懂后果。

对白估时

craft_default：先排完整声音事件，再确定镜长。不要先选一个短镜长，再要求人物加快语速把台词塞进去； 一句台词比目标镜长更长时，把它拆到说话者与听者的几个镜头上，声音连续、画面切换，语速不变。

• 有同一句、同语言、同表演方式的录音或配音时，使用实际发声区间；文件首尾静默与句内停顿分开核对， 不把整个文件长度当作纯说话时间。没有音频时按原文、人物语速、情绪和换气估一个区间，明确标为 「文本估计」，不要声称已实测。项目已校准的语速可以辅助估算；数字、缩写按实际读法考虑，不能只数可见字符。
• 顺序说话的多句或多人对白累加，句间停顿与听者反应按实际顺序加入。边说边抬眼等确能并行的动作 与对白共用时间；必须等话说完才发生的动作另占时间。不要重复计算已包含在录音或估计里的停顿。
• 在本镜「声音」中简写依据，例如「对白按克制语气文本估计 8–10 秒（含句内停顿）；开口前 0.5 秒， 说完后的反应 1 秒；抬眼与对白并行」。此例按估计上沿需要 11.5 秒；若目标是 H3，向上取到 12 秒， 余下 0.5 秒安排在已有终点停留。数字只是此例的预算，不是统一余量或官方语速。
• 取容得下时间线的合法时长；超过模型上限时按语义和可见状态闭合点拆镜，并检查整集总时长。 已接受镜长或集长固定且放不下时，说明冲突并提出延长、拆镜或剧本修订；不擅自删词或把正常对白改成快读。

文本估计是规划依据，实际生成后还需听完整性、语速和尾音。没有录音、配音或生成结果时，不把估计写成 秒级准确的声音控制承诺；纯动作镜无需补对白预算。

镜长从哪来 (SHT-28)

镜长由声音事件和已接受的目标平均镜长共同决定，不按剧本字数或动作段数折算。字数折算得到的是 朗读长度的平均分配，不是剪辑节奏。

1. 排时间线：按上一节把本场每句台词、[VO] 和关键声音事件排成一条时间线，再加上必须看清的 无声动作和反应。这条时间线的长度就是本场时长。
2. 算镜数：项目已接受节奏档案时，本场镜数约等于本场时长除以 target_avg_shot_seconds，四舍五入， 至少一镜。没有已接受档案时跳过这一步。
3. 放切点：按下一节的对白覆盖默认，把切点放在换人说话、听者反应、插入镜和动作变化处。每镜的 时长就是它覆盖的那一段时间线。
4. 回算：本场平均镜长等于本场时长除以实际镜数。明显长于目标时，先补听者反应和插入镜，再把 长台词拆到说话者和听者的镜头上；明显短于目标时，合并没有带来新信息的切点。

目标平均镜长是整场的目标，不是每镜的配额：一个插入镜可以不到一秒，一句要落地的台词可以占四五秒。 没有已接受档案时，末尾报告写出本集实际平均镜长，由创作者决定是否接受一份节奏档案。

craft_default · SHT-28：镜长由声音事件和已接受的 target_avg_shot_seconds 共同推出，目标是整场 平均值；不从剧本字数折算。

对白场怎么切 (SHT-29)

• 一句台词一个镜头：说话者的镜头承载这一句；一句话里有转折时，可以在转折处切。
• 默认给听者：重要的一句落下时，切到听的人，让观众看见它打中了谁。
• 来回对话用正反打：两人交锋沿同一条轴线两侧对切，过肩或单人都可以。
• 景别顺序：先给一个带着人物和动作的交代镜，对话落到中景或中近景，只在一句话需要落地时切到特写。
• 删空镜：既没有台词也没有动作的镜头删掉。
• 插入镜是便宜的节奏工具：手机屏幕、手、戒指、证件这类插入镜不需要表演，可以插在长台词或等待中间， 也可以把一句话拆开。

这是起步默认。一场戏有意用不切的双人镜施压，或让群像同时反应更清楚时，说明理由即可改，见 调度手册。

craft_default · SHT-29：对白场默认一句一镜，给听者反应，交锋用正反打，先交代再落到中景，特写 留给要落地的台词；删掉既无台词也无动作的空镜；插入镜用来调节节奏。

视觉方向选择 (SHT-07)

焦段语言、节奏、固定机位、手持或形式化调度属于 taste_option，读取创作者已接受的 视觉方向。审查它是否服务本镜，不强制所有项目使用同一套风格。

相连边界 (CON-01)

本镜已接受的结束边界必须与下一镜已接受的开始边界一致；若不一致，负责产物必须声明 修订或过渡。不得用摄影机描述掩盖边界冲突。

常见问题

• 镜头表只是改写剧本句子，没有说明观众怎样观看或获得什么变化。
• 用匿名“人物”代替准确的已接受资产。
• 一镜跨越地点或时间，却没有蒙太奇或省略依据。
• 保留了对白，却删掉承担后果的反应。
• 人物或道具在切镜后无原因换位。
• 每句情绪台词都变成大特写（问题在“情绪升级=景别收紧”的条件反射，不在大特写本身）。
• 相邻两镜同景别、同角度、同关系，切了等于没切。
• 摄影机指令冲突，或运动没有注意变化的理由。
• 套话式布光替代真实空间锚点。
• 把外部批量制作单位误当成剪辑镜头本身。

审查问题

• 本镜落实、省略或重复了哪些剧本段？
• 本镜结束时改变了什么？
• 为什么选择这个景别和摄影机行为？
• 每个人物能否在当前空间中合理站立、看见和移动？
• 是否绑定了准确的造型、观察视角、道具状态、双手状态和文字政策？
• 结束边界是否为下一镜提供清楚的开始状态？
• 删除或合并本镜，会不会丢失故事意义？

首尾成对

终点的可见状态对本镜重要，且目标模型支持尾帧时，可以补写 ### 收尾关键帧提示词。它只描述终点，不混入起点或中间动作。 若起终状态相同，或变化发生在画外，通常无需另做尾帧。

Seedance 2.5 的一个镜头对照中，绑定尾帧改善了末帧落位；这不是所有模型和动作的保证。 生成后仍检查中间动作、节奏和终点，不能只比较最后一帧。

当前生产工具从 分镜.md 的 SHOT-... 只提取「冻结关键帧提示词」，即首帧。 要在套件内生产尾帧，交图片提示词阶段建立单独的 IMG-... 条目，注明来自本 SHOT 的 终点、保留已确认的视觉依据，再以该条目作为 image job 的来源。不得用首帧选择器提交尾帧正文。 实际图片生成后按目标方言绑定 用途：结束帧。

一镜到底还是切开

先看这场戏需要什么，再考虑生成与修订成本。

• 连续等待、沉默、空间调度或完整表演，可考虑一镜到底。
• 需要选择不同表演、突出反应或精确安排切点，可考虑分开生成再剪。
• 长段生成一处失败可能需要重出更多素材；分开生成则需要额外处理跨镜一致性。

一次 Seedance 2.5 对白场次实测出现过长镜头发声时间过早的问题。 有严格落点时应检查目标模型的时序能力并试听，不能保证分成镜头就能锁定每句发声时间。 长镜头也可以在剪辑中截取，是否保留完整时长由叙事决定。

多镜容器是在一次生成里安排多个切口；一镜到底则不切镜。 容器可减少提交次数，但不自动保证跨镜一致性，也仍可在生成后剪辑。目标方言支持逐切挂关键帧时， 每个切口都要有自己的已接受关键帧，具体写法见 $short-drama-video-prompts 的对应方言。 各镜合并时重新整理参考素材与编号，并核对结果中的实际切点。