视频

用提示词拍视频是什么流程？脚本到分镜实战

刺猬星球super-i 团队发布于 2026-09-07 2,260 字

开门见山：用提示词拍视频，指的是让AI把选题、脚本、分镜、道具清单四步纸面工作做完，画面仍然由你手机实拍，前置约36分钟。这条路适合一个人、一口锅、一部手机的拍摄条件。今晚要开机的话，先跑第一步。

用提示词拍视频，我起初理解成两条路：要么让AI直接吐视频，要么AI帮不上忙。2026年8月24日晚上九点，我给一条空气炸锅烤五花肉的短片把第三条路跑通了——AI只动嘴不动手，纸面工作全包，镜头全靠实拍。四步走完，前置36分钟。

四步分别是选题指令、脚本指令、分镜表、道具清单。每一步给你一条能直接抄的指令写法，也给你一份我实际改过的产出。先说选题。

提示词拍视频第一步：用选题指令逼出能拍的选题

选题指令要干的活，是把「想拍点吃的」这种模糊念头，逼成一条30秒能拍完、有具体对象和钩子的定稿选题。我那晚的指令是这么写的：「我是手机实拍博主，只有厨房一个场景，成片30秒，给我8个选题，每个标注主角食材、一句钩子、为什么适合单人拍摄。」AI十几秒吐完8个。

老实讲，8个里能直接用的就2个。探店要出门，合集30秒拍不完，「五分钟复刻米其林」更是天方夜谭——你家没有那种食材。定下来的是「空气炸锅烤五花肉，别再直接按烤翅键」，钩子具体，场景单一，翻车点天然多，适合拍。这一步含追问，耗时6分钟。

选题指令的关键在限制条件。场景、时长、人数说清楚，AI才不会给你塞无人机航拍。我第一版指令漏了「单人」两个字，它给了一个需要助手举反光板的方案。挺离谱的。

脚本指令必须给AI三个硬约束：总时长、每句字数和口语度，缺一样，它就会写成一篇没人念得完的播音腔文章。我的写法：「按选题写30秒口播稿，每句不超过15字，像平时说话，禁止排比和四字堆砌。」

AI初稿128字。我拿手机秒表念了一遍，41秒，超了11秒。没错，41秒。删到92字再测，33秒，贴着30秒的上限，能用。AI特别喜欢写「外酥里嫩，一口爆汁」这种话，我全删了——实拍视频里这些形容词不如一段油锅原声有说服力。

口播稿只是脚本的一半，另一半是画面提示。我在每句后面手写了两三个字的画面备注，比如「特写油边」「手持出锅」，拍的时候一眼能对上。钩子怎么排、节奏怎么卡是门单独的手艺，这里不展开。这一步含两轮返工，耗时12分钟。

分镜表是四步里省时最多的一步，AI按脚本逐句拆出镜号、景别、画面和时长，两分钟出表，改一改就能开机。我的指令只有一句：「把脚本拆成分镜表，列镜号、景别、画面内容、时长、备注五列。」

7个镜头的表很快出来了。问题也摆在明面上：它的景别清一色中景，七条里五条中景，实拍出来会很闷。改景别花的时间比出表长。节选几行给你看：

镜号	AI给的画面	AI时长	我实际改成了什么
1	俯拍摆盘，大理石台面	3秒	改砧板。家里没有大理石板
3	手持慢推，拍肉变色	6秒	定机位。手持慢推我推不稳，废片率高
5	甩镜转场	1秒	硬切。甩镜甩了三条，条条糊
7	成品定格加字幕	3秒	没动。全表唯一原样保留的一行

我个人觉得，分镜表是AI产出里最接近能直接用的一份——改完之后拍的时候基本不用想，照着格子来就行。这一步合计8分钟。完整的模板化写法在用AI生成分镜和口播稿那篇里有展开，我这篇偏实战记录，那篇偏指令本身。

AI列道具清单默认你家什么都有，拿到手先逐项划掉缺的，再补上它想不到的实拍细节，这一步没法全交给AI。指令简单：「列出这条片子需要的全部道具，按取用顺序排。」

它列了12项：井字烤架、厨房喷枪、大理石板、硅胶刷、食品夹、计时器……我划掉5项，喷枪和大理石板根本不存在于我家。又补了两项它想不到的：厨房纸，油会溅；一块湿抹布，擦完手再碰手机，不然屏幕全是油花，对焦都费劲。不夸张地说，湿抹布是那条片子的救场王。这一步10分钟。

AI还有一条建议被我整条放弃：先拍成品做封面，再倒叙拍过程。听起来聪明。真不是。成品只有一份，拍完封面它就凉了，凉掉的五花肉没法重拍过程，顺序只能顺着来。它推荐的甩镜转场，也在分镜那一步毙掉了。

那条五花肉短片当晚11点收工，从想法到成片不到两小时，前置36分钟里AI替我干了大约25分钟的活。提示词拍视频的流程说穿了就一句话：让AI把纸面工作做透，把省下来的脑子花在实拍上。下次开机前照这四步跑一遍，你会庆幸那36分钟没白花。

不用。我全程用对话式AI的免费额度加一部手机，四步里没有任何付费环节。真要说成本是时间：第一次跑建议给前置留一小时，熟了以后36分钟够用。

别自己硬改，把别扭的句子原样丢回去，加一句「改成平时说话的样子」。我那篇来回改了两轮，第二轮只花两分钟。自己逐句改反而容易把口语改回书面腔。

不用，它是底稿不是合同。腌肉要等20分钟，AI排的顺序正好让这段空转，我把切配镜头插进去补了空档。按现场状态重排顺序很正常。

能当底子用。剧情类要多加一步：让AI自查每个动作有没有动机，不然分镜里会出现「主角突然看向窗外」这种拍出来莫名其妙的镜头，观众一眼就出戏。