先分镜再生成：30秒AI视频的6镜头工作流与提示词模板

30 秒 AI 视频最容易失败的地方，不是单个镜头不够漂亮，而是六段画面像来自六个项目。下面以“独立咖啡品牌发布短片”为例，把创意拆成可检查的分镜、连续性设定和逐镜提示词，再进入生成与剪辑。

适用场景

• 品牌新品、活动预告和社交平台竖屏短片；
• 提案阶段的动态样片与气氛预演；
• 需要统一角色、产品与色彩的多镜头内容。

如果项目需要严格的产品外观、法规级文字准确性或长时间连续表演，AI 生成更适合做预演和局部素材，不宜直接替代实拍与三维制作。

第一步：先写一句目标，不要先写画面

用一句话约束受众、动作和情绪，例如：“让 20–35 岁通勤者在 30 秒内记住新品的清晨能量感，并点击预约试饮。”之后每个镜头都必须服务这个目标。

第二步：把 30 秒拆成 6 个功能镜头

六镜头不是硬规则，而是一张最小可行结构表。每格只承担一个叙事功能，后续即使某段生成失败，也能单独替换。

第三步：建立“连续性圣经”

在生成前固定不会变化的元素：人物外观、服装、产品比例、主色、光线方向、镜头语言和禁用项。示例：

角色：28 岁东亚女性，黑色短发，深灰风衣，帆布通勤包n产品：琥珀色玻璃瓶，米白标签，深绿色圆形标志n色彩：冷青灰环境 + 琥珀高光n镜头：写实广告摄影，35mm 与 85mm 镜头，轻微胶片颗粒n禁用：包装变形、额外手指、可读性错误的随机文字、品牌标志漂移

第四步：使用同一套逐镜提示词公式

Google 的 Veo 指南可概括为“摄影语言 + 主体 + 动作 + 环境 + 风格氛围”，Adobe 的建议也强调镜头类型、角色、动作、地点和美学。把公式固定下来，团队就能定位到底是哪一段描述导致偏差。

[镜头景别与机位] + [固定主体] + [一个明确动作] + [环境与时间] + [光线、材质和情绪] + [运动方式] + [声音需求]

可直接使用的镜头 1 提示词

超近景微距，85mm 镜头，浅景深。一颗深烘咖啡豆在纯黑背景中缓慢悬停，随后落入哑光金属磨豆机；单一琥珀色侧逆光勾勒边缘，真实广告摄影，细腻胶片颗粒。相机先静止，最后 0.5 秒快速向下跟随。只出现一颗咖啡豆，不出现文字、手或额外物体。声音：轻微机械启动声与咖啡豆落下的清脆撞击。

可直接使用的镜头 4 提示词

中近景，35mm 镜头。28 岁东亚女性，黑色短发，穿深灰风衣，站在雨后清晨的咖啡店吧台前；手冲壶的细水流落入滤杯，蒸汽从画面右下向左上升起并充满镜头，作为转场。冷青灰环境，琥珀色主光，写实品牌短片。相机缓慢推近，人物服装和米白标签玻璃瓶保持不变。禁止随机文字、包装变形和多余手指。

第五步：用首尾帧解决跨镜连续性

先为关键镜头制作确认过的起始画面；需要无缝转场时，再指定结束画面。Veo 3.1 支持 4、6、8 秒片段和首尾帧控制，Firefly 也提供构图、运动参考与种子等约束。30 秒片不必一次生成：每镜 4–8 秒、每镜保留 2–4 个候选版本更稳妥。

第六步：声音、文字与剪辑分开完成

1. 先锁定六段视觉节奏，再设计环境声、动作音和音乐起伏；
2. 品牌名、价格、日期与按钮文字在剪辑软件中排版，避免依赖模型生成可读文字；
3. 用 J-cut 或 L-cut 让声音先于画面进入，掩盖镜头之间的轻微跳变；
4. 最后检查 9:16、1:1 和 16:9 的安全区，而不是简单裁切主体。

交付前检查表

• 每个镜头是否只表达一个动作？
• 人物、包装、色彩和光向是否连续？
• 所有品牌文字是否由后期重新排版？
• 素材、音乐、人物肖像与参考图是否具备使用权限？
• 是否保存提示词、种子、参考图和版本号？
• 在静音、弱网和小屏条件下是否仍能理解？

限制与判断

当前视频模型仍可能在手部、空间关系、产品标志和长动作连续性上漂移；添加过多人物也会降低控制力。涉及真实人物、受版权保护角色或敏感事件时，应先确认授权与平台规则。最重要的是保留人工审核：AI 负责快速提供镜头候选，设计师负责结构、选择、连贯性和最终责任。

总结

稳定的 30 秒 AI 视频来自“先设计时间，再生成画面”。六镜头表负责结构，连续性圣经负责统一，逐镜公式负责复现，首尾帧和后期声音负责把片段连成作品。

本文由「设计创意1984」整理编辑，转载请注明出处。

关注设计创意1984，持续获取设计趋势、AI创作方法与创意灵感。

via：CapCut CRE[AI]TE（官方）、Adobe Firefly：Generate videos using text prompts（官方）、Adobe Firefly：Writing effective video prompts（官方）、Google Cloud：Veo 3.1 prompting guide（官方）