一句话总结
主流 AI 视频模型至今都是短段输出：Google Veo 3.1 单条最长 8 秒，Runway Gen-4.5 约 10 秒，Kling 3.0 约 15 秒。所以任何超过一口气长度的视频，本质上都是”多镜头剪辑”，而不是一次生成。生成前先做分镜，能把模糊意图变成每个镜头的具体 prompt、给每镜一个时长预算，并把典型 5-8 镜头项目的重生次数砍掉大约一半。规划花 30-45 分钟，整套做出连贯的 30-60 秒成片大约 2-3 小时。
分镜到底解决什么问题
你生了 12 个镜头，喜欢其中 3 个，坐下来剪辑才发现它们串不起来：没有贯穿线、镜头语法不统一、节奏崩了。这不是工具的问题，是规划的问题。因为底层模型给你的是 4 到 15 秒的碎片，“序列”是你自己编排出来的，而没规划就上手，等于花 credit 在剪辑台上才把方案想清楚。
分镜把三个事后很难改的决定前置：要哪些镜头、每镜多长、每镜说什么。在纸上把这三件事定好，生成这一步就从”探索”变成”执行”。
这篇适合谁看
任何做超过一个镜头的 AI 视频序列的人：广告、MV、品牌片、解释型内容、有起承转合的故事型社交短片。对还没把镜头语法内化的非科班人尤其有用（营销、独立开发者、单干创业者），分镜这一步替你补上了那份直觉。
下列情况跳过分镜：一次性单镜（库存或背景、无叙事）、刻意打破结构反而更好的抽象实验作品、镜头表来自真实事件的纪录片素材增强，以及快速测试广告 hook（用社交广告工作流，那套故意跳过分镜）。
为什么单条时长上限逼出了这套流程（2026 年 6 月）
整套方法之所以存在，是因为没有一个消费级模型能一次生出完整叙事。截至 2026 年 6 月，你实际要围着规划的天花板是这样的：
| 模型 | 单条最长 | 原生分辨率 | 同步音频 | 入门套餐 |
|---|---|---|---|---|
| Google Veo 3.1 | 8 秒（4/6/8 秒预设） | 720p / 1080p；API 出 4K | 有，48kHz 对白 | Google AI Pro 19.99 美元/月 |
| Runway Gen-4.5 | 约 10 秒 | 720p（可升 4K） | 无（剪辑里补） | Standard 15 美元/月（年付 12） |
| Kling 3.0 | 约 15 秒 | 原生 4K | 1080p 档带音频 | Standard 约 6.99 美元/月 |
说明：Google AI Pro 每月约 1,000 Flow credit，约够 50 条 Veo 3.1 Fast 或 10 条顶级画质。Runway Gen-4.5 每秒烧 25 credit，所以 Standard 套餐的 625 credit 大约只够每月 25 秒成片级镜头，超了要再买。Kling 的 credit 不跨月结转。OpenAI 的 Sora 这里不再推荐：应用已于 2026 年 4 月 26 日关闭，API 也计划在 2026 年 9 月 24 日停服，别把 2026 年的工作流建在它上面。
结论很直白：Veo 8 秒的硬上限意味着一个 30 秒片至少要四个镜头，实际通常六到八个。这道算术题，就是分镜存在的全部理由。
具体步骤
- **一句话写项目。**谁、做什么、在哪、情绪、长度。例：
30 秒手冲咖啡师早晨做咖啡，温暖亲密，给手作咖啡品牌。一行装不下，就说明项目没界定好。这句话就是你的 brief。 - **画 5 到 8 个分镜。**每镜写：一行动作、景别（全、中、特写、大特写）、镜头运动（静止、缓推、横摇、移轨）、时长（秒）。每镜尽量压在工具的单条上限内，让它是一次生成而不是拼接。第一遍纸 + 笔比软件快。
- **每个 prompt 用稳定的 6 组件结构写：**主体、动作、布景、灯光、镜头、情绪。每镜保持同样的组件顺序，跨镜的画面才统一。漂移往往来自改了 prompt 骨架，而不只是改内容。
- **一次会话内、用同一个模型、同一套风格语言生完所有镜头。**中途从 Veo 换到 Runway，甚至在 Veo 3.1 Fast 和 Quality 之间切换，都会出现可见的风格断裂。开工前先锁定模型。
- **任何终版生成前，先看一遍 rough cut。**三分之二的情况下，会有一两个镜头明显不服务故事。只删或只重生那一两个，别全部重生，credit 预算就是这么蒸发的。
- **带着节奏意识去剪。**1.5 到 3 秒的短镜保持能量，情绪或产品 beat 上停久一点。别让 AI 那 8 秒的默认值替你定节奏。故事在那需要 1.8 秒，就剪到 1.8。
- **最后 30% 精力做音频。**音乐、拟音、旁白。Veo 3.1 能内联生成同步对白；Runway 和 Kling 的 720p 输出是静音的，要单独规划声音环节。声音对感知制作质量的放大，比任何单一画面选择都大。
6 组件 prompt 实战
还是用那个咖啡师 brief，第 3 镜（注奶特写）写成：
主体：一只手倾斜一个白色小奶缸。动作：把打发好的奶以平稳细流注入浓缩咖啡。布景：大理石咖啡吧台，清晨。灯光：左侧柔和温暖的窗光。镜头：大特写，静止，浅景深。情绪：平静、亲密、手作感。
六个镜头都复用这套字段顺序。当某次生成出错，你能一眼看出该调哪个字段，而不必重写整段 prompt。多镜头角色工作：先把角色生成一张静帧、锁定这张参考图，再逐镜跑图生视频。Runway Gen-4.5 和 Kling 3.0 都能很好地保持参考静帧的角色一致性。
生成前的质量自检
- 一句话 brief 无歧义。两个人读完脑补出不同画面，就重写这句话。
- 分镜在 5 到 8 镜之间，不是 3（太薄），也不是 15（剪点过碎、AI 一致性也跟不上）。
- 每镜时长压在所选模型的单条上限内，没有哪一镜需要拼接。
- 镜头运动有变化。不能每镜都是缓推。静止、推、横摇、移轨混着用。
- 各镜时长之和贴近目标总长。30 秒片排了 50 秒镜头就是超支，砍镜头，别加速。
- 存在视觉贯穿线：反复出现的色彩、道具或角色。没有它，整片读起来就是一堆无关镜头。
- 声音现在就规划好，别等到末尾才往上贴。
怎么跨项目复用这套流程
- 做一份分镜模板（纸或 Notion 表格），列出镜号、动作、景别、镜头运动、时长、prompt。到处复用。
- 把成功的分镜存成模板。“30 秒产品揭幕”可能就是 6 个固定镜头，每换一个产品只需重写 prompt。
- 维护一个
shot-library/目录，把每个强单镜按景别打标签收纳。分镜要”产品手部大特写”时，先查库再花 credit。 - 每次交付后做 10 分钟复盘：哪些镜头重做超了预算、哪些一次过。做完 5 到 10 个项目，规律就浮现了。
- 每个季度重测一遍你的 6 组件骨架。Veo、Runway、Kling 每次版本更新后，对措辞的反应都会略有不同。
容易踩的坑
- **没分镜就 prompt。**你会生出一堆不需要的片段，烧掉的 credit 还拿不回来。
- **镜头太多。**30 秒片 5 到 8 镜足够。15 镜让每个剪点都很急，也拖累模型的跨镜一致性。
- **镜头运动没变化。**全是推，或全是静止，看起来很平。变化才让片子有制作感。
- **省掉声音。**强画面配静音感觉只做了一半。哪怕免费版权音乐都能明显加分。
- **项目中途换模型。**镜头之间从 Veo 换 Runway，或从 Veo Fast 换 Quality，会留下可见的风格接缝。锁定一个模型。
- **让单条时长替你定节奏。**模型给你 8 秒，故事在那只要 1.8 秒，就剪到 1.8。
常见问答
- **不是”视频人”也能做分镜吗？**能。粗糙的火柴人加一份镜头列表就够。重点是意图，不是画功。一个描述清楚的镜头，胜过一个画得漂亮却含糊的。
- **每个镜头该多长？**短社交：每个剪点 1.5 到 3 秒。长叙事：3 到 6 秒。两者都控制在约 5 秒这个一致性漂移点之内（超过这里 AI 画面开始抖），也都远低于各模型的硬上限。
- **2026 年该为哪个工具做分镜？**要同步对白和干净写实，选 Veo 3.1（经 Google AI Pro，19.99 美元/月）；要最好的图生视频和编辑工具，选 Runway Gen-4.5（Standard 15 美元/月）；要原生 4K 和人物动作，选 Kling 3.0（约 6.99 美元/月起）。每个项目锁一个，按它的单条上限做分镜。
- **某个镜头怎么都生不干净怎么办？**开工前就在分镜里记一个备份，通常是同一 beat 的更宽或静止版本。剪辑里也可以硬切跳过它，或缩短镜头把坏的部分剪掉。
- **需要分镜软件吗？**不需要。Boords、Storyboarder、Frame.io 都好，但非必要。独自做的项目，一张电子表格或一张纸就够。10 镜以上软件才开始值回票价。
- **整套工作流要多久？**大约规划 30-45 分钟、生成 30-90 分钟、含声音的剪辑 30-60 分钟。一条连贯的 30 秒 AI 视频，总共 2-3 小时是现实的。