先说一个反常识

很多人用 AI 做视频、课件、海报脚本，一上来就写“第 1 镜、第 2 镜、第 3 镜”。看起来很专业，结果出图越做越乱：人物一会儿站左边，一会儿跑右边；前一张是教室，后一张变成会议室；本来想讲方法，最后变成堆氛围图。

问题不一定是 AI 不听话，而是你把“故事板”和“分镜板”混成了一件事。

故事板解决的是：这段内容到底怎么讲。分镜板解决的是：这段内容到底怎么拍。前者管逻辑，后者管镜头。顺序反了，就会反复返工。

故事板先管“讲清楚”

故事板不要急着写镜头语言。它更像一张内容路线图，先回答四个问题：

  1. 这一段让用户看完明白什么？
  2. 先抛什么问题，后给什么答案？
  3. 哪个地方需要情绪，哪个地方需要证据？
  4. 每一幕之间的因果关系是什么？

比如做一个“公考面试答题结构”的短视频，故事板可以是：

开场：考生答题卡壳，暴露问题。
转折：老师指出不是没话说，而是没结构。
方法：给出“观点、原因、做法”的三段式。
示范：同一道题用结构重答一次。
收束：提醒用户先练框架，再练金句。

这一步不要求画面好看，只要求逻辑稳。哪怕用文字、便签、表格都行。对教育内容尤其重要，因为用户不是来看美图的，是来降低理解成本的。

分镜板再管“拍出来”

故事顺了，再进入分镜板。分镜板要具体到画面，不再讨论“讲什么”，而是讨论“怎么让人看见”。

每个镜头至少写清五件事：

画面主体：谁在画面里，做什么。
景别：远景、中景、近景，还是特写。
视角：平视、俯视、侧面、主观视角。
动作：人物、镜头、字幕或道具怎么变化。
连续性：上一镜和下一镜如何接上。

还是刚才那个例子，分镜可以这样写：

镜头 1：中景，考生坐在桌前停顿，答题纸空白，表情紧张。
镜头 2：近景，老师用笔圈出“没有结构”四个字。
镜头 3：俯拍，纸上出现三层框架：观点、原因、做法。
镜头 4：左右对比画面，左边散乱表达，右边结构化表达。
镜头 5：特写，用户在练习本上写下答题框架。

到了这一步再喂给 AI，模型更容易稳定。因为它不是在帮你猜故事，而是在执行画面任务。

一个可落地的 AI 流程

普通人可以按这个顺序做：

第一步，写一句话目标：这条内容让用户获得什么具体收益。

第二步，做故事板：控制在 5 到 7 幕，每一幕只写“信息功能”，比如抛问题、解释、举例、对比、行动。

第三步，检查断点：每一幕之间能不能用“所以、但是、因此”连起来。连不起来，就不是镜头问题，是逻辑问题。

第四步，转成分镜板：给每一幕补景别、主体、动作、环境和连续性。

第五步，再写 AI 出图 Prompt：一张图只服务一个镜头，不要把剧情、情绪、构图、字幕全塞在同一句里。

第六步，批量生成前先做 2 张测试图：先验证人物风格、空间设定和画面质感，再扩展整组。

最容易踩的坑

第一个坑，是把故事板写得太像小说。AI 不怕你写长，怕你没有画面边界。故事板可以抽象，分镜板必须具体。

第二个坑，是每张图都追求惊艳。内容型视频最重要的是连续理解，不是每一帧都像电影海报。教育、知识、运营类内容尤其要克制。

第三个坑，是没有统一“角色和场景设定”。同一个老师、同一个学生、同一间教室，要在分镜板前先定下来，否则 AI 会自由发挥。

第四个坑，是边出图边改逻辑。只要逻辑没定，后面所有视觉资产都可能报废。

我的判断

AI 绘图真正提效的地方，不是让不会画画的人突然变成导演，而是把导演流程拆得更清楚。

先用故事板减少认知返工，再用分镜板减少画面返工。对内容从业者和教育从业者来说，这套方法比“神级 Prompt 模板”更重要。模板只能救一张图，流程才能救一整条内容。