我用 WorkBuddy 做分镜构思层：一条 10 秒「一镜到底」，模型自己切了三刀

前四篇把出图、长视频、角色一致性、视频接力都走了一遍，但一直缺最上游的那一环：一段剧本，到底怎么变成一张能落地的镜头清单？

这篇就补它。而且我先不写方法，先摆一个我自己跑出来的实测——它能解释为什么大部分人写的分镜一喂进模型就碎。

一、先摆一个实测：你以为的「单镜头」，其实是三条

我拿本机生成的一条 H3 视频逐帧量了一遍。先说清参数，这很重要：

然后把相邻帧逐一做灰度绝对差，取全图均值，得到整段的帧间差曲线：

整段 10.125 秒的逐帧帧间差曲线

看这两根柱子。整段 243 帧里，帧间差只有两处断崖：

其余时间的帧间差全部落在 1.94 ~ 5.70 这个平稳带里（全段均值 3.69、中位 3.10）。

也就是说：这一段 10.125 秒被切成了三段（0 → 6.00s、6.00s → 8.88s、8.88s → 10.125s），而且第二段只有 2.88 秒、最后一段只有 1.24 秒。这不是渐变的运镜，是硬切。

把切点两侧的帧并排看，一眼就明白了：

6.00 秒切点前后两帧

左帧 f143：近景特写，人在画面里占满，手和笛子在唇前。右帧 f144：直接跳到灯笼庭院里的全景，人物坐姿、画面全是红袍与灯笼。

再看第二个切点：

8.88 秒切点前后两帧

这次方向反过来——从全景切回近景特写。

结论：我在提示词里写的是"一条 10 秒的一镜到底"，模型交回来的成片里有三条镜头，剪辑点是 6.00s 和 8.88s。它跟我的分镜边界毫无关系。

这个结果和量到的另一组数字对得上：成片的突变间隔落在 1.7 ~ 7.3 秒之间（我这里两段分别是 6.00s 和 2.88s），并且与段边界无关——模型在段内自己就切了 3 ~ 4 次。

二、所以「先写一张标准分镜表」这条路是错的

大部分人从剧本走向视频，第一步是写分镜表：镜号、景别、时长、内容。这张表本身没问题，问题是它的用途被搞错了。

标准分镜表是给人看的——给摄影、剪辑、美术看，人知道"这一镜 3 秒"是拍摄与剪辑的规划。但直接把它当生成单元交给模型，结果就是上面那样：你写 4 秒一镜，模型在段内自己切四次，成片碎成一地。

所以中间必须插一层。我的做法是拆成三层：

三层里，构思层是唯一"用一个小时换后面十个小时"的地方。下面五步就是它的全部工作。

三、步骤 0（强制）：逐镜展开表，五格缺一格就出事

这是整套流程里最反直觉的一条：写任何一条提示词之前，先把这张表逐镜填满。表没填满，不许动笔。

五格，每格都对应一个实测过的翻车症状：

第 ⑤ 格是最容易被忽略的。注意它数的是物件动作数，不是子镜数——三个子镜如果只动一个物件，那还是 1 个动作；一个子镜里挪了两样东西，那就算 2 个。

镜面 / 镜像构图要额外加一条：必须显式声明"画面里只有两只手臂，镜中映像是同一对手臂的倒影"。模型分不清镜内和镜外的手臂对应关系，会多画一条。

写完每段必过的两条硬自检：

1. 数物件动作数（不是子镜数），> 3 立刻拆段。
2. 每个「从身体上移走某物」的动作，逐条查有没有四段式路径链，缺的当场补。

提交之后还有一道：抽 首 / 25% / 50% / 75% / 尾 五帧，逐帧核对手数、道具位置、布料状态，主动报出结果，不等别人发现。

这条自检不是形式主义。看这张真实的五帧核对条——同一段 10 秒，0% / 25% / 50% / 100% 四个采样点都是近景特写（手、笛、面部的位置都稳定），但 75% 那一帧（f182）景别突然拉成全景：

五帧自检条：0% / 25% / 50% / 75% / 100%

如果不抽这五帧，这个"段内自切"就被漏过去了——而它正好解释了一、二两节的结论。

四、第一步：叙事目的双层标注（每镜必答两个问题）

镜头清单里每一镜都要写一句话，这句话必须同时盖住两层：

结构层（这镜为什么存在——删掉它全片缺什么）：

• 交代信息 / 建立·强化角色 / 推进情节 / 埋设·回扣伏笔 / 情绪转场·节奏调节（呼吸镜）

执行层（要在观众身上制造什么效果）：

• 制造氛围 / 引导注意力 / 制造时间感（压缩·拉伸·停滞）/ 建立·打破预期

写法示例（一句话覆盖两层）：

镜 3：交代角色在樱树下抚琴的空间关系（结构层）；用中景加花瓣缓落让观众先安静下来，为后镜情绪转折蓄力（执行层）

四条自检：

• 找不到叙事目的的镜 → 删掉或合并
• 连续三镜高强度叙事后，必须有呼吸镜
• 伏笔 / 回扣必须成对出现
• 台词不能是叙事目的的主体——大量依赖"角色说出某某"就说明视听化不足，改画面或动作来承载

第四条是最值钱的。很多分镜看起来"讲清楚了"，其实全靠台词在推，画面什么也没干。

五、第二步：时长判定——先定叙事目的类型，再取基准

硬约束先记牢：H3 的 duration 必填 4–15 的整数秒，估算完向上取整到合法值。写进提示词里的秒数不能替代生成设置，这是两回事。

按叙事目的类型取基准（551 镜统计得出）：

按信息表达量（一镜要观众读几层信息，一层约 2–3 秒）：

按景别：特写 2–4 s / 中景 3–5 s / 全景 4–5 s / 远景 5–7 s / 景别转换（推拉）8–12 s。

对白镜要单独排：先排声音事件，再定镜长，禁止先选个短镜长再往里塞台词。

• 中文参考 4.1 个可发声字/秒——这只是估值，生成后必须核听，不能当成铁律算式
• 台词语速要按角色情境在脑子里"演"一遍：急躁角色 10 个字可能 1.5 秒，沉稳的老人可能 5 秒（含停顿和呼吸）
• 镜长下限 = 台词时间 + 开口前 0.5 秒 + 听者反应 1 秒
• 超过 15 秒 → 回构思层按语义闭合点拆镜，不偷改秒数、不删词、不改快读

最后那条是纪律问题。时长装不下，正确动作是回去拆，而不是把台词删两个字。

六、第三步：镜头组划分

一组镜头共同完成一个叙事目的。四种组型：

长片语境下有一条更要紧的规则：尾帧接续链的每一段，等于一个镜头组级单元。接续点必须落在叙事闭合状态上——人物位置、道具状态、情绪都到达一个可以暂停的稳态。

这是防漂移的第一道闸，比提示词层面的防漂移句更靠前。

七、第四步：镜头清单（构思层的最终产物）

每镜一行，七要素：

镜号 | 叙事目的（双层一句话） | 时长（含依据） | 景别 | 起点可见状态 | 终点可见状态 | 生效锁

四条纪律：

① 起终状态只写可见事实——站 / 坐 / 手持何物 / 门开关 / 衣物状态，不写心理。

这两张就是"起点"和"终点"该长什么样：

段末帧：终点可见状态

终点状态写"抬眼平视、笛仍在唇前、双手位置不变"是可核对的；写"她心情平静下来"没人能核对。

② 动作落实铁律：每个剧本动作只有一个主要落实镜；其他镜再现该动作，必须新增反应 / 细节 / 新理解，否则就是重复拍。复杂场面可以另附动作落实表（来源动作 / 主要落实镜 / 动作前事实 / 动作后事实 / 他镜作用）。

③ 相邻两镜同景别、同角度、同人物关系 → 切了等于没切，并回一镜，或至少改一项。

④ 每镜盘点参考图需求（身份 / 地理 / 造型 / 构图），再交给判定树选通路；生效锁那一列直接填 LOCK 编号，交付自查时逐镜过一遍，看本镜提示词有没有包含所列锁的锁面原文。

八、把镜头清单翻译成「生成单元」

构思层交出一张人看得懂的清单，接下来要把它切成模型能一次吃下的段。

① 段长只有 10 秒 / 15 秒两档。 对应帧数传 243 / 362，落在 17k+5 的网格上，实得 10.125 s / 15.083 s——本文一、二节实测的那条视频正好是 243 帧。

4–9 秒的内容向上并进 10 秒段（短段反而更容易被跳）；超 15 秒的在叙事闭合点拆段，不许压。

② 每段动作 ≤ 3 个（含 1 拍承接），一个动作单独占一个子镜；段尾停在"动作落定后的稳定状态"。

③ 段内就是一镜到底，没有剪辑点。 这一点是很多人栽跟头的地方——构思层里写的"空镜""插入镜"不能带进提示词。写进去它也不会切，只会把画面拉远或者把人变形。

正解：把空镜改写成运镜。要"空教室全景"，就写"镜头缓缓拉开露出整间教室，再推回收人"。

④ 段间接缝必须叠化。 段 N 的末帧是喂进去的锚定图，段 N+1 模型重绘的首帧与它天然有差——实测接缝跳变 63.2，而段内最大帧差只有 5~7，肉眼一眼就觉得"接得不顺"。

做法：

xfade=transition=fade:duration=0.5:offset=(段1时长-0.5)
# 音频同步：acrossfade=d=0.5

另外每段开头那 0.3 秒的"首帧交棒"跳变，可以直接裁掉前 8 帧。

⑤ 重跑某段时，把「机位」与「光色」写成显式锁。 只写动作，很容易漂成另一个景别或色温。同一个内容两次运行，景别可以差这么多：

同内容两次运行：景别与构图漂移

补上"全程中景、门留在画面右缘虚焦""只由左侧窗斜阳照明、右半脸暗、暖琥珀加墨绿加浅景深"之后，同 seed 重跑就能回正。

⑥ 先跑 3 段试跑，别跳过：

• ① 色板段——验通路与色调
• ② 关键道具段——验路径链守不守得住
• ③ 动作最密的那一段——全章最容易被跳，用它验路径链有效性

过了再推全章。

⑦ 独立提交还有个工程上的好处：每段独立提交，可以绕开"段数 × 分辨率"的内存红线（那条红线来自插件把全部段的解码帧累积在 CPU 内存里）。独立段不受此限，高分辨率也能跑满整章，只需一段一段来；而且任一段返工只重跑那一段，不牵连前后。

九、连续性锁：跨镜不走样

长篇必须用锁。格式：

LOCK-XXX《中文名》（生效镜头：SHOT-EP001-002、003、007）
  · 锁面：能原样贴进 prompt 的英文短语

例：

LOCK-01《主角色 A 常服》（生效镜头：SHOT-EP001-002、005）
  · 锁面：pale ivory linen shirt with a soft round collar, ankle-length chestnut skirt

两条铁律：

1. 写提示词时从锁文件复制锁面原文，禁止凭记忆手打——一字之差脸就变。
2. 交付前自查：本镜提示词是否包含所有生效锁的锁面原文。

第 1 条听着像废话，但它是最常被违反的一条。人对"自己记得住的短语"有迷之自信。

十、四级规则分级：哪些必须守、哪些只是默认

写规程时最容易犯的错，是把"默认值"当成"铁律"。所以我给每条规则标了级别：

这张表的价值在于：当你跟模型磨的时候，知道哪条可以让、哪条不能让。craft_default 你改了要写理由，structural_invariant 改了就是错。

十一、格式判定树：按「图的用途」选通路，不按数量

构思完就该选通路了。判据不是"我手里有几张图"，而是"这些图各用来干什么"：

最后一行是经验：续接漂移严重时，换通路比调提示词有效。

十二、WorkBuddy 在这套流程里的位置

到这儿你会发现，构思层里最重的活不是"想创意"，而是管账：五格表填满没、时长合不合法、锁有没有复制、动作数超没超、段切得对不对。

这些正好是我交给 WorkBuddy 干的：

最后一条是这套流程里我最看重的能力。"无缝"不是形容词，是可以量出来的数字——6.00s 处 58.68 对邻域 2.77，是 21 倍，那就不叫一镜到底，叫切了两刀。

十三、踩坑速查表

最后

这篇没有"出图效果"，因为构思层的产物本来就只是一张表。但它是前面四篇能成立的前提——角色一致性、无缝接力、长视频不漂移，靠的都是这层把账算清。

一条 10 秒的"一镜到底"能被模型自己切成三刀，这件事我量出来之前也只是怀疑。量出来之后，写法就变了：不再跟模型争"我这镜到底几秒"，而是按它能吃下的生成单元去切，把"哪里该闭合"提前决定好。

镜头清单是给人看的，生成单元是给模型吃的。中间的翻译层，就是构思层。