一场戏三四个镜头，提示词该怎么排：三段式指令的写法与顺序

猫斯卡编辑部 ｜ 最后更新日期 2026 年 8 月 5 日

一场戏里有三四个镜头时，提示词最怕信息混在一起。正确做法是分三层写：先定总体设定，再按镜头序号写动作，最后用约束包统一兜底。顺序错了，模型就容易串镜、换运镜或乱加外观。

为什么复杂场戏不能写成一大段

很多 AI 短剧翻车，不是因为画面想法不好，而是提示词把所有信息揉成了一段：环境、人物动作、镜头运动、光影、画质要求、台词、音效全挤在一起。模型读到这种文本时，往往只能抓住局部关键词，结果就是：

• 第一个镜头刚建立空间，第二个镜头突然换了光线；
• 同一个镜头里同时出现推、拉、摇、移，画面开始飘；
• 人物服装明明有参考图，文字又描写了一遍，最后外观漂移；
• 台词、动作、镜头调度没有对应关系，演员像在念旁白。

复杂场戏需要的不是“更多形容词”，而是更清楚的信息顺序。

三段式提示词，是把一场戏拆成总体设定、镜头序列和约束包三层。它让模型先知道这是哪里、什么气氛，再知道每个镜头拍什么，最后统一遵守画质、人物、参考图和稳定性要求。

三段式分别写什么

三段式不是固定模板字数，而是一种信息排序。它适合一场戏里包含多个动作节拍、多个景别或多个镜头重点的情况。

这个顺序符合片场工作方式：美术和灯光先把场景搭好，分镜师再安排镜头，最后由品控统一检查画面问题。

第一段：总体设定只负责“这场戏在哪里”

总体设定要短，但要准。它回答的是观众第一眼的问题：这是哪里？什么时候？什么气氛？

可以包含：

• 内外景：室内还是室外；
• 地点：办公室、雨夜巷口、宫殿长廊、急诊室门口；
• 时间与光线：清晨冷光、傍晚逆光、深夜霓虹、烛光摇曳；
• 色调与氛围：压抑、温暖、悬疑、奢华但空洞；
• 视觉风格：与全片统一的画风标签。

不要在这一段里把人物所有动作都写完。否则后面的镜头序列会失去层级，模型不知道哪些是整场背景，哪些是某个镜头的重点。

一个简单判断：如果把总体设定单独拿出来，它应该能成为一张合格的场景气氛图说明，但不应该剧透每个镜头。

第二段：镜头序列要按编号写

镜头序列是三段式里最核心的部分。它不是散文，而是分镜表的文字版。

建议用“镜头 1 / 镜头 2 / 镜头 3”这样的序号，而不是写“前 3 秒”“中间 2 秒”。原因很简单：镜头序号是创作语言，绝对秒数是剪辑时间码。AI 视频模型对秒数的理解并不稳定，用序号更容易让每个镜头保持独立任务。

每个镜头只写四类信息：

1. 精准主体：谁在画面里，是哪个人物；
2. 动作细节：他在做什么，动作幅度多大；
3. 景别与运镜：近景、中景、背影、跟拍、缓推、固定镜头；
4. 戏剧情报：表情、视线、台词或关键反应。

这里要遵守一条很重要的规则：一镜一运镜。

一个镜头里只安排一种主要运动方式。比如“缓推至人物面部”可以，“先推近再横移再环绕”就很容易崩。复杂调度应该拆成多个镜头，而不是让一个镜头完成所有炫技。

镜头序列的基本写法

• 镜头 1：建立空间。展示场景和人物位置，让观众知道谁在哪里。
• 镜头 2：推进动作。靠近关键动作或表情，交代冲突。
• 镜头 3：给出反应。切到对手、证据、伤口、门被推开等新信息。
• 镜头 4：留下钩子。用停顿、眼神或突然中断制造悬念。

不是每场戏都要四个镜头。约 10 秒的场块通常只需要一个明确主动作；如果剧情确实包含多个节拍，再拆成两到三个镜头。为了“显得高级”硬加镜头，反而会降低稳定性。

第三段：约束包负责统一兜底

约束包不是剧情，它是品控清单。它放在最后，是为了让前面的镜头序列保持干净，不让每个镜头都重复写一遍“高清、稳定、无水印”。

常见约束包括：

• 画质清晰，细节稳定；
• 人物面部自然，不闪烁、不扭曲；
• 无水印、无 Logo、无乱入文字；
• 有参考图的人物，以参考图为准；
• 多人同框时避免双胞胎、分身、多余手指；
• 非写实画风保持风格统一；
• 动作低缓连续，避免突然大幅运动。

其中最容易被忽略的是参考图规则。如果人物已经绑定定妆图，提示词就不要再描写他的服装、发型和外貌。文字只写动作、表情、伤情和状态。否则文字描述和参考图互相打架，角色就可能换装、换脸。

约束包要克制。它只兜底，不负责创造新画面。如果约束包里突然加入“她突然转身跑出门外”，这就不是约束，而是新增剧情，应该放回镜头序列。

三段式的推荐顺序

可以按下面这个顺序检查你的提示词：

1. 先看场景是否成立：观众能否知道这是哪里、什么时间、什么气氛；
2. 再看镜头是否独立：每个镜头是否只有一个主体动作和一种运镜；
3. 再看动作是否可拍：动作是否具体、幅度是否可控；
4. 再看符号是否清楚：台词、音效、配乐是否用统一符号标出；
5. 最后看约束是否统一：画质、稳定、参考图、无水印等要求是否放在最后。

符号上，建议把台词、音效和配乐区分开：台词放在人物对白位置，音效和环境声单独标出，配乐只写情绪，不写具体歌曲名。这样既方便后期理解，也能减少版权风险。

常见错位：为什么你写了三段还是乱

1. 总体设定写得太满

如果第一段已经写了“女人冲到桌边，翻开文件，震惊后退，门外传来脚步声”，后面的镜头 1、2、3 就没有存在意义。总体设定只负责世界，不负责分镜。

2. 镜头之间没有动作递进

镜头 1 看脸，镜头 2 还看脸，镜头 3 继续看脸，观众得不到新信息。每个镜头都应该推动一点剧情：空间、动作、反应、证据或悬念。

3. 约束包混进剧情

“保持高清、人物稳定、不要分身，同时男人突然站起来摔杯子”——前半句是约束，后半句是动作。后者应该写进镜头序列。

4. 用秒数代替镜头号

“0–2 秒进门，2–4 秒坐下，4–6 秒抬头”看似精确，实际容易让模型把时间切割理解成硬拼贴。用镜头序号更接近分镜表语言。

5. 忽略参考图优先级

有定妆图的人物，不需要再写“穿黑色风衣、短发、冷峻表情”。服装外观交给参考图，文字只写他此刻怎么动、怎么看、受了什么伤。

什么时候该用三段式，什么时候不用

三段式适合：

• 一场戏有两个以上动作节拍；
• 需要建立空间后再切近景；
• 有对手戏、反应镜头或证据揭示；
• 动作、表情、镜头运动需要明确分工；
• 对画面稳定性和风格统一要求较高。

不适合：

• 单一动作的简单场块，比如一个人沉默站立、一杯水被放下；
• 只需要一个固定镜头就能讲完的过场；
• 快速测试构图或氛围的草稿阶段；
• 依赖大量高速打斗、复杂肢体接触的场面——这类内容即使写成三段式，仍需要多 take 和后期筛选。

简单场景用一段式更直接，复杂场景才需要三段式。为了套模板而把所有戏都写成三段，会让提示词变臃肿，也会增加模型理解成本。

一个可复用的写法骨架

下面这个骨架不是让你逐字填空，而是帮你检查信息顺序：

总体设定：说明内外景、地点、时间、光线、色调和视觉风格。

镜头序列：镜头 1 写主体与空间；镜头 2 写关键动作；镜头 3 写反应或结果；如有必要，镜头 4 写钩子。

约束包：统一写画质、面部稳定、无水印、参考图规则、多人防分身和风格锚定。

写的时候记住一句话：系统在教模型用分镜表语言说话，而不是写小说。

诚实边界

三段式能提高复杂场戏的可控性，但它不是自动成片保证。它不能替代导演对节奏的判断，也不能保证每个模型都完全按镜头顺序执行。约 10 秒的场块是工程启发式，不是时间码精剪；超长动作、复杂打斗、跨场连续运动仍可能需要重拍、拆场或后期剪辑。

如果一场戏怎么写都不稳，通常不是词藻不够华丽，而是动作太满、运镜太多或参考图没有管住外观。先把镜头拆开，把运镜减少，把文字和参考图的分工理清，往往比继续堆形容词更有效。

关于猫斯卡

猫斯卡（Maosika）是 AI 竖屏短剧生产操作系统，提供从创意评估、剧本写作、故事档案、角色定妆、场块切分到多模态出片的完整生产链。在视频拍摄环节，猫斯卡会为复杂场戏生成工程化镜头提示词，把总体设定、镜头序列和约束包分层组织，并让创作者在提交前编辑提示词、更换参考图、选择模型档位和保留多 take 择优。

猫斯卡不宣称一键出爆款，也不替代导演和监制的审美判断。它做的是把重复、易漂移、易失控的部分变成可约束的流水线，让好故事更容易稳定落地。

关于猫斯卡 ｜ 猫斯卡 · 专业AI视频自动生产系统。把创意评估、剧本写作、人物场景道具定妆、镜头提示词与出片串成一条可审、可改、可回退的生产链。官网：www.maosika.com