48 秒动画:从分镜到成片的七步
用一条 48 秒二维短片走通全流程:分镜写死、定妆图锁人、首帧留动作空间、按切点分段生成。
转载来源
- 作者:govin.eth | G哥(X:@goan999999,蓝标)
- 平台:X(原 Twitter)长文,10 分钟阅读
- 原文标题:Seedance + Claude/Codex:AI 视频生成保姆级教程,从分镜到成片(附完整提示词)
- 原文链接:https://x.com/goan999999/status/2122559931341832593
这条片子 48 秒、16:9、三个人物、一个场景、普通话对白、二维动画。它的价值不在于效果多惊艳,而在于把「一条能看的动画」拆成了可以按顺序执行的工作流,每一步都给了可直接复制的提示词。
一、先把片子限定死
开篇第一件事不是写提示词,是收窄范围:约 48 秒、16:9 横屏、三个人物、一个场景、普通话、二维动画风格,讲完一场冲突,有开头也有结果。
作者的原话意思是:写到一半又想加童年回忆、城市毁灭和新角色,就得额外准备相应的图片、镜头与声音。第一次做,先把这些支线放下。
人物关系也靠动作和台词交代,不专门插一段身世介绍——成年战士受伤,观众就知道局面危险;反派步步紧逼,少年才需要做选择。
二、分镜要写到「能画、能拍」
这是全文最硬的一段。分镜表里每个镜头必须写清:编号、成片时间、这一镜观众获得什么信息、人物起始状态、景别、机位、运镜、动作方向、结束状态、对白、声音落点、所需图片。
两条判据特别实用:
一是用具体动作替代抽象评价。「少年觉醒」没法拍;「少年低头站立,抬眼、握拳,气流刚刚升起」才有可执行的画面。「震撼」「热血」这类词出现在分镜里,等于没写。
二是遮住对白只读画面。写完把台词盖住,问自己:谁受伤、谁在威胁、谁决定出手,还能不能看懂?看不懂的地方补镜头;字幕只负责台词,不负责解释整场战斗。
三、三个人物,各留一张固定参考
定妆图的作用是锁死长相,不是好看。作者的选图标准:先看脸、服装、四肢是否清楚。半张脸藏在强光里的战斗截图可以拿来做氛围参考,但「人物长什么样」必须是另一张看得清的图。
提示词里有几条值得抄的约束:单角色、16:9、头顶与脚底留边、人物占画面高度约八成、中性浅灰背景、明确「只有一个人物,不在旁边自动增加侧面、背面或表情小图」。最后这条很关键——不写死,模型经常自动给你排版成角色设定页。
参考图选定后就固定,后续补正面、背影、侧脸都沿用同一张,不要每次另挑一个「长得像」的人。
文件从这一步开始编号:人物图放「角色参考」,镜头图命名「镜头编号_首帧」,视频命名「镜头编号_版本」。旧版本保留,剪辑时才能对比。
四、首帧里就要给动作留位置
这是最容易被忽略、又最影响成败的一条。首帧好不好用,不看它好不好看,看它能接出什么动作。
两个具体例子:蓄力镜头双手藏在身后,模型得先凭空把手补出来;人物贴着右边缘又要朝右发射,画面放不下动作。
所以画首帧时要先想清楚下一拍:「握拳要露出双手,向右释放能量要给右侧留空间。面部大特写适合抬眼和说话,全身翻滚、悬浮或出招则需要换构图。」
图片出来后还要放大检查:多出的肢体、粘在一起的手、改变的服装、含糊的能量方向,都应在生成视频前修掉——修图比抽卡便宜。
五、三段结构:危机、觉醒、决战
成片按三段各约 16 秒组织。作者特意提醒:三段时长是剪辑目标,不预设当前视频模型支持 16 秒;平台时长不够或整段太长,就沿切点拆开,每次保留当前镜头的起始姿态、动作、结束状态和人物设定。
分段的写法上有三条可直接照搬的习惯:
第一,切镜必须写「切 + 景别」,一镜到底不写「切」,用时间轴(0—4 秒 / 4—8 秒)控制先后。
第二,力量要有过程。第二段的气焰不是第一秒全飞起来,而是「先出现贴地气流,再让金色气焰向上延伸;小碎石先抬起,较大的石块稍后离地」,给后面留出增强余地。
第三,强光留到最后。第三段先写手臂怎么推出、方向朝哪,切近景看表情,最后才让能量遮住远处目标——「强光来得太早,观众连双手怎么推出都没看清,画面就白了」。
六、提交时分清「首帧」与「参考图」
这一段是操作细节,但坑最多:首帧规定开头画面,首尾帧约束开始与结束,参考素材保持人物与风格。支持哪些输入、能选多长,以所用版本的界面与官方文档为准。
上传时就区分角色参考与镜头首帧,并记下这一镜用了哪些图、有没有指定尾帧、提示词是哪一版,返工时才能对照。
接动作的两种做法:同一人物继续同一动作,可从上一段挑一张姿态对得上的画面接下去——注意最后一帧可能是白屏、模糊或变形;从正面近景切背影远景,就另做一张首帧,中间靠剪辑衔接,不必让身体和背景一起转过去。
七、出错先定位,再重做
作者把故障分成了三类归因,很实用:
外形变了 → 查参考图;动作接不上 → 查首帧姿态;方向反了 → 改运动描述;画面本身对、只是拖沓 → 在剪辑里缩短。
重做时把问题改具体:角色朝错方向,就把「朝敌人」写成「朝画面右侧,双手从腰侧向右推出」,同时检查首帧。
还有两条避免角色混淆的写法:三人同场时少用「他冲过去」「镜头切到他」,直接写「紫衣少年」「橙衣成年战士」;过肩镜头要限定成「镜头前方只露出反派的一个肩部,远处只有少年,画面总共两人」。
八、声音与合片
对白逐句单独录,文件按「角色_台词序号」命名,读的时候不念角色名与表演说明;每句前后留少量静音,保留呼吸,便于后期移动。
混音分三层:对白先听清,动作音效对准接触瞬间,配乐随后铺上;释放前短暂减弱、推出时再加强,冲击才明显。
合片时先在时间线上确认镜头顺序与总时长,节奏定下来再安排对白起止与配乐进入——否则挪动一镜,整条声音都要返工。
导出前核对画幅、帧率与音轨;源素材是 1024×576、24 帧/秒,放大只改变输出尺寸,补不回原片没有的细节。最后留两份:一份带字幕与声音的成片,一份无字幕画面,配音、音乐、字幕文件分开存,版本写进文件名。
编辑判断
值得推的理由:这篇把「生成」和「导演」分开了。它给你的不是一句万能提示词,而是一套顺序:先限定范围,再写到能拍,再锁人、留位、分段、定位故障。尤其「遮住对白只读画面」和「首帧要给动作留空间」这两条,换任何视频模型都成立。
需要打折的地方:
1. 全文基于一条片子、一套模型的实操,作者自己写了「平台能力以界面和官方文档为准」;提示词里的时长、输入类型上限都可能随版本变化。 2. 开头「朋友公司靠 AI 视频上半年赚 700 万」是引流话术,没有可核对的信息;正文方法本身可以验证,但这句别当结论。 3. 提示词全部是中文长结构,对英文模型或短提示词偏好的模型未必最优,照抄前要先试。 4. 成片效果依赖前期图片质量,作者也承认很多问题在出图阶段就该修——这意味着它其实是「一半图片工作 + 一半视频工作」,不是纯视频教程。
最能直接拿走的一条:首帧不是画面,是动作的起点。 先想下一拍要做什么,再决定这一帧怎么画。