提示词指南

动态分镜:让分镜的时间卡在声音上

动态分镜(animatic)是配上声音、按最终长度排好时间的分镜。下方输入框里就是本页开头那条「锁死镜头」提示词——已经填好,你可以读、改,或者直接发送。

可选

JPG / PNG / WebP

这是 Ottermind 的输入框,不是剪辑时间线。提示词已经填好;发送是另一个动作,之后会进入 Studio 继续。

2026年11月16日 · 约 11 分钟

动态分镜(animatic)就是把你的分镜按成片真正会跑的长度放一遍,底下垫着声音。 分镜画面保持不动,或者只动到刚够提示镜头和动作的程度;叙事靠剪切、靠停顿、靠声音撑着。维基百科那条定义至今仍是行业在用的:一串静态图像,通常取自分镜,与粗配的台词或粗混的音轨同步播放。它不需要好看。它只需要长度对——不长不短——并且落在声音落下的地方。

这一步最常犯的错是顺序,不是品味。人们先把分镜画面做成动画——一格一段素材,每段都打扮得漂漂亮亮——然后才把这些素材丢进时间线,发现整段长了 20 秒,或者发现自己花一小时做出来的那个镜头无事可做,因为它原本要服务的那句台词被剪掉了。另一种错更隐蔽:一段生成出来动得很顺的素材,在审片会上会被读成“完成了”,于是一屋子人开始讨论这个镜头好不好看,而不是这个镜头该不该存在。动态分镜是一件量时间的工具。你为让它看起来像成片而加的每一样东西,都在让它作为量时间工具变得更差。

本文的准备方式: 文中资料均于 2026 年 11 月 16 日核对:维基百科的分镜(Storyboard)条目(Animatics 与 Photomatic 两节,包括拼贴样片,以及“分镜常常在剪辑软件里用简单的推拉摇移动起来”这条说明)、维基百科的Leica 卷条目(在配音录制完成之后拼装的故事卷),以及 StudioBinder 上 Brent Dunham 的动态分镜指南,2025 年 3 月 5 日发布(定义、分镜与动态分镜的区别,以及《阿拉丁》(Aladdin)那个走到动态分镜阶段才被砍掉的另一版结局)。关于 Ottermind 图生视频流程的描述来自 Ottermind 自己的工具页。文中的时间表、剪辑率算术和工作表,是从“怎么测量一段序列”推出来的,不是引自某个已发布的标准。本文没有在 Ottermind 里跑过任何生成,也没有把任何输出当作实测结果。封面与分镜配图是 AI 生成的插图;时间线示意图依据本文自己的数字绘制。

动态分镜是什么,以及它最容易和哪四样东西搞混

区分这些概念是有用的,因为它们各自敲定的是不同的决定;拿一个的标准去判另一个,审片就是这么走偏的。

文档它敲定什么不该拿什么标准判它
分镜构图、调度和镜头顺序,一格一格地定时长。没人派时长之前,它就没有时长可言
动态分镜时长、剪切节奏,以及整段配上声音能不能读通完成度。它本来就该看起来像临时件
动作测试某一个具体动作成不成立——一个走路循环、一次搬抬、一个转身整段。一条干净的动作测试照样可以待在一场时间糟糕的戏里
预演机位、调度,以及一个镜头在物理上可不可行,多用于实拍或视效角色表演
成片动画上面全部,再加上表演、重量感和渲染出来的工艺什么都不该——它就是交付物

有两条行业习惯值得在动手之前知道。在动画里,动态分镜通常来得足够晚,配音已经存在:Leica 卷(故事卷)——迪士尼那边对同一个东西的老叫法——是在配音演员录完之后拼起来的,用的是录好的台词加一批音效。在广告里,动态分镜是一条便宜的测试广告片;它的近亲拼贴样片(rip-o-matic),是从现成的电影、电视剧或广告里剪出来,模仿待提案那条片子的样子。两个习惯指向同一件事:动态分镜围绕的是已经存在、或者做起来便宜的声音,不是还不存在的动画。

StudioBinder 那篇指南把这步存在的理由说得很直:动画里你是一边“拍”一边“剪”,所以关于时间的决定等不到进剪辑机房那一天——实拍能等,动画不能。他们的例子是《阿拉丁》(Aladdin)的另一个结局,它是在动态分镜阶段被砍掉的,而不是等动画做完。维基百科从另一头给出同一个经济学论证:传统动画里几分钟的银幕时间就是几个月的工作量,动画做完之后再剪掉的每一场,成本都只能认赔。

这一步的全部理由就这一句。动态分镜的存在,是为了让一个值一个月画稿的决定,用一支铅笔、一条时间线和一轨临时音乐,在一个下午里做掉。

让整段能被讨论的四个数

量不出来的动态分镜,是争不出结果的。“感觉有点慢”能终结一场审片;“第四个镜头停了九秒,只扛一句台词”就能让人有东西可剪。这四个数从任何一段拼好的序列里几分钟就能拉出来,而且各说各的事。

数怎么量一段正常工作的序列长什么样它解释的失败
镜头长度时间线里每条素材的时长,以秒计每个镜头的长度和扛它的东西相称——一句台词、一个动作、一个眼神每个镜头一样长:这段序列是配了音的幻灯片
剪辑率剪辑点数量除以时长,再乘六十一个你为这个片型选过的数——讲解片和追逐戏的节拍本来就不一样一个没人决定过的数:一头是乱切,一头是空场
首尾停顿每个镜头头尾与相邻帧完全相同的帧数两端至少留几帧静止,让剪切有地方落第一帧上运动已经起来了,或者一路跑过最后一帧:接缝处会看得见地跳一下
声音锚点镜头内部的声音事件——一句台词的收尾、一记关门、一次撞击——以及它们落在哪一帧每个要紧的镜头至少有一个锚点,画面接得住它动作落在那句它回应的台词之后,读起来就是一个迟了半拍、业余的剪切
时间表:五个镜头分别长四秒、六秒、三秒、九秒和八秒,排布在一条三十秒的时间线上,剪切点标在第四、第十、第十三和第二十二秒,第二与第四个镜头内画有台词条,另有脚步声、椅子刮地和关门三个音效标记

同样是下面工作表里那五个镜头、那几个剪切点和锚点,这里画一遍,让四个数有个形状。台词条标出一句话正在说出口的位置;菱形是可以落剪的锚点。依据本文自己的算术绘制,全程没有模型参与:这是一张关于决定的图,不是某一帧生成画面。

镜头长度是大家最容易跳过的那一个,因为它感觉像创作决定,而不像测量。它两样都是。在渲染任何东西之前,先给每一格派一个长度,把数字写下来,再拿你实际拼出来的东西去对。两者之间的差额,就是返工待的地方。

剪辑率是给整段做现实检查最省事的一项。一条 30 秒、5 个镜头的动态分镜,跑出来是每分钟 10 个剪辑点;一条 90 秒的产品讲解片,每分钟 20 个剪辑点,和同样长度、每分钟 8 个的那条,完全是两种东西。哪个都不算错。你没选过的那个数才错,因为它通常意味着这些画面是照着画稿原来的长度被丢进来的。

首尾停顿和声音锚点,决定整段是“能改”还是只是“能看”。如果一个镜头的首帧和末帧已经在运动,每次剪切都会跳一下,而该修的地方不在剪辑里——在镜头里。

七条提示词,每条只管一个变量

下面这些提示词是按“一格分镜画面加一段文字指令”写的,也正是 Ottermind 的图生视频流程的做法:你给的参考图提供第一状态和样子,你的文字提供运动、镜头和终点。每条提示词只改上表里的一个属性。主体随你换,结构性的那句话留着。

在它们之前还有一句:最基础的动态分镜根本不需要生成任何运动。维基百科提到,分镜常常是在剪辑软件里用简单的推拉摇移动起来的,而那至今仍是测一次剪切最便宜的办法。只有当运动本身就是你要拿到审片会上去问的那个问题时,才去生成运动。

1. 锁死的分镜画面

控制的是:镜头漂移,也就是这一格还是不是你画的那一帧。

提示词
把附上的分镜画面当作整个画面使用。镜头固定在三脚架上:不推、不摇、不变焦、没有视差、没有手持晃动。只有烟囱冒出的烟在动,缓慢向左飘。其余一切——屋顶、窗框、线条的粗细——都保持画稿原样。这个镜头停四秒,结尾回到开头的构图。

把第一帧和最后一帧拿来比。如果构图挪了哪怕几个像素,就说明关于镜头的那句话输给了模型加运动的默认习惯,而你整段里每一次剪切都会跟着一起漂。

2. 声明长度

控制的是:镜头时长,也就是你要写进工作表里的那个数。

提示词
这是一条四秒的镜头,每秒 24 帧。第一秒时角色把箱子抬起来;到第三秒时箱子已经在架子上;从第三秒到第四秒,除了角色的呼吸,什么都不动。箱子放上架子之后不要再加任何动作。

数一下素材的实际长度,找到动作落地的那一帧。如果模型两秒就做完了,然后一直在自行加戏,说明关于动作的那句话太含糊——说清什么停下来,什么时候停。

3. 从一格画面推进去

控制的是:强调。它让你不用画第二张,就拿到一个更近的构图。

提示词
从附上的整格画面开始。缓慢向角色的双手推进,直到双手占到画面大约三分之一,到第三秒镜头结束时停在这个构图上。画面缩放时,保持画稿的线条粗细、纸张质感和颜色不变。不要有新物体进画。

检查画还是不是画。如果推进把这一格重绘成了一张照片,说明“保持线条粗细”那句话被忽略了——而正确答案是在你的剪辑软件里做一个静态推进,它不花钱,也不会漂。

两张并排的同一种铅笔风格画面:左边是快递员站在门口的完整分镜构图,右边是同一张画推进到双手和门把手,线条粗细完全一致

一次什么都没重画的推进:左边是画稿,右边是同一张画裁切、放大到双手和门把手上——没有第二次生成,没有新的线条粗细。这是剪辑师不用模型就能做的唯一一种镜头运动,在运动本身成为问题之前,它就该是你的默认做法。本文用图像模型生成的概念图;两个构图来自同一张图,不是两次生成。

4. 一套人物,用同一段话描述

控制的是:一整段序列里的身份漂移,也就是让动态分镜没法用的那种失败。

提示词
和参考图同一个角色:高个子快递员,铁锈红雨衣,深色长裤,左胯挂着帆布包,黑色短发,不戴帽子。每一格都保持他的脸、外套颜色和包在同一侧。同一个房间,同一束从左来的窗光,同样低饱和的色调。只有他走路的方向变。

检查包在哪一侧、外套什么颜色、发际线什么样——三个很便宜的破绽。如果其中任何一样变了,问题不在描述本身,而在于描述在每条提示词之间一个词一个词地变了。把那句人物描述原样贴进这段序列的每一条提示词里。

三张铅笔分镜画面并排钉在米色墙上,同一个穿铁锈红雨衣的快递员在同一个房间里走过,包始终在同一侧的胯上,窗光也一致

三格,一套人物,一个房间。包在哪一侧、外套什么颜色,是观众用来判断这是同一场戏还是三场戏的两个细节。本文用图像模型生成的概念图;它展示的是提示词必须自己说清的那种一致性,不是一次实测过的多镜头生成。

5. 运动预算

控制的是:形变,也就是这一格有多少内容允许模型自己重编。

提示词
只有窗外的雨和杯子里冒的热气在动。桌子、杯子、两把椅子和桌上的纸完全静止——同样的形状,同样的位置,同样的影子。不要增加或删除任何物体。不要重画他身后海报上的字。

点名说不许变的东西,而不是索要一致性。一张受保护物体清单是可以逐条核对的;“保持一致”只是一个愿望。

6. 一个声音锚点

控制的是:动作落在那句台词的什么位置——把声音垫在画面底下,全部意义就在这里。

提示词
门在台词最后一个字说出口的同一刻关上。角色在镜头开头进画,走到桌前,门在第四秒末尾合上——不早,也不晚。最后半秒保持门是关着的。

带着波形放一遍,把门碰到画面的那一帧标出来。如果门落在那句台词之后半拍,这个镜头就会显得迟,画得再好也一样。

7. 留出可剪的头尾

控制的是:你在剪辑上的余量,也就是下一个镜头能不能压到这个镜头上。

提示词
让镜头结束在一帧静止画面上:从角色停稳的那一刻起,最后半秒保持这个姿势不动,镜头锁死。不要淡出,不要漂移,也不要在结尾开始一个新动作。

比对最后 6 帧。如果它们完全相同,你就可以把剪切叠上去、往任意一头修剪、重新排整段的时间,而不用重新渲染一遍。

那个按钮会把第一条提示词填进本页顶部的输入框。它只是填:什么都不发出去,在你到 Studio 里继续之前也不会生成任何东西。这层分离在这里比平时更要紧,因为这几条提示词里的参考图是占位的——必须进去的是你那一格。

把时间这一遍写下来

我们没有可以下载的动态分镜模板,这页也不会假装有。那些卖模板的人真正卖的是一张表;有用的部分是你在表格里填进去的那套算术。下面把同一件事写成文字,数字是加得上的。

镜头画面长度(秒)扛这个镜头的东西入点 / 出点声音锚点
1街道全景,快递员从左入画4走进画面这一段直切入;在他第一步走出画时剪脚步声从 0.5 秒起
2门口,双手特写6台词:“我不会收回”在“收回”的尾音上剪台词在 5.6 秒收尾
3室内,箱子放上架子3两人之间那一眼早切,压在上一句台词上静音;停住本身就是重点
4双人镜头,争吵9争吵的转折在椅子刮地声上剪椅子刮地在 7.2 秒
5全景,门已关上8余波保持;淡出是另一个决定门在 1.1 秒关上
合计305 个剪辑点 → 每分钟 10 个

三条规则让这张工作表真的起作用。

长度属于扛这个镜头的东西,不属于这格画得多好。 第三个镜头是 3 秒,因为那一眼就是这一拍的全部;第四个是 9 秒,因为争吵那一场得拐弯。如果你说不出是什么在扛这个镜头,那就是发现——不是格式问题。

在声音事件上剪,不在画面节拍上剪。 动态分镜里的画面按设计就是临时的;成片真正会有的,是那条声音。把锚点写进那一行,再核对它落在哪一帧。

写下合计。 30 秒、5 个剪辑点,是一句可以被反驳的话。一堆画面不是。

AI 在这一步帮得上什么,帮不到什么

图生视频在这里确实有用,用处有三个:分镜画不出来的运动(一个需要有重量感的镜头运动,一扇必须卡着台词关上的门)、同一格画面的几种覆盖方案好让在场的人比较构图,以及给那些读不了铅笔稿的客户看的、配过一遍声画的版本。Ottermind 的图生视频流程会把参考图和运动指令带进 Studio,它的 AI 视频生成器负责的是还没有分镜画面、场景得从零描述的情况。

它停下的地方有四处,每一处都值得在审片会上说出来。

它不替你决定时间。 不管那句台词需不需要 6 秒,模型都会很乐意给你 4 秒。镜头长度是你的决定,渲染前写下来,渲染后去核对。

它给你运动的样子,不是表演出来的时间。 手绘的动态分镜能把动画师对一个表情的时间感显出来——反应之前那一停,转身时多出来的那两帧。生成出来的一条素材,是对你描述过的动作做插值。它可以是漂亮的,同时完全没有表演,因为没有人表演它。

它不是帧级精确的。 一条就是一条。把生成的素材在时间线上拉长去填一个格子,改变的是动作的速度,也就改变了表演——而表演正是你要测的那样东西。要么按长度重新生成,要么修剪,不要用变速。

它能让整段看起来足够像成片,于是审片被跳过。 这一条最贵。一条精致的素材会招来“这个挺好看”,而当时真正有用的意见是“这个镜头长了 2 秒”。先静音看一遍,再只听声音看一遍,最后声画一起看。

还有两条边界属于制片,不属于工具。拼贴样片是从现成的电影、电视剧或广告里拼的,临时音轨通常只是一段代用的音乐;两者除了在当次审片的房间里放一遍之外,都没有做过任何授权清理。而动态分镜不是成片动画,不管生成的画面多好看——成片的工艺是画、是表演、是渲染,这三样都不在这一步发生。

这页不确定的地方就说不确定:那四个数是测量上的定义,不是行业标准;至于 Ottermind 出的素材有多贴近导演的意图,除了你写下的那些指令之外,本文不作任何声称。这件事没有为本文做过基准测试。

出问题的时候,改哪句话

审片时你看到的实际在发生什么能修好它的那句话
每个镜头都差不多长画面是照着画稿原来的长度丢进去的;没人派过时长渲染之前,按工作表给每个镜头派长度
整段在往一边漂没有锁镜头那句话,或者它被埋在主体描述后面把“镜头固定在三脚架上”放最前面,再说清什么在动
角色在两格之间变了个人人物描述每次都被重写了一遍把同一句固定的人物描述贴进这段序列的每一条提示词里
剪切感觉迟动作落在它回应的那个声音之后点明锚点,以及它必须落在第几秒;把那一帧标出来
剪切在接缝处跳没有首尾停顿;首帧和末帧上运动已经在跑要求头尾各留静止;剪之前先比首帧和末帧
一推进,画变成了照片模型重绘了这一格,而不是缩放它在提示词里保住线条粗细和纸张质感,或者干脆在剪辑软件里推
一屋子人夸好看,没人剪动态分镜太像成片,判不动了静音看,再只听声音,最后声画一起
素材长度不对,被拉长了格子是在渲染之后才定的按格子长度生成,或者修剪这条素材;永远不要变速

从扛着那句台词的那一格开始

挑一格——就是带台词的那一格——先给它一个长度,再给它运动。把那个数写下来。然后用“锁死镜头”那条提示词,按这个长度渲染一条,垫到临时音轨底下,关掉声音看一遍,再关掉画面听一遍。如果这个镜头两遍都活下来了,说明时间在起作用,运动只是装饰。如果它只有声画一起才成立,那你对这个镜头学到了点东西——而这正是这一步的意义。

当你需要一格更干净的画面才能拿它当参考图时,先用 AI 图像生成 生成一格。如果问题具体出在两个姿势之间的运动,补间 把间距、弧线和停顿讲得比这里能塞下的更细。图生视频提示词教程 讲的是这几条提示词默认你已掌握的那套运动说法,Seedance 视频案例 则展示时间谈定之后,多镜头序列是怎么拼起来的。

如果你更想把那些重复的一遍交给机器——同一条锁死镜头的渲染,来 40 次——什么是 AI 智能体 讲的是把这种循环交给系统、而不是交给人的那类工作流。它单独成篇是有原因的:动态分镜的决定还在你手里。

值得回答的动态分镜问题

动态分镜不就是把分镜存成视频文件吗?

不是。没人派时长之前,分镜没有时长可言,而动态分镜的全部内容,就是这些时长指派。画面可以和分镜一模一样,动态分镜照样可以是错的,因为剪切节奏、停顿和声音,是分镜从来不必做的决定。

动态分镜应该多长?

和成片一样长,精确到秒。这就是这一步的意义:30 秒的档位必须由一条 30 秒的动态分镜来填,否则这个差额会在后面被发现,代价是十倍。更长的片子,一段一段地做,不要想一次把整部都攥在手里。

做之前必须先有声音吗?

你需要一个可以对时间的东西。动画里通常是录好的配音加几段音效,Leica 卷就是用这些拼起来的;广告里可以是一轨临时音乐。一条无声的动态分镜照样能测剪切,但它测不了一次剪切“落没落住”,因为“落住”说的是画面和声音之间的关系。

AI 能把我的分镜变成动态分镜吗?

它能把每一格变成一段会动的镜头,对镜头运动和环境运动来说这是一条实打实的捷径。它不会替你派时长、排剪切顺序,也不会告诉你哪一格是多余的。做好自己拼、自己排时间的准备——模型提供素材,不提供决定。

动态分镜和预演差在哪?

预演关心的是一个镜头的机位、调度和物理可行性,多用于实拍或视效,而且经常在 3D 里做。动态分镜关心的是时长和节奏,通常是画出来的。实拍项目可能两样都要;2 分钟的讲解片通常只要后一样。

拼贴样片是同一回事吗?

它是广告里的一种变体:从现成的电影、电视剧或广告里剪出来的动态分镜,用来模仿待提案那条片子的样子。时间的逻辑一样,版权状况不一样——它是提案工具,不是交付物。

下载桌面端与移动端 App

随时随地访问 Ottermind。

电脑