AI视频老是返工？先学会把一句需求拆成3个镜头

“帮我做个有电影感的视频。”

这句话看着简单，实际把演员、动作、镜头、声音、节奏，一股脑扔给了模型。它交回来一段挺漂亮的画面，你却不知道该接在哪里。

Google DeepMind 发布 Veo 3.1 时，强调的是声音和创作控制。看这类演示，我最想提醒新手的却是：别急着找更长的提示词，先把自己想拍什么说清楚。

下面拿“下班回家，把手机扣在桌上，安静喝口水”举例。只是练习方案，没有拿别人的成片冒充实测。用这个小场景，是因为普通人能判断它到底拍对没有，不需要先学一堆电影术语。

1．先写观众应该记住的一句话

比如：“忙了一天，终于有几分钟属于自己。”

接着问，每个镜头能不能帮这句话站住。炫酷城市航拍、粒子转场、巨大的月亮，单独看可能很好看，放进来却未必有用。先把它们划掉，你要的是一条能看懂的小故事。

我建议先用纸或普通表格，别还没开始做视频，就花半天装修工作台。表里只留五列：镜头、画面、动作、声音、验收点。验收点就是“我看到什么，才算这一镜拍对了”。

2．把一件事拆成三个明确的变化

第一镜：人物推门，肩膀慢慢放松。观众知道他回家了。

第二镜：手把手机翻面放到桌上。观众知道他决定停一会儿。

第三镜：人物端杯子喝水，停住。观众知道情绪落下来了。

这三个镜头是这个练习的设计，不是所有视频都必须三镜。重点是每镜承担一件事。别让一个短镜头同时负责进门、换衣、做饭、吃饭、感悟人生。

3．先把第二镜写成可以执行的指令

可复制模板见文末《桌面手机镜头模板》。

这里没有“顶级”“震撼”“神级电影感”。手从哪里来、手机去哪里、什么时候停，都比这几个词更有用。

Google 的 Veo 提示指南也把取景、运动、风格、人物、地点、动作和声音分开讲。上面的桌面场景和验收方法，是我为新手练习另外设计的，不是官方效果承诺。

4．在生成前确认你点的是视频

按目前 Flow 帮助页的标准提示框流程：进入项目，写描述，点模型名称，选择 Video，再设置比例、输出数量、模型和生成长度，最后生成。界面入口可能调整，找不到就对照官方帮助页，别凭旧教程乱点。

竖屏就从第一镜开始按竖屏构图。手和杯子离边缘留点空间。不要等横屏全部做完，再硬裁成竖屏，把真正发生的动作裁没了。

5．第一轮只回答“动作拍对了吗”

检查手机有没有真的翻面，落桌后有没有漂移，手有没有穿过手机，最后的停顿是否够剪辑。声音单独戴耳机听一次：落桌声跟动作对不对，背景有没有莫名其妙的人声。

漂亮但拍错的镜头，先放旁边。别因为舍不得好看的光影，就把故事硬改成配合错误画面。你一旦迁就第一处错误，后面每一镜都会跟着补洞。

6．返工时一次只改一个问题

如果动作对、构图太近，就只改构图；构图对、手机落下太急，就只改动作节奏。顺手把旧版本留下，写一句“这一版改了什么”。否则连着改五件事，下一版变好或变坏，你都不知道原因。

三个镜头分别成立后，再放进剪辑时间线。先让动作和停顿接顺，再加字幕或音乐。字幕是否需要，也要看观众有没有信息缺口，不是每一秒都必须塞字。

我不把一次生成当成验收。模型有声音能力，也不代表每一句中文、每个物理动作都稳定。这个练习最值钱的地方，是让你学会识别问题：故事没说清、提示没写清，还是结果本身没做到。

下次准备点生成，先问自己一句：这一镜到底要让观众看见什么变化？能用一句话答出来，再花这次生成。

照着做：提示词与操作图

桌面手机镜头模板

生活短片，暖色室内。
固定近景，木桌位于画面下半部。
一只穿灰色长袖的手从右侧进入，
将黑色手机翻面，轻轻放在桌面中央，
随后收回。手机放稳后留出短暂停顿。
声音：轻微衣料摩擦、手机接触木桌的声音、
安静的室内底噪。画面保持克制。