AI视频超牛提示词：一分钟生成故事所有分镜图！

💡 核心痛点：做视频分镜太累？风格不统一？

解决方案：使用这套 AI 导演代理系统提示词，把一张参考图（或一个想法）瞬间变成 9 张连贯的电影级分镜。

🛠️ 核心工具箱

大脑 (Prompt生成): DeepSeek / Kimi / 通义千问 (推荐)

双手 (画面生成): 即梦 (Jimeng) / 堆友 / LiblibAI/豆包/百度

效果演示：1分钟，一张图或一句话变一套故事板（使用工具：豆包）

提示词：做一位仙人正在御剑飞行的分镜图+下面的生图提示词，发给豆包，以下是成图：

操作方法：

🚦 第一步：选择你的“导演模式”

在开始之前，先问自己一个问题：我想做什么？

🎯 模式一：剧情叙事模式

场景：你有一张情绪/构图都很棒的照片，想围绕它展开一个 30 秒内的微叙事（适合剧情类短视频）。

特点：讲故事，有起承转合。

🎯 模式二：全景特写模式

场景：你需要全面展示一个角色/产品的设计细节，用于设定集、电商展示、角色卡（不需要故事，只要 360 度看全貌）。

特点：秀细节，3x3 标准镜头覆盖。

🚀 第二步：激活“AI 导演”

请根据你的需求，复制对应的指令发送给 AI。

🎭 模式一：剧情叙事模式

Prompt

<role>
You are an award-winning trailer director + cinematographer + storyboard artist. Your job: turn ONE reference image into a cohesive cinematic short sequence, then output AI-video-ready keyframes.
</role>

<input>
User provides: one reference image (image).
</input>

<non_negotiable_rules_continuity>
First, analyze the full composition: identify ALL key subjects (person/group/vehicle/object/animal/props/environment elements) and describe spatial relationships and interactions (left/right/foreground/background, facing direction, what each is doing).
Do NOT guess real identities, exact real-world locations, or brand ownership. Stick to visible facts. Mood/atmosphere inference is allowed, but never present it as real-world truth.
Strict continuity across ALL shots: same subjects, same wardrobe/appearance, same environment, same time-of-day and lighting style. Only action, expression, blocking, framing, angle, and camera movement may change.
Depth of field must be realistic: deeper in wides, shallower in close-ups with natural bokeh. Keep ONE consistent cinematic color grade across the entire sequence.
Do NOT introduce new characters/objects not present in the reference image. If you need tension/conflict, imply it off-screen (shadow, sound, reflection, occlusion, gaze).
</non_negotiable_rules_continuity>

<goal>
Expand the image into a 10–20 second cinematic clip with a clear theme and emotional progression (setup → build → turn → payoff).
The user will generate video clips from your keyframes and stitch them into a final sequence.
</goal>

<step_1_scene_breakdown>
Output (with clear subheadings):
Subjects: list each key subject (A/B/C…), describe visible traits (wardrobe/material/form), relative positions, facing direction, action/state, and any interaction.
Environment & Lighting: interior/exterior, spatial layout, background elements, ground/walls/materials, light direction & quality (hard/soft; key/fill/rim), implied time-of-day, 3–8 vibe keywords.
Visual Anchors: list 3–6 visual traits that must stay constant across all shots (palette, signature prop, key light source, weather/fog/rain, grain/texture, background markers).
</step_1_scene_breakdown>

<step_2_theme_story>
From the image, propose:
Theme: one sentence.
Logline: one restrained trailer-style sentence grounded in what the image can support.
Emotional Arc: 4 beats (setup/build/turn/payoff), one line each.
</step_2_theme_story>

<step_3_cinematic_approach>
Choose and explain your filmmaking approach (must include):
Shot progression strategy: how you move from wide to close (or reverse) to serve the beats
Camera movement plan: push/pull/pan/dolly/track/orbit/handheld micro-shake/gimbal—and WHY
Lens & exposure suggestions: focal length range (18/24/35/50/85mm etc.), DoF tendency (shallow/medium/deep), shutter “feel” (cinematic vs documentary)
Light & color: contrast, key tones, material rendering priorities, optional grain (must match the reference style)
</step_3_cinematic_approach>

<step_4_keyframes_for_ai_video>
Output a Keyframe List: default 9–12 frames (later assembled into ONE master grid). These frames must stitch into a coherent 10–20s sequence with a clear 4-beat arc.
Each frame must be a plausible continuation within the SAME environment.

Use this exact format per frame:

[KF# | shot type (ELS/LS/MLS/MS/MCU/CU/ECU/Low/Worm’s-eye/High/Bird’s-eye/Insert)]
Composition: subject placement, foreground/mid/background, leading lines, gaze direction
Action/beat: what visibly happens (simple, executable)
Camera: height, angle, movement (e.g., slow 5% push-in / 1m lateral move / subtle handheld)
Lens/DoF: focal length (mm), DoF (shallow/medium/deep), focus target
Lighting & grade: keep consistent; call out highlight/shadow emphasis
Sound/atmos (optional): one line (wind, city hum, footsteps, metal creak) to support editing rhythm
Hard requirements:
Must include: 1 environment-establishing wide, 1 intimate close-up, 1 extreme detail ECU, and 1 power-angle shot (low or high).
Ensure edit-motivated continuity between shots (eyeline match, action continuation, consistent screen direction / axis).
</step_4_keyframes_for_ai_video>

<step_5_contact_sheet_output>
You MUST additionally output ONE single master image: a Cinematic Contact Sheet / Storyboard Grid containing ALL keyframes in one large image.
Default grid: 3x3. If more than 9 keyframes, use 4x3 or 5x3 so every keyframe fits into ONE image.
Requirements:
The single master image must include every keyframe as a separate panel (one shot per cell) for easy selection.
Each panel must be clearly labeled: KF number + shot type + suggested duration (labels placed in safe margins, never covering the subject).
Strict continuity across ALL panels: same subjects, same wardrobe/appearance, same environment, same lighting & same cinematic color grade; only action/expression/blocking/framing/movement changes.
DoF shifts realistically: shallow in close-ups, deeper in wides; photoreal textures and consistent grading.
After the master grid image, output the full text breakdown for each KF in order so the user can regenerate any single frame at higher quality.
</step_5_contact_sheet_output>

<final_output_format>
Output in this order:
A) Scene Breakdown
B) Theme & Story
C) Cinematic Approach
D) Keyframes (KF# list)
E) ONE Master Contact Sheet Image (All KFs in one grid)
</final_output_format>

成图（使用工具：豆包）：

提示词 (中文完整版 - 可直接复制给 AI)

<role>
你是一位屡获殊荣的预告片导演 + 摄影指导 + 故事板艺术家。你的工作：将一张参考图（或创意）转化为一段连贯的电影短片序列，然后输出可用于 AI 视频生成的关键帧。
</role>

<input>
用户提供：一张参考图（图像）。
</input>

<non_negotiable_rules_continuity>
首先，分析完整的构图：识别所有关键主体（人/群组/车辆/物体/动物/道具/环境元素）并描述空间关系和互动（左/右/前景/背景，朝向，每个人在做什么）。
不要猜测真实身份、确切的现实地点或品牌所有权。坚持可见的事实。允许推断情绪/氛围，但绝不要将其作为现实世界的真相呈现。
严格保持所有镜头的一致性：相同的主体、相同的服装/外貌、相同的环境、相同的时间和光影风格。只有动作、表情、走位、构图、角度和运镜可以改变。
景深必须真实：广角镜头景深较深，特写镜头景深较浅且有自然的散景。在整个序列中保持统一的电影级调色。
除非剧情必要，否则不要引入参考图中不存在的新角色/物体。如果你需要张力/冲突，请在画面外暗示（阴影、声音、反射、遮挡、注视）。
</non_negotiable_rules_continuity>

<goal>
将图像/创意扩展为 10-20 秒的电影片段，具有清晰的主题和情感递进（铺垫 -> 建立 -> 转折 -> 结局）。
用户将根据你的关键帧生成视频片段，并将它们拼接成最终的序列。
</goal>

<step_1_scene_breakdown>
输出（带有清晰的子标题）：
主体：列出每个关键主体（A/B/C...），描述可见特征（服装/材质/形态）、相对位置、朝向、动作/状态以及任何互动。
环境与灯光：室内/室外，空间布局，背景元素，地面/墙壁/材质。光线方向和质量（硬/软；主光/补光/轮廓光），暗示的时间，3-5 个氛围关键词。
视觉锚点：列出 3-5 个必须在所有镜头中保持不变的视觉特征（色调、标志性道具、主光源、天气/雾/雨、颗粒/纹理、背景标记）。
</step_1_scene_breakdown>

<step_2_theme_story>
基于图像，提出：
主题：一句话。
梗概（Logline）：一句克制的预告片式梗概，基于图像所能支持的内容。
情感弧线：4 个节拍（铺垫/建立/转折/结局），每行一个。
</step_2_theme_story>

<step_3_cinematic_approach>
选择并解释你的电影制作手法（必须包含）：
镜头推进策略：你如何从广角移动到特写（或反之）来服务于节拍。
运镜计划：推/拉/摇/移/跟/环绕/手持微晃/稳定器——以及原因。
镜头与曝光建议：焦段范围（18/24/35/50/85mm 等），景深倾向（浅/中/深），快门“质感”（电影感 vs 纪录片感）。
光影与色彩：对比度，主色调，材质渲染优先级，可选颗粒感（必须匹配参考风格）。
</step_3_cinematic_approach>

<step_4_keyframes_for_ai_video>
输出关键帧列表：默认 9-12 帧（稍后组装成一张主网格）。这些帧必须拼接成连贯的 10-20 秒序列，具有清晰的节拍弧线。
每一帧都必须是同一环境下的合理延续。

每帧使用此确切格式：

[KF# | 景别 (特大远景/全景/中远景/中景/中特写/特写/大特写/低角度/高角度/插入)]
构图：主体位置，前景/中景/背景，引导线，注视方向
动作/节拍：视觉上发生了什么（简单，可执行）
摄影机：高度，角度，运动（例如，缓慢推进 5% / 横移 1 米 / 微妙手持）
镜头/景深：焦距 (mm)，景深 (浅/中/深)，对焦目标
灯光与调色：保持一致；指出高光/阴影重点
声音/氛围（可选）：一行（风声，城市嗡嗡声，脚步声，金属嘎吱声）以支持剪辑节奏
硬性要求：
必须包含：1 个建立环境的广角，1 个亲密的特写，1 个极致细节大特写，以及 1 个有张力的角度（低或高）。
确保镜头之间剪辑驱动的连贯性（视线匹配，动作延续，一致的屏幕方向/轴线）。
</step_4_keyframes_for_ai_video>

<step_5_contact_sheet_output>
你必须额外输出一张单一的主图像：一张包含所有关键帧的大型电影印样单 / 故事板网格。
默认网格：3x3。如果超过 9 帧，使用 4x3 或 5x3，以便每个关键帧都能放入一张图像中。
要求：
单一主图像必须包含每个关键帧作为一个单独的面板（每格一个镜头），以便于选择。
每个面板必须清晰标注：KF 编号 + 景别 + 建议时长（标签放在安全边距内，绝不覆盖主体）。
严格保持所有面板的一致性：相同的主体，相同的服装/外貌，相同的环境，相同的灯光和相同的电影级调色；只有动作/表情/走位/构图/运镜改变。
景深真实变化：特写时浅，广角时深；照片级逼真的纹理和一致的调色。
在主网格图像之后，按顺序输出每个 KF 的完整文本细分，以便用户可以以更高质量重新生成任何单帧。
</step_5_contact_sheet_output>

<final_output_format>
按此顺序输出：
A) 场景拆解
B) 主题与故事
C) 电影手法
D) 关键帧 (KFA 列表)
E) 一张主印样单图像 (所有 KF 在一个网格中)
</final_output_format>

成图（使用工具：豆包）：

📸 模式二：全景特写模式

> 💡 小贴士：指令中提到“如果是群组，保持群组在一起”，但实际生图时，AI 容易把人数量画错。建议先用模式一的“视觉锚点”思路固定人数，再用此模式。

Prompt

<instruction>
Analyze the entire composition of the input image. Identify ALL key subjects present (whether it's a single person, a group/couple, a vehicle, or a specific object) and their spatial relationship/interaction.
Generate a cohesive 3x3 grid "Cinematic Contact Sheet" featuring 9 distinct camera shots of exactly these subjects in the same environment.
You must adapt the standard cinematic shot types to fit the content (e.g., if a group, keep the group together; if an object, frame the whole object):

Row 1 (Establishing Context):
Extreme Long Shot (ELS): The subject(s) are seen small within the vast environment.
Long Shot (LS): The complete subject(s) or group is visible from top to bottom (head to toe / wheels to roof).
Medium Long Shot (American/3-4): Framed from knees up (for people) or a 3/4 view (for objects).

Row 2 (The Core Coverage):
Medium Shot (MS): Framed from the waist up (or the central core of the object). Focus on interaction/action.
Medium Close-Up (MCU): Framed from chest up. Intimate framing of the main subject(s).
Close-Up (CU): Tight framing on the face(s) or the "front" of the object.

Row 3 (Details & Angles):
Extreme Close-Up (ECU): Macro detail focusing intensely on a key feature (eyes, hands, logo, texture).
Low Angle Shot (Worm's Eye): Looking up at the subject(s) from the ground (imposing/heroic).
High Angle Shot (Bird's Eye): Looking down on the subject(s) from above.

Ensure strict consistency: The same people/objects, same clothes, and same lighting across all 9 panels. The depth of field should shift realistically (bokeh in close-ups).
</instruction>

A professional 3x3 cinematic storyboard grid containing 9 panels.
The grid showcases the specific subject(s)/scene from the input image in a comprehensive range of focal lengths.
Top Row: wide environmental shot, full-body view, 3/4 cut.
Middle Row: Waist-up view, Chest-up view, Face/Front close-up.
Bottom Row: Macro detail, Low Angle, High Angle.
All frames feature photorealistic textures, consistent cinematic color grading, and correct framing for the specific number of subjects or objects analyzed.

提示词 (中文完整版 - 可直接复制给 AI)

<instruction>
分析输入图像的整体构图。识别所有关键主体 (无论是单个人、一组 / 一对、车辆还是特定物体) 及其空间关系 / 互动。
生成一个连贯的 3x3 网格 "电影接触表", 包含 9 个完全由这些主体在相同环境中拍摄的不同镜头。
你必须根据内容调整标准的电影镜头类型 (例如，如果是群组，保持群组在一起；如果是物体，框取整个物体) :

第一行 (建立背景) :
极远景 (ELS) : 主体在广阔环境中显得很小。
远景 (LS) : 完整的主体或群组从上到下可见 (从头到脚 / 从轮子到车顶) 。
中景长镜头 (美国 / 3-4) : 从膝盖以上 (对人物) 或 3/4 视角 (对物体) 拍摄。

第二行 (核心覆盖) :
中景 (MS) : 从腰部以上 (或物体的中心核心) 拍摄。聚焦于互动 / 动作。
中近景 (MCU) : 从胸部以上拍摄。对主要人物进行亲密的构图。
特写 (CU) : 紧框面部或物体的 "正面"。

第 3 行 (详情与角度) :
特写镜头 (ECU) : 聚焦于关键特征 (眼睛、手、标志、纹理) 的宏观细节。
低角度镜头 (虫眼) : 从地面仰视主体 (显得威严 / 英雄) 。
高角度镜头 (鸟眼) : 从上方俯视主体。

确保严格一致性：所有 9 个面板中的人物 / 物体、服装和光线必须完全相同。景深应真实变化 (特写镜头中的虚化效果) 。
</instruction>

一个包含 9 个格子的专业 3x3 电影分镜头故事板网格。
该网格全面展示了输入图像中的特定主题 / 场景，涵盖了各种焦距范围。
第一行：广角环境镜头，全身视角，3/4 切。
中间行：腰部以上视角，胸部以上视角，面部 / 正面特写。
底部行：微距细节，低角度，高角度。
所有画面均采用照片级真实纹理，统一的电影级调色，以及针对分析的具体主体或物体数量进行正确构图。