2026年9月5日
在为视频付费之前用 AI 做分镜：把账单除以十的方法
一张图 1 到 5 积分，一个视频镜头 26 到 96 积分。如何用静帧确定取景、人物和光线，再只动画已经通过的部分，附一条三十秒短片的完整成本核算。
Frank HoubreImaginode 創辦人
本该决定你工作方式的价格比
一张图 1 到 5 积分，而一个五秒的视频镜头要 26 到 96 积分：在图上改，比在视频上改便宜十到二十倍。
把这两个数字并排放好，整套方法就顺理成章了。Flux Schnell 上一张图 1 积分，Flux 2 Klein 上 3 积分。一个五秒的视频镜头在 Kling 2.5 Turbo 上从 26 积分起，在 Seedance 2.0 Fast 上涨到 48，十秒则是 96。
换句话说，一个到了视频阶段才发现的取景错误，会让你付出图像阶段三十倍的代价。而且相信我，取景错误从来不会在你看到图之前被发现。
这就是分镜的全部意义，一件电影一直在用的工具，理由非常实在：画一个镜头比拍一个镜头便宜。AI 什么都没发明，它只是让不会画画的人也用得上这件事。
餘額一份分镜真正该包含什么
有用的分镜为每个镜头确定取景、主体、动作和时长：正是这四条信息，让你之后能毫不犹豫地生成视频。
分镜不是一版漂亮的画。它是一份决策文件。对每个镜头它回答四个问题：看到什么，怎么取景，镜头期间发生什么，持续多久。
这四个答案，正是你之后要交给视频模型的东西。一份做好的分镜，就是你已经写好的视频提示词，外加模型将要动画的那张起始图。两个阶段之间什么都没丢。
而且它让任何文字都显示不出的东西变得可见：节奏。六格并排放好，立刻告诉你你的片子是有呼吸的，还是把同一个镜头连着来了三遍。这是在文字表格里永远看不到的东西。
从分场开始，在一个文本节点里
先按顺序一个镜头写一句话，带上时长：写下来的分场只花十分钟，能省掉那些根本没用的镜头。
在生成任何一张图之前，打开一个文本节点，用句子把你的片子写出来。一个镜头一句话，按顺序，带上目标时长。镜头一，三秒，把杯子放到吧台上的手。镜头二，四秒，抬起眼睛的顾客的脸。你懂这个意思。
文本节点也可以替你写：给它一条指令，比如写一条关于某产品的三十秒短片的分场，三句话，一个镜头一句，不要标题不要编号。一个语言模型每次生成 1 到 3 积分，在这个阶段微不足道。
但要重读，并且自己拍板。模型很乐意在六个镜头够用的地方给你八个，因为没有任何东西促使它做减法。分场是你唯一能免费删掉一个镜头的时刻：从画格开始，每一次删除都是已经花掉的预算。
生成画格：合适的模型和合适的预算
在 Flux Schnell 上用 1 积分探索构图，再把选中的画格用 Flux 2 Klein 的 3 积分定下来：六个通过的镜头不到五十积分。
探索阶段：Flux Schnell，1 积分，别数着花。你找的是构图，不是美感。每个镜头三四次通常就够看出什么行得通。六个镜头二十四次，就是 24 积分，两毛钱左右。
锁定阶段：选中的画格在 Flux 2 Klein 上用 3 积分干净地重做一遍，或者用 Seedream 5 Lite 的 5 积分，如果你需要它接受参考图。六张最终画格，18 到 30 积分。
一套完整的六镜头分镜总计：五十积分上下，大约五毛钱。对比一下：在 Seedance 2.0 Fast 上盲生成六个视频镜头要 288 积分，而且其中一半你会扔掉。
让人物在六张画格里保持一致
在每条提示词里用 @提及 调用的参考节点，能在所有画格上保住同一张脸，而在每条提示词里重复描述则会失败。
只要有人出现在不止一个镜头里，分镜就会暴露它本该预防的那个问题：一格到下一格，那不是同一个人。在这里、按图像的价钱解决掉，好过留到视频阶段。
建一个参考节点，给它名字、描述和你人物的三张照片，然后在六条提示词里用 @提及 调用它。图片会随提示词一起发出，模型会照抄真实的比例，而不是每次都编一套新的。
确认你选的模型接受参考：不接受时节点上不会出现这个接口，这是唯一的提示。完整方法，包括起始照片怎么选，在AI 里保持人物一致和创建一个 AI 人物里。
保住光线和美术方向
一个风格节点接到六个节点上，在所有地方强制同一套配色和同一种处理，而且只在一个地方修改。
分镜早早暴露的第二件事：光线不统一的六个镜头，不构成一部片子。一个是傍晚的暖光，另一个是冷冷的霓虹，剪出来会像一块补丁。
风格节点担的就是这个角色。你把美术方向描述一次，加上参考图，接到六个图像节点上。你所有的画格都继承它，而你哪天改了配色的主意，只需在一个地方改。
这也是让分镜拿得出手的原因。六张统一的画格看起来像一部片子；六张各行其是的看起来像试验。当这份文件送到客户手上时，差别是巨大的。
相机节点：把调度放进分镜里
在相机节点里设定取景、镜头、光圈和角度，能在画格阶段就把调度定下来，同样的设置随后原样送进视频。
分镜是用来决定取景的，而相机节点正是为此而生。你选景别、镜头、光圈、角度，它把这些设置翻译成模型听得懂的语言。
好处有两重。首先你得到的画格，真的像最终镜头的样子，带着 85 mm 该有的压缩感或者 f/1.4 该有的背景虚化。其次，这个节点可以原样接到视频节点上：在图像阶段定下的调度，不用重打一遍就进了视频。
一个相机节点可以喂给多个镜头以保持镜头语言的统一，或者你的分场如果在全景和特写之间交替，也可以一个镜头放一个。各项设置以及它们分别改变什么，在在 AI 里调度镜头里。
分镜变成视频的那一刻
每一张通过的画格成为一个视频节点的起始图：模型动画的是一个已经获批的构图，而不是自己编一个。
这就是让其余一切都说得通的那一步。一张通过的画格接进视频节点，成为它的第一帧。模型不再构图，只负责动起来。你把最不确定的那个变量从算式里拿掉了。
具体说，这意味着视频提示词变得非常短，而这是好事。画面什么样，图已经说了。剩下的只是描述运动：镜头缓慢推进，手合拢，目光抬起。每个镜头三个词。
可用镜头的比例一下子上去了，因为视频失败的大部分来自取景或人物，而不是运动。而当某个镜头还是失败了，你就只重跑那一个镜头，保持同一张起始图，26 到 48 积分。
一条三十秒短片的完整成本
五十积分的分镜，再加六个 26 积分的视频镜头：一条三十秒的片子大约 200 积分，含剪辑，因为剪辑是免费的。
拿一个具体的例子算总账，六个五秒的镜头。图像探索，1 积分跑二十来次：24 积分。最终画格，六张 3 积分：18 积分。整套分镜是 42 积分。
视频生成，六个五秒 720p 镜头在 Kling 2.5 Turbo 上按 26 积分：156 积分。剪辑节点把这些拼起来，导出在你的设备上计算，不消耗一个积分。合计约 198 积分，就算两欧元吧。
对比一下没有分镜的做法。你直接生成视频，因为取景不对扔掉一半，再重做六个。十二个镜头按 26 积分是 312 积分，而且你花了两倍的时间。要超过十秒的完整方法，写在超过 10 秒的 AI 视频里。
把分镜当作交付给客户的东西
在制作视频之前让六张画格获批，把修改移到最便宜的一侧，也让这单更稳。
这一切还有一个商业上的理由，分量至少和省下的积分一样重。看到成片的客户会有意见。这很正常，这是他的项目。只是到了那个阶段，每一条意见都要一次视频重生成。
在制作之前把六张画格发给他。他会告诉你第三个镜头不行，光太冷，第二个他更想要个大一点的景别。这些修改每条 3 积分，十分钟。
而在分镜上取得的同意，之后会保护你：通过了的就是通过了。关于怎么把这些阶段写进报价，我在向客户为 AI 创作开价里写了我的价目表。
分镜解决不了的事
一张完美的画格既不保证运动，也不保证人物在动画过程中不走样，更不保证两个镜头之间接得上。
让你相信分镜能解决一切，那我就不诚实了。它定下的是每个镜头的起点，而不是接下来那五秒里发生的事。
视频模型完全可能从一张无可挑剔的图出发，到第三秒让脸漂走，或者自作主张加一个你没要的运镜。这是剩下的那部分随机性，它依然存在。
它解决的是其余全部：取景、构图、光线、风格、人物身份、分场的节奏。也就是一个镜头被扔掉的绝大多数原因。这已经很了不起了，而且只要 42 积分。
该走的流程，五步
写下分场、1 积分探索、锁定画格、从画格出发做动画、免费剪辑：五步，就按这个顺序，绝不换别的。
第一，在文本节点里写下分场，一个镜头一句话，带时长。第二，用 1 积分做图像探索，别舍不得。第三，在一个好模型上锁定画格，人物用参考节点，美术方向用风格节点，取景用相机节点。
第四，动画：每张画格成为一个视频节点的起始图，配一条只描述运动的短提示词。第五，剪辑，负责拼接、裁切、加转场和声音，免费。
如果你从没生成过视频，先从你的第一条 AI 视频开始，把单个视频节点摸熟，再回到这里看完整方法。如果是产品广告，一步步的路径在产品视频广告里。