AI 视频基础（上册）：结构、素材与分镜

你花了半天写提示词、生成镜头、反复重抽，观众可能看了 3 秒就划走。画面很漂亮，他却还不知道这条视频跟自己有什么关系。

电影叙事讲究开场的“钩子”：用一个问题、一处冲突，或者一个让人好奇的画面，把观众带进故事。短视频创作里常说的“黄金三秒”，提醒我们尽早给观众一个继续看的理由。做 AI 视频时，也可以先检查前三秒：画面、声音和文字，有没有把你准备讲的事情交代出来。

之前发了三篇视频运镜原理，评论区里对“视频基础”的呼声挺高。刚好我以前学过摄影，也有一些剪辑经验，这次就结合 AI，把这些基础分成上、中、下三册讲清楚。

你现在做 AI 视频，可能遇到过这些问题：每一段单看都不错，接起来却像素材合集；台词已经说完，画面还没演到重点；生成了十几段视频，最后不知道该留哪段。遇到这些情况，可以先看看内容顺序、画面安排和剪辑计划有没有写清楚。

上册先解决“内容怎么组织”；中册讲“一个镜头怎么表达”；下册讲“镜头和声音怎么接成成片”。这一篇从“暂停时看到的一张画面”开始，逐步讲到镜头、素材、A-roll、B-roll 和分镜。读完之后，你应该能看懂一段视频由什么组成，也能写出一张简单的分镜表。

一、一条视频，要同时安排三套结构

做视频时，先想三件事：先讲什么、给人看什么、画面和声音怎么一起出现。 这三件事分别对应叙事结构、镜头结构和时间线结构。名字看起来有点专业，实际都能在播放视频时看见、听见。

叙事结构：决定信息何时出现

叙事结构就是安排“先告诉观众什么，后告诉观众什么”。做口播，要想好先提问题，还是先给结论；做短片，要交代人物想干什么、遇到什么困难、最后怎么样了。

拿“早上赶地铁”这个日常情境来说，可以先交代快迟到了，再看人物跑向站台，接着车门在眼前关上，最后只能等下一班。观众会跟着着急，想知道他能不能赶上。也可以先放车门关上的结果，再回到出门过程，观众就会先好奇“怎么错过的”。

同一件事，换个讲述顺序，观众想知道的事就会改变。做分镜前，先用几句话把内容讲顺：事情为什么发生，中间发生了什么，最后怎么样。这里还没讲明白，就急着生成画面，后面往往要重新补素材。

开场钩子也属于这个安排。它可以提出一个问题，也可以先展示结果，但后面的内容要回应开头给出的期待。“三秒”适合作为开场检查尺度，具体节奏仍要看内容、受众和观看场景。

镜头结构：决定观众看见什么

镜头结构就是安排“这一刻让观众看哪里”。先看整间屋子，观众知道人在哪里；再看人物，观众知道谁在行动；接着看手里的东西，观众看清具体细节。一段讲解可以一直配同一段画面，也可以换几段画面来讲清楚。

换镜头要有观看上的理由：交代位置、展示动作、突出细节，或者看人物的反应。如果每段画面都在重复相同信息，数量再多也会显得拖。先问“这一镜让观众多看懂了什么”，再决定是否保留。

时间线结构：决定同一秒有哪些内容

剪辑软件里的时间线，像一张从左到右展开的时间表。视频放一行，配音放一行，音乐、字幕也各有位置；左右移动它们，就能决定从第几秒开始、到第几秒结束。

看下面这张图：画面在第 2 秒换了一次，第 5 秒又换了一次，但同一段讲解一直说到第 6 秒。音乐还可以从头放到尾。画面换了，声音可以接着说，所以分镜表要把“看到什么”和“听到什么”分开写。

二、从一张画面开始，认清镜头、场景和素材

这些词可以边看图边理解，不用先背英文。我们用《肖申克的救赎》的截图，先分清“正在看的画面”，再分清“电脑里拿来剪辑的材料”。

帧：暂停时看到的那一张画面

播放视频，按下暂停，停住的那张画面就是一帧（Frame）。继续往前走一帧，人物的嘴巴、眼神或动作可能只变化一点点；一张张画面连续播放，我们就看到了运动。

检查 AI 视频时，一张截图只能告诉你“这一刻长什么样”。手会不会突然多出手指，脸会不会在转头时变样，动作有没有做完，都要播放整段才能看出来。选素材时，至少从头到尾看一遍。

镜头：连续看到的一段画面

本文说的镜头（Shot），是成片里连续呈现的一段画面。人物可以说话、转头、走路，摄影机也可以移动；这段画面一直连续播放，就仍然是同一个镜头。画面切到另一段时，才换了一个镜头。

例如，《肖申克的救赎》里，典狱长盘问瑞德的那一段。先看典狱长，再切过去看瑞德，就能看到两个不同的镜头。这里的“切”，指从一段画面换到另一段；同一个人物也可以被拍成好几个镜头。

场景：同一个时间、地点里发生的一场事

刚才那次盘问，从开始问到结束，都发生在同一间牢房里。我们把这整场事叫一个场景（Scene），也常说“一场戏”。这一场戏里，可以先看提问的人，再看回答的人，再看旁边的人有什么反应。

所以，换镜头，不一定换场景。判断场景时，先看人还在不在同一个地方，事情是不是接着发生；跳到夜晚、换到另一个地方，通常就要另看一场戏。

段落：把几场事连起来，讲完一件大事

段落或序列（Sequence），可以先按“一大段故事”来记。它可能包含几个场景，大家一起讲清同一件事。比如安迪怎样逃出监狱，就涉及牢房里发现人不见了、回头交代夜间逃离、来到监狱外等不同内容。

把这些内容放在一起看，观众才知道“他是怎么逃出去的”。这里用三张截图标出几个位置，实际影片包含更多镜头；段落的起止也可以随分析目的调整。新手先记住：一帧是一张画面，一个镜头是一段连续画面，一个场景是一场事，一个段落讲完一件较大的事。

素材：你准备用来做视频的材料

素材就是制作原料。你拍的视频、AI 生成的视频、电影截图、自己录的配音、下载的音乐，都可以是素材。文件夹里的这些东西还要经过挑选、排列和剪辑，才会成为观众最后看到的视频。

一段素材，也可能已经装着好几个镜头。比如把刚才那段电影对话保存成一个视频文件，文件里既有典狱长的画面，也有瑞德的画面。保存了一个文件，不等于里面只有一个镜头。

素材片段：剪辑软件里可以选中、移动的一块

在剪辑软件里，一段可以选中、移动或剪短的视频、图片、声音，常被叫作素材片段（Clip）。软件素材库里导入的整段视频可以叫 Clip，时间线上截出来的一小段也可以叫 Clip。读教程时，看它说的是哪个位置就行。

例如，导入一个视频文件，选两处需要的内容，放到时间线上，就得到两块可以分别移动的片段。它们仍然取自同一个源文件，通常只是在剪辑软件里记录了“用哪部分、放在哪里”。剪辑项目里的分割操作，一般不会把电脑里保存的原文件切成两个新文件。

自己做 AI 视频时，也按这个办法选：一段生成结果里，只有中间几秒合格，就先留那几秒。以后说“这一段不行”，可以进一步讲清是哪个文件、哪个片段，还是其中哪一帧出了问题。

三、A-roll 和 B-roll：按素材的任务来分

A-roll 是承载主要内容的素材，负责把主要的话讲下去，或把关键行动演下去。B-roll 是配合主线的补充素材，帮助观众看清细节、了解环境，也能接顺前后画面。

两者按“这段素材在成片里干什么”来分。A-roll 不一定是人对着镜头讲话，B-roll 也不一定是风景或空镜。同一段素材放进不同的视频，可以承担不同任务；先判断用途，再分 A、B。

B-roll 常见的用途有四种：

• 补充说明： 把讲述中的信息变成可以看见的画面。

• 交代环境： 让人知道事情发生在哪里、什么时候。

• 表达情绪： 用细节、动作和环境传达气氛。

• 衔接剪辑： 主线声音继续播放，用补充画面接顺前后两段。

B-roll 出现时，主线声音可以连续播放。因此，画面可以先换，讲述仍然接着上一句话。靠旁白、动画或图形讲解的视频，也可以直接按“讲解主线”和“解释画面”来安排，无须每条视频都配一个出镜讲述的人。

空镜、插入镜头、切离镜头

看到这几个词，可以先看画面在做什么：是在交代环境，放大当前动作的细节，还是暂时去看旁边的东西。它们有时会被用作 B-roll，但每个词关注的事情不同。

• 空镜： 主要看环境、物件，没有主要人物出场。

• 插入镜头（Insert Shot）： 凑近看当前动作中的一个细节。

• 切离镜头（Cutaway）： 先离开正在看的主要动作，去看相关的人或物。

空镜也可以是故事里的关键画面，B-roll 里也可以有人。这些名称帮助我们描述画面，挑素材时仍然要问：它让观众多看懂了什么。

四、六种制作文档：先写什么，再画什么

让 AI“写个视频脚本”，它可能只给你一篇能念的稿子。开工时，你还要知道每一段配什么画面、需要准备什么素材。下面六种文档各管一部分，新手可以合并着写，不必先建六个文件。

口播稿和脚本：先说清内容

口播稿 就是准备念出来的那些话。写完后自己读一遍，看看顺不顺口、名词听不听得懂、读完需要多久。文字看起来短，念出来也可能要停顿和解释。

脚本（Script） 是视频怎么展开的文字计划。讲解视频要写清先问什么、怎样解释、给什么结论；剧情短片要写清人物说什么、做什么，下一件事为什么发生。重要画面可以先记进去，具体拍法和生成要求再往下补。

分镜图和分镜表：把内容变成画面安排

分镜图（Storyboard） 是开工前画的草图。每个格子画一个准备呈现的画面，让人看出人物站在哪里、物件有多大、动作朝哪边走。画得像不像不影响使用，能看懂位置和动作就行。

分镜表 是一张“每段画面怎么做”的表格。一行安排一个镜头，写清编号、打算放几秒、观众看到什么、听到什么、素材从哪里来，以及最后检查什么。画面列写看得见的东西，声音列写听得见的东西。

空表容易让人不知道写什么，所以这里放一张填好的。假设我们用两张《肖申克的救赎》截图，做一条讲解“疑问怎样得到回答”的小视频：第一张配一句提问，第二张配一句解释。图中的配音由教学视频另写、另录，时长也只是制作计划。

看这张表，就知道需要两张截图、两句配音，最后还要核对画面是不是配上了正确的话。自己填表时，把“展示重点”“增强情绪”这类模糊描述，换成具体画面。预计时长先写一个数，试读、剪辑时再调整。

镜头清单和风格参考板：安排制作与统一方向

镜头清单（Shot List） 是准备画面的待办单，记录哪些要拍、哪些要生成、哪些已经有了。它可以按地点、人物、道具或生成条件分组，方便集中准备。准备顺序可以和最后播放的顺序不同。

风格参考板（Mood Board） 是把几张参考图片放在一起，让人看懂“这条视频大致想长什么样”。想用什么颜色、什么光线、什么服装和气氛，都可以放进去。具体人物要做什么、画面怎样衔接，还要在脚本和分镜里写。

新手先做三步：把要讲的内容写顺，填一张分镜表，再找必要的参考图片。人物位置或动作接不上时，补几张分镜草图；需要准备的东西多了，再整理镜头清单。

五、生成之前，先填一张镜头任务单

只写“电影感、高级、震撼”，AI 还不知道人物该做什么。先告诉它画面一开始是什么样，中间做一个什么动作，最后停在什么状态。再写清这段画面为什么要放进视频，才方便挑出有用的生成结果。

每个镜头至少核对下面六项：

• 用途： 这一镜要让观众知道什么。

• 开始： 人在哪里，东西在哪里，摄像机从哪里看。

• 动作： 人或物主要做什么，摄像机要不要动。

• 结束： 动作做到哪一步，最后停在哪里。

• 声音： 这一段配什么话、什么声音。

• 验收： 最后看哪里，才知道这一镜能不能用。

比如图里这个开盒动作，可以写“盒盖关着 → 角色抬起盒盖 → 盒盖打开并停住”。检查时就能逐项看：有没有真的打开，盒子有没有突然换样，结束时有没有停稳。只写“角色打开盒子”，这些要求容易漏掉。

AI 生成了 5 秒，不代表成片要把这 5 秒全部放进去。中间 2 秒好用，就可以先选这 2 秒；选完还要检查动作是不是完整，开头和结尾好不好接。没有新信息的画面，留太久容易让观众等。

准备素材时，还要想清哪些能生成，哪些得真实记录。虚构故事和气氛画面可以交给 AI；要演示界面操作、产品状态或实验结果，就需要相应的真实截图、录屏或记录。在表里提前写清来源，剪辑时才找得到。

六、用经典电影，看信息怎样推进

例如，《肖申克的救赎》里，典狱长发现海报后密道的那一段。从典狱长质问瑞德开始，一直到海报被撕开、密道露出。留意人物怎样发现异常，画面又怎样一步步把答案交代出来。

安迪不见了，典狱长先追问人去了哪里；石子穿过海报，促使他上前检查；最后撕下海报，观众看到了密道。再对照下面这张图，把前后的信息变化连起来看。

这一段按“提出疑问 → 发现异常 → 揭示答案”推进。先让人想知道安迪去了哪里，再通过典狱长的检查动作，把隐藏的密道展示出来。每一步都多告诉观众一点，故事就能接着往下走。

如果一开始就把密道展示出来，关注点会从“人去哪了”变成“他怎么逃出去的”。安排信息出现的顺序，是叙事结构；选择这一刻让观众看见什么，是镜头结构。

下一次打开 AI 视频工具前，先填三行分镜表：每一行要让观众看到什么、听到什么、明白什么。先把这三行讲顺，再去生成画面。

---

关于作者

Punk｜中科大管理学硕士｜AI提示词、AI小白教程｜Punk系列Skills作者｜3个月赚了8位数｜Learn in Public｜FDE文章浏览量240w｜@AdrianPunk115