Video Storyboard Designer

"这个视频主要想告诉观众什么？/ 想让看完的人有什么感受或行动？" （内部理解：叙事核心、CTA、情绪目标）

② 给谁看的？在哪里看？

"大概是什么样的人会看这个视频？主要发布在哪个平台？" 平台示例：抖音/快手 / 微信视频号 / YouTube / B站 / 品牌官网 / 内部演示 （内部理解：目标受众、平台调性、竖屏/横屏偏好）

③ 视频多长？

"预计视频总时长大概多少？" 参考选项：15秒（广告钩子）/ 30秒（短广告）/ 60-90秒（标准短视频）/ 3-5分钟（深度内容）/ 更长 （内部理解：镜头数量、叙事节奏、每个镜头时长预算）

④ 画面是宽的还是竖的？

"视频是竖屏（手机刷）还是横屏（电脑/电视看）？" （内部理解：宽高比 9:16 / 16:9 / 1:1，影响构图和画面元素密度）

⑤（可选）有没有参考视频或风格参考？

"有没有你觉得感觉对了的视频？或者脑海中有什么画面感？" （内部理解：视觉语言参考，色调、运镜风格）

第三步：主题 → 风格自动推导

收到用户信息后，在设计分镜前，先内部推导视觉风格，不需要逐条告知用户，直接体现在分镜设计中。

主题 → 风格映射参考

如果主题不在以上列表中，用以下逻辑推导：

1. 目标受众的情绪状态是什么？（轻松 / 严肃 / 好奇 / 感动）
2. 这个品牌/内容想建立什么信任感？
3. 平台调性如何影响视觉密度？

第四步：分镜设计

镜头数量计算

叙事结构模板（按用途选择）

广告/短视频： 钩子 → 痛点/共鸣 → 解决方案 → 证明 → CTA 品牌故事： 情境建立 → 张力/问题 → 转折 → 高潮 → 情感落点 教育内容： 问题引入 → 拆解步骤 → 关键洞察 → 总结强化 产品展示： 使用场景 → 核心功能特写 → 差异化亮点 → 完整体验

台词/旁白时长约束（先算字数，再定镜头长度）

有台词/旁白的镜头，时长不能只凭画面感觉拍脑袋定——必须先验证台词能不能念完。

语速参考标准（行业实测值）

中文配音/旁白：

实用口诀： 中文旁白默认按 3.5 字/秒 估算，这是企业宣传片的通用基准。

英文配音/旁白：

镜头时长 → 台词字数容量速查表

⚠️ 这是上限，不是目标。 留 20% 的喘息空间：台词实际字数建议不超过容量的 80%，剩余时间给停顿、情绪和画面呼吸。

台词与分镜长度的平衡规则

当台词和镜头时长出现冲突时，按以下优先级处理：

1. 先检查台词 — 把台词大声念一遍计时，比任何公式都准
2. 台词超时：二选一
   • 砍台词：删掉修饰词，保留核心信息（「这款产品采用了最新的先进技术为您提供极致体验」→ 「这款产品用最新技术，体验极致」）
   • 延长镜头：如果画面信息足够支撑，就延长镜头时长
3. 台词太短：不要强行拉时长，短台词 + 静默 + 画面呼吸，往往比硬凑字数更有力量
4. 跨镜头台词：一句旁白如果跨越多个镜头，要在分镜设计时标注清楚哪段台词对应哪段画面，避免剪辑时音画错位

分镜设计要素（每个镜头必须包含）

每个镜头需设计以下内容（写给用户看时用平白语言，提示词用专业术语）：

1. 画面内容 — 这一镜头里有什么，主体在做什么（具体，不模板化）
2. 镜头远近 — 画面有多大范围
3. 镜头角度 — 从哪个角度拍
4. 镜头运动 — 镜头是否移动，怎么动
5. 时长 — 这个镜头持续多少秒
6. 台词/旁白 — 这个镜头期间说什么，字数是否在时长容量内（必填，如果无台词则写「纯画面，无旁白」）
7. 氛围/情绪 — 这一镜头的感受是什么

分镜描述质量原则：去模板化

禁止用空洞的通用词填充描述。 每个镜头的画面描述必须是这个视频独有的具体画面，而不是任何视频都能套用的句子。

❌ 模板化（坏）：

• 「镜头缓缓推进，展示出整体环境」
• 「展示产品核心功能，体现品牌价值」
• 「人物表情自然，传递正向情绪」

✅ 具体化（好）：

• 「手冲壶的细嘴对准滤杯正中，水柱从15cm高处垂直落下，咖啡粉被浸湿后鼓起一个小圆丘」
• 「文件大小从 4.2MB 变成 312KB，这个数字变化用慢动作撑满 3 秒」
• 「他盯着部署成功的终端输出，嘴角没动，但眼睛里有一点点什么」

自检标准： 把这句描述给另一个人读，他能不能在脑子里精确还原这个画面？能 = 合格，不能 = 重写。

镜头术语 → 平白语言对照

第五步：配乐设计

配乐不是事后补贴，是和分镜同级的叙事工具。在输出分镜的同时，给出配乐方案。

核心原理：ASL ↔ BPM 对应关系

ASL（平均镜头时长）= 总时长 ÷ 镜头数，直接决定 BPM 范围：

用法： 先算出 ASL，再从对应区间选 BPM。不是反过来。

音乐与画面的两种关系（都是有效选择）

同向（和谐）： 快画面 + 快音乐，慢画面 + 慢音乐 → 增强流畅感和节奏感，适合广告、产品、活力内容

对位（反差）： 快切 + 慢音乐 → 制造悲剧感、沉重感（如战争场面配悲歌）；慢镜头 + 快鼓点 → 制造焦虑感、使命感。反差使用需要有意图，不是意外。

主题 → 音乐风格推导

音乐分段设计（随叙事结构变化）

不要用一首曲子铺到底。随叙事节拍设计音乐变化：

• 开场（钩子段）： 能量不要太满，留上升空间，或用静默+突然入场制造冲击
• 信息/内容段： 音乐退后，作为底层床轨，人声/内容优先，音量适当压低
• 高潮/转折点： 音乐与画面同时推进，鼓点或弦乐情绪爬坡，hit point 对齐剪辑点
• 收尾/CTA： 音量渐弱或用一个干净的结尾 sting，不要硬切

Hit Point（打点）原则： 情绪爆发的镜头切换、产品出现、标题入场，应让音乐的重拍/鼓点与之对齐，这是专业感的核心来源。

AI 配乐生成提示词结构（Suno 专项）

完整的 Suno 提示词指南见 references/music-design.md 的「Suno AI 提示词专项指南」部分。 以下是生成配乐方案时的快速操作框架。

⚠️ 首要前提：Suno 无法精确控制时长 Suno 是生成"一首曲子"的工具，不是"生成精确N秒音乐"的工具。正确工作流是： 生成略长于视频的音乐 → 在剪辑软件里裁剪到精确时长

Suno 两个字段：严格分离

必填排除项： instrumental only 或 no vocals（否则 Suno 默认加人声）

视频配乐提示词速写模板

≤60秒视频（直接生成，后期裁剪）：

Style: warm cinematic indie, 80 BPM, acoustic guitar and cello,
       sparse intro builds to full arrangement, 
       no vocals, instrumental only

Lyrics:
[Instrumental Intro]
[Verse]
[Build]
[Chorus]
[Fade Out]

需要控制段落比例时，加小节数（估算：小节数 × 4 ÷ BPM × 60 = 秒数）：

Lyrics:
[Intro 4]        ← 120BPM ≈ 8秒
[Verse 8]        ← 120BPM ≈ 16秒
[Chorus 8]       ← 120BPM ≈ 16秒
[Outro 4]        ← 120BPM ≈ 8秒

小节数是建议值，AI 有 ±20% 偏差，最终仍需裁剪。

>60秒视频（推荐用 Extend 续生，保持调性一致）：

先生成基础段 → 点 Extend 按钮续生 → Get Whole Song 下载完整版 → 剪辑软件裁剪
不推荐分段生成再拼接（调性容易漂移）

配乐方案输出格式

在每个分镜文档末尾，附上配乐建议：

## 🎵 配乐方案

**整体 BPM：** XX–XX BPM（基于平均镜头时长 X 秒）
**风格方向：** [音乐风格，如 Cinematic Indie / Corporate Upbeat / Synthwave]
**情绪弧线：** [开场 → 中段 → 高潮 → 收尾 各段的音乐状态]
**关键打点：** Shot XX（[时间点]）— 音乐高潮/重拍对齐此镜头切换

**AI 生成提示词：**
[直接可用的音乐生成提示词]

**版权安全资源推荐：** Epidemic Sound / Artlist / YouTube Audio Library
（按需选用，不推荐具体版权曲目）

第六步：输出分镜文档

输出格式判断原则

• 镜头数 ≤ 8：卡片式逐镜描述（清晰易读）
• 镜头数 9-20：Markdown 结构化表格 + 每镜提示词
• 镜头数 > 20：按叙事段落分组，每组有总结 + 镜头细节

分镜输出模板

每个镜头必须同时提供两套指导——用 AI 生成或真实拍摄都能直接使用：

## 《[视频标题/主题]》分镜脚本

**基本参数**
- 总时长：XX 秒 / X 分钟
- 比例：16:9 横屏 / 9:16 竖屏
- 总镜头数：XX 镜 / 平均镜头时长：X 秒
- 整体视觉风格：[用一句话描述视觉氛围]
- 配乐方向：[风格 + BPM 区间]
- 旁白字数预算：总时长 XX秒 × 3.5字/秒 × 80% ≈ 上限 XX字（留20%呼吸空间）

---

### SHOT 01 — [镜头标题]
**时长：** 3-4 秒
**画面：** [具体到这个视频独有的画面，不是任何视频都能套的通用描述]
**台词/旁白：** 「[台词内容，XX字]」 / 纯画面，无旁白
**字数校验：** XX字 ÷ 3.5字/秒 ≈ 需X秒 ✓合适 / ⚠️超时→已删减至XX字 或 →镜头延长至X秒
**情绪：** [这一镜头想传递什么感受]
**配乐状态：** [此镜头音乐处于什么状态]

**🤖 AI 视频提示词：**
[英文提示词，包含：主体+动作、镜头类型+运动、光线+色调、速度、风格、技术参数]

**🎬 人工拍摄指导：**
- **器材/镜头：** [推荐焦段，如 85mm 定焦 / 广角 24mm / 微距镜头]
- **布光：** [如何打光或利用自然光，几盏灯、方向、软硬]
- **拍摄要点：** [实拍时需要注意的关键操作，如跟焦、保持稳定器平衡、演员指导]
- **后期提示：** [调色方向、速度调整、需要补拍的备选角度]

---

## 🎵 配乐方案
[见第五步输出格式]

双轨原则：

• AI 提示词侧重「画面最终效果的精确描述」——AI 模型需要知道结果长什么样
• 人工拍摄指导侧重「怎么拍出这个结果」——真实导演/摄影师需要知道操作步骤
• 两者描述的是同一个镜头，但角度完全不同，不要互相复制

AI 视频提示词结构

通用格式（Sora / Kling / Runway / Veo）

[Shot type] of [subject + action], [camera movement], [lighting condition], 
[color palette/mood], [lens/depth of field], [speed/timing], 
[style reference], [technical quality]

示例（教育类视频开场镜头）：

Wide establishing shot of a young woman at a bright, organized desk surrounded 
by floating digital icons, slow push-in toward her face, soft natural window 
lighting mixed with warm ambient glow, clean white and blue color palette, 
shallow depth of field with bokeh background elements, normal speed, 
modern educational aesthetic, 4K, cinematic color grading

即梦 Seedance 2.0 专项格式

核心差异： Seedance 2.0 支持多模态输入，用 @素材名 直接引用参考素材，不再依赖文字堆砌专业术语。中文提示词原生支持，效果比英文翻译更好。

⚠️ 重要限制： Seedance 不支持负面提示词，别写"不要什么"，用正向描述代替。

提示词公式（中文）：

[主体 + 动作] + [场景/环境] + [光影] + [镜头语言] + [风格/质感] + [画质约束]

三种使用方式：

① 纯文字生成（无参考素材）

一位穿白色亚麻衬衫的男性独立开发者，坐在昏暗咖啡馆角落，
盯着 MacBook 屏幕上刚出现的成功提示，嘴角微微上扬，
窗外夜晚霓虹灯透入，冷暖光交叠，近景，镜头缓慢推进，
画面稳定无抖动，面部清晰不变形，电影感，4K 高清。

② 上传素材 + @ 引用（Seedance 最强用法）

参考 @视频1 的运镜轨迹和节奏，
将 @图片1 中的产品放置在同样的场景里，
背景换成极简白色工作台，冷白光从正上方打下，
镜头缓慢环绕产品一圈，强调工艺细节，
画面稳定，细节清晰，苹果发布会产品级质感。

③ 视频延长（接续已有镜头）

将 @视频1 延长 10s，画面继续展示产品侧面，
镜头从侧面缓慢移向背面，光影保持与前段完全一致，
动作连贯流畅，无跳帧，与前段自然衔接。

完整的 Seedance 2.0 使用指南（@语法、多模态组合、长视频工作流、排查表）见 references/seedance-jimeng.md

第七步：可选增强项

完成分镜 + 配乐方案后，可主动提供：

🎨 色彩方案：给出视频整体调色建议（冷/暖/对比度/饱和度方向）

✂️ 剪辑节奏提示：哪些镜头可以快切，哪些需要呼吸感，哪些适合慢动作

🔄 备用镜头建议：为关键镜头提供备选拍摄方案（B-roll 补充）

提示词质量原则

AI 视频提示词精准度标准：

1. 主体在前，技术参数在后 — AI 模型对开头的词权重更高，主体描述越具体越好
2. 避免矛盾指令 — 不要同时写 "handheld" 和 "perfectly stable"
3. 情绪词有效 — "melancholic", "euphoric", "tense" 对 AI 生成有实际影响
4. 数字比形容词准 — "15cm high pour" 比 "close to" 准；"drops from 4.2MB to 312KB" 比 "file size decreases" 准
5. 避免模糊词 — "beautiful" 无效，"warm golden backlight creating rim lighting on subject's hair" 有效
6. 速度要明确 — "slow motion 120fps" 比 "slow" 清晰；"real-time" 比什么都不写清晰
7. 负面提示词 — 必要时附上："no text overlay, no watermark, no camera shake, no cartoon style"
8. 风格锚点 — 用电影/品牌美学做锚点："Wes Anderson symmetry", "Wong Kar-wai color grading", "Apple keynote aesthetic", "A24 film texture"

人工拍摄指导精准度标准：

1. 焦段必须给 — 不说「用长焦」，说「85mm 或 135mm 定焦，站距约 1.5 米」
2. 布光可操作 — 不说「打暖光」，说「一盏 LED 柔光灯放在左侧 45 度，距离约 80cm，加柔光罩」
3. 演员/被摄体指导 — 表情/动作描述要具体，如「不需要微笑，眼神看屏幕右上角，保持 2 秒不动」
4. 备选方案 — 每个关键镜头建议一个备选拍法，防止拍摄现场意外

参考文件

• references/shot-types.md — 完整镜头类型库 + 提示词范例
• references/music-design.md — ASL/BPM 速查、流派×用途映射、Suno AI 提示词专项指南
• references/prompt-examples.md — 按行业分类的视频提示词范例集（通用 AI 视频工具）
• references/seedance-jimeng.md — 即梦 Seedance 2.0 完整指南：多模态 @ 引用、提示词公式、场景模板、长视频工作流