用多鏡頭工具拍一段 15 秒小故事：先寫分鏡表，再填提示詞

想用 AI 做一段有起承轉合的短片時，最常見的做法是把整個故事塞進一段長提示詞。結果往往是畫面跳來跳去、人物前後不一致，或是重點動作被擠掉。比較穩的做法，是先把故事拆成幾個鏡頭，每個鏡頭只負責一件事。

GPT Image 2.5 網站上的 AI 多鏡頭影片創作 工具就是為這種做法設計的。本文依照頁面上的說明，整理一套「先寫分鏡表、再填提示詞」的流程。

工具提供哪些設定

頁面上的編輯器可以看到這些選項：

• 影片模型：WAN 3.0、Seedance 2.0 等

• 單鏡頭或多鏡頭模式

• 生成品質（預設標清 720p）

• 畫面比例（預設 16:9）

• 全局參考圖：最多 1 張

• 元素庫：用 @ 標記在分鏡中引用元素

• 總時長：最多 15 秒

• 字數限制：每個分鏡 500 字，總計 1200 字；每個 @element 標記按 37 字元計入

另外，編輯器會提醒「每個鏡頭必須填寫提示詞」，空白的分鏡無法送出。

第一步：用三格寫出故事

頁面在「選擇你的創作起點」中建議：故事規劃時，把想法分為開場、主要動作與結尾。先不要想畫面細節，只用一句話寫每一格要發生什麼。

以頁面上的範例為基礎：

1. 開場：雨中城市的遠景

2. 主要動作：紅色雨傘的特寫

3. 結尾：同一個人走向燈光溫暖的咖啡館

三格加起來是一個完整的小故事，而且每格只有一個重點。頁面也提醒：讓每個鏡頭聚焦一個重點。

第二步：把時長分配給每個鏡頭

總時長最多 15 秒，所以要先決定每格大概多長。一個簡單的原則是：動作越多的鏡頭給越多時間，純氣氛的遠景可以短一點。例如開場 4 秒、特寫 5 秒、結尾 6 秒。分配好之後再寫提示詞，比較不會出現「動作還沒做完鏡頭就切走」的情況。

第三步：為每個鏡頭寫提示詞

頁面的建議是「分別描述每個鏡頭，保持人物、地點與視覺風格設定一致」。實際寫的時候，可以把每段提示詞固定成三個部分：主體、環境、鏡頭。

• 鏡頭一：主體是城市街道；環境是傍晚下雨；鏡頭從高處緩慢下移。

• 鏡頭二：主體是撐著紅色雨傘的女子，深灰色大衣；環境是同一條街；鏡頭是雨傘的特寫，雨滴打在傘面上。

• 鏡頭三：主體是同一位穿深灰色大衣、撐紅色雨傘的女子；環境是街角燈光溫暖的咖啡館門口；鏡頭跟在她身後。

注意鏡頭二和鏡頭三都重複寫了「深灰色大衣」「紅色雨傘」。頁面說明，重複描述有助於引導連貫性。

第四步：用參考圖和元素庫穩住人物

如果有人物或產品的照片，可以放進全局參考圖（最多 1 張），或在元素庫中建立元素，再用 @ 在分鏡中引用。要留意字數：每個 @element 標記按 37 字元計入，引用太多元素會很快用完每個分鏡 500 字、總計 1200 字的額度。

單鏡頭還是多鏡頭？

編輯器上方可以切換單鏡頭與多鏡頭。如果你的想法只有一個畫面、一個動作，例如「咖啡倒進杯子」，單鏡頭就夠了，提示詞也比較好控制。只有當故事需要換場景、換景別，或是需要一個明確的開頭和結尾時，再改用多鏡頭。先用單鏡頭把最重要的那一格做出滿意的效果，再把它放進多鏡頭的分鏡表裡，也是一種降低失敗率的做法。

對連貫性要有正確期待

頁面的常見問題說得很直接：多鏡頭不能保證人物始終一致。即使重複描述和使用參考素材，也無法保證面部、物體與轉場完全一致，使用前需要逐鏡檢查。

所以生成後，請一個鏡頭一個鏡頭看：

• 人物的臉、服裝、配件是否前後相同

• 地點的光線和天氣是否一致

• 鏡頭之間的轉場是否自然

哪一格不對，就只修改那一格的提示詞，而不是整段重寫。

關於 Ultra 模式和草稿

編輯器裡有 Ultra 模式，頁面附上提醒：Ultra 模式的使用門檻與成本較高，非專業用戶可能因場景協調和時序控制的複雜性導致效果不理想，請謹慎使用。第一次嘗試時，用一般模式先把分鏡跑順比較實際。

草稿方面，頁面說明草稿與參考檔案儲存在目前裝置的瀏覽器中，清除瀏覽器資料可能會遺失，也不會自動同步到其他裝置。分鏡表最好另外存一份文字檔。

送出前的檢查

• 故事分成開場、主要動作、結尾，每格一個重點

• 每個鏡頭都有提示詞

• 時長加起來不超過 15 秒

• 人物與服裝的描述在各鏡頭中一致

• 字數沒有超過每格 500 字、總計 1200 字

• 送出前確認分鏡設定與預估點數

先寫分鏡表再寫提示詞，多花的是五分鐘，省下的是好幾次重來。