AI 长视频怎么把多个镜头做连贯:从分镜到声音衔接的完整方法
更新于 2026-11-04
AI 生成的几个短视频拼在一起,人物变脸、商品换色、位置乱跳、声音忽大忽小,通常不是提示词不够长,而是缺少一套镜头之间的衔接规则。更稳的做法是按 5 秒左右一个镜头拆分,固定角色和场景参考,写清每段从哪里开始、到哪里结束,最后在剪辑软件里统一声音。
这篇以 VGEN 的 MiniMax H3 为例,讲清楚连续动作用视频续写、指定开头结尾用首尾帧、同角色换镜头用参考图,三种方式怎么选,并用一条 20 秒萌宠视频示范分镜和提示词。它们能减少不连贯,但不能保证每次完全一致,生成后仍要逐段检查。
先分清是哪一种「不连贯」
- 角色不连贯:同一个人或宠物换脸、换花纹、换服装,商品的颜色、形状或配件发生变化。
- 空间不连贯:门、窗、桌子、饭碗突然换位置,白天变黑夜,人物上一段向左走、下一段却从右边回来。
- 动作不连贯:上一段结尾人物还坐着,下一段开头已经在奔跑;上一个镜头拿起杯子,下一个镜头杯子又回桌上。
- 镜头不连贯:固定机位突然变成环绕,景别从远景跳到特写,视线和运动方向没有衔接。
- 声音不连贯:每个片段的音色、背景音乐、环境声和音量不同,字幕样式也一直在变。
先确定问题属于哪一类,再改对应的参考图、提示词或剪辑,不要只把整段提示词全部重写。
第一步:把长视频拆成短镜头,并写下结束状态
先写每个镜头「开始是什么状态、只做什么动作、结束停在哪里」。下一段的开始状态,应该能接住上一段的结束状态:
- 按时长拆:20 秒可以先拆成 4 个 5 秒镜头,不要指望一段提示词一次演完所有剧情。
- 一段一个主要动作:抬头、走到碗前、发现空碗、开始吃,分别生成,比「起身跑过去又跳上桌子」更稳。
- 写出结束状态:例如「猫停在蓝色饭碗前,低头看碗内」,不要只写「猫走过去」。
- 下一段重复这个状态:下一段开头写「猫已经站在同一个蓝色饭碗前」,再安排新动作。
分镜里还要固定场景、时间、光线、道具和画面比例。每次只改当前出问题的镜头,不必把整组重新生成。
第二步:固定角色,不要每段换一种描述
- 准备一张角色设定图:人物正脸或半身清楚,宠物花纹和四肢完整,商品外形、颜色和配件能看清。先用一张干净图减少变量。
- 每段使用同一张或同一组参考图:上传顺序也尽量保持一致,提示词里的「图片 1」才一直指同一个角色。
- 文字设定原样复用:没有参考图功能时,不要第一段写「橘猫」、第二段写「可爱的小猫」、第三段又写「胖猫」,固定毛色、花纹、体型和项圈描述。
- 少写相互冲突的新要求:连续镜头里不要一会儿「电影感暖光」、一会儿「冷白柔光」,也不要随意增加帽子、衣服或新道具。
多张人物、商品和场景参考怎么分工,见 多张参考图生成视频。参考图能提高一致性,不代表每个像素都会保持不变。
第三步:按镜头关系选生成方式
- 同一个动作接着往下演:视频续写。上一段结尾满意,只想继续后面的动作,就从最后一帧续写。适合人物走到门口后接着开门,不适合回头改中间画面。见 AI 视频续写教程。
- 必须落在指定开头或结尾:首尾帧。给模型开始和结束画面,适合「趴着到站起来」「未开封到打开」这类明确变化。见 首尾帧生成视频教程。
- 同一角色换场景、换机位:参考图。角色设定不变,重新写场景、动作和镜头,适合系列剧情和不同角度的展示。
- 只有一张照片、先做一个镜头:图生视频。先把单段动作做稳,再考虑接长,见 AI 图片生成视频教程。
续写次数越多,角色和细节越可能逐渐走样;明显走样时回到上一份满意片段重做,不要继续把错误往下接。
镜头衔接提示词:把上一段结尾写进下一段开头
不要只写「下一段猫去看碗」。把角色、场景、开始状态、动作、镜头和声音写全,尤其是开始状态:
- 同一角色:指明沿用哪张参考图,保留哪些外形特征。
- 同一场景:写清关键道具的位置和光线,不只写「还是原来的房间」。
- 开始状态:接着上一段结尾写,不要让动作状态倒退。
- 镜头和声音:固定机位就继续固定,后期要统一配乐时可以写「无背景音乐」。
图片 1 是同一只橘猫,保持原有毛色、花纹和绿色项圈。同一个客厅,同一扇左侧窗户,保持白天柔和侧光和蓝色饭碗的位置。开头猫已经站在蓝色饭碗前,低头看了一眼,随后慢慢抬头看向镜头;固定机位中景,画面中不要出现文字;声音:安静的室内,一声轻柔猫叫,无背景音乐。
示范:一条 20 秒萌宠视频怎么拆
以下 4 段都使用同一张橘猫参考图、同一个客厅和蓝色饭碗。每段只安排一个主要动作:
- 镜头 1(0–5 秒):猫趴在窗边睡觉,听到声音后抬头。结束状态:猫仍在窗边,头已抬起,视线朝向饭碗。
- 镜头 2(5–10 秒):开头猫在窗边,慢慢走到蓝色饭碗前并停下。结束状态:猫站在碗前,低头看碗内。
- 镜头 3(10–15 秒):开头猫已在碗前,发现碗是空的,抬头看向镜头。结束状态:猫仍站在原位置,视线朝向镜头。
- 镜头 4(15–20 秒):从同一角度拍碗和猫,碗里已经有食物,猫低头开始吃。食物怎么出现不必强行生成,可以在剪辑点直接切换。
如果镜头 2 的走路片段总是变形,可以改成两个静态机位:窗边抬头 → 已经在碗前。观众会自己补全中间动作,连贯不等于每一步都必须生成出来。
生成后按顺序检查这 7 项
- 角色的脸、花纹、体型和服装是否还是同一个。
- 商品颜色、形状、商标和配件有没有变化或凭空增加。
- 门、窗、家具、碗等关键道具的位置是否一致。
- 上一段结束的姿势、视线和运动方向能否接下一段开始。
- 时间、光线、色温和画面比例有没有突然变化。
- 镜头运动和景别变化是否有意图,接缝处是否闪烁或跳帧。
- 完整播放时,音色、环境声、背景音乐和音量是否接得上。
只重做不合格的镜头,并沿用原参考和其他镜头的设定。不要为了修一个镜头,把已经满意的几段也一起改掉。
最后在剪辑软件里统一声音和字幕
- 旁白:逐段生成容易换音色,剧情连续时可以只保留环境声,后期统一录旁白或使用有权使用的配音。
- 环境声和音乐:用连续的环境声或音乐垫底,避免每个镜头切换时突然安静或换歌。
- 字幕:统一字体、字号、位置和样式,品牌名、数字和价格逐条校对。
- 剪辑:不必用复杂转场掩盖所有接缝;在动作完成或视线变化处切换,往往更自然。
具体配音和字幕流程见 AI 短视频怎么加字幕和配音;已经导出后才发现错字,见 AI 视频错别字、字幕怎么修改。
在 VGEN 上怎么操作
- 打开 开始创作,切到「生视频」,模型选 MiniMax H3。
- 先准备角色设定图,按分镜选择首尾帧或参考图;需要延续同一动作时,切到「视频续写」上传上一段。
- 第一次选 5 秒、720p,写清开始状态、一个主要动作、结束状态、镜头和声音。
- 生成后与上一段连着播放,检查角色、场景和动作;不合格只改当前镜头的一处变量。
- 下载满意片段,在剪辑软件里排序、统一声音和字幕。生成失败自动退还积分。
一条 20 秒视频大概多少积分
按 VGEN 正式库当前价格,MiniMax H3 普通生视频 5 秒 720p 为 9.5 积分;视频续写 5 秒 720p 为 16.5 积分,含 2 积分续写费。约 1 元 = 10 积分,实际按生成次数收费,失败自动退还积分。
- 4 个独立镜头各试 3 次:4 × 3 × 9.5 = 114 积分,约 11.4 元;不是每次都必须试 3 次。
- 只用一次续写:在原 5 秒视频后续 5 秒,续写部分 16.5 积分,原视频生成费另算。
- 省钱顺序:先用 5 秒、720p 验证分镜和角色,再为最终采用的镜头出更高清晰度,不要一开始整组出 1080p。
完整价格见 VGEN 收费标准。新用户注册送 10 积分,够先做一次普通 720p 5 秒视频。
常见问题
- 把角色描述写得更详细,就能完全不变脸吗?不能。详细描述有帮助,但同参考图、简单动作、清楚的角色画面和逐段检查同样重要。
- 视频续写一定比独立分镜更连贯吗?不一定。续写适合连续动作,多次续写也会积累走样;换场景、换机位时,同参考图重新生成往往更合适。
- 为什么不建议每段都换一句近义描述?模型可能把它理解成新特征。角色、项圈、道具和场景设定应原样复用,只改当前镜头的动作。
- 动作怎么都接不上,一定要重做整条吗?不用。先只重做接不上的镜头,或删掉中间复杂动作,用「上一位置 → 下一位置」两个稳定镜头直接剪接。
- 每段分别生成配音可以吗?可以,但要检查音色和音量是否一致。连续旁白更适合后期统一配,环境声和音乐也可统一垫底。
- 参考别人的角色或商品图就能做连续剧情吗?应使用自己制作或有权使用的图片,不要未经授权使用他人肖像、品牌或作品,详见 服务条款。
延伸阅读
角色、商品和场景参考怎么分工,看 多张参考图生成视频。
要从上一段最后一帧接着演,看 AI 视频续写教程。
需要指定开头和结尾画面,看 首尾帧生成视频教程。
想统一后期配音和字幕,看 AI 短视频怎么加字幕和配音。