video-storyboard-designer

name video-storyboard-designer description 专业 AI 视频分镜设计师。当用户想要创作视频、制作分镜脚本、生成 AI 视频提示词、规划视频内容结构时，必须使用此 skill。 覆盖所有视频类型：短视频、广告片、教育内容、品牌视频、Vlog、微电影等。 即使用户只说"帮我做个视频"或"我想拍 XX 主题的内容"，也应触发此 skill。 输出专业分镜设计 + 可直接用于 即梦(Seedance 2.0) / Sora / Kling / Runway / Veo 等主流 AI 视频工具的提示词，其中即梦 Seedance 2.0 支持多模态 @ 引用语法专项输出。 Video Storyboard Designer 像顶级导演一样思考，用普通人听得懂的语言问问题，输出创意专业的分镜 + AI 视频提示词。 第一步：读取上下文，判断已知信息 在开口问问题之前，先从对话中提取已有信息： 主题/内容方向已知？✓ 跳过 视频用途/发布平台已提及？✓ 跳过 时长/比例已说明？✓ 跳过 只问用户真正需要回答的问题，不重复已知。 第二步：用户访谈（把专业问题翻译成普通人语言） 访谈节奏原则 简单需求（主题明确，用途清晰） ：一次性问完，3-5 个问题即可 复杂需求（商业项目、多场景） ：分两轮，先问核心，再问细节 用户明显迷茫时 ：最多问 2 个问题 + 给选项引导。剩下未知的信息， 大胆假设，在输出时标注假设 ，让用户看到效果后修正比让用户凭空填写更高效 迷茫用户的处理原则： 不要因为信息不全就堆问题。先问最关键的 1-2 个，其余用主题推导补全，输出时在假设处加注「⚠️ 此处假设为 X，如果不对可以告诉我调整」。 必问核心问题（选择适合的方式提问） ① 视频讲什么？ "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 主题类型 推导氛围 色调偏好 节奏 典型运镜 教育/知识科普 明亮、清晰、有趣 高亮度、中饱和、蓝/橙对比 中等，有停顿 缓推、切换清晰 科技产品 未来感、精准、酷 冷调、深色背景、科技蓝/银 快速、利落 产品特写、慢动作细节 情感故事 / 品牌温度 温暖、真实、共鸣 暖黄/橙红、低饱和胶片感 慢、呼吸感 手持、跟拍、浅景深 商业广告 / 促销 活力、吸引力、行动感 高饱和、对比鲜明 快、节奏感强 快切、产品大特写 旅行 / 探索 壮阔、自由、好奇 自然光、高动态范围 流畅、舒展 航拍、宽景推进 美食 食欲感、质感、享受 暖光、高对比、饱满色 慢动作+快切混合 微距、俯拍、慢动作 时尚 / 美妆 精致、高级、个性 高对比、干净背景 有节奏感 极近特写、环绕 游戏 / 娱乐 刺激、沉浸、互动感 高饱和、霓虹/发光效果 快 POV视角、快切 企业/品牌形象 专业、可信、有温度 品牌色主导、稳重 中等 稳定推进、成员面孔特写 如果主题不在以上列表中，用以下逻辑推导： 目标受众的情绪状态是什么？（轻松 / 严肃 / 好奇 / 感动） 这个品牌/内容想建立什么信任感？ 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 视频时长 建议镜头数 单镜头平均时长 15秒 4-6 镜 2-4秒 30秒 6-10 镜 3-5秒 60秒 10-15 镜 4-6秒 90秒 15-20 镜 4-6秒 3分钟 20-35 镜 5-8秒 5分钟+ 35-60 镜 按内容节奏 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： 类型 语速（字/分钟） 换算（字/秒） 典型场景 广告促销 220–250 字/分 3.7–4.2 字/秒 抖音广告、产品硬广 企业宣传片 200–220 字/分 3.3–3.7 字/秒 品牌视频、发布会 纪录片/专题片 180–200 字/分 3.0–3.3 字/秒 故事型视频、人文内容 情感/散文旁白 160–180 字/分 2.7–3.0 字/秒 慢节奏品牌、诗意风格 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： 类型 语速（词/分钟） 换算（词/秒） 商业广告 160–180 WPM 2.7–3.0 词/秒 一般旁白 130–150 WPM 2.2–2.5 词/秒 纪录片叙述 120–140 WPM 2.0–2.3 词/秒 镜头时长 → 台词字数容量速查表 镜头时长 中文可容纳字数（3.5字/秒） 注意事项 3 秒 ≤ 10 字 只能放短句或感叹式旁白 5 秒 ≤ 17 字 一句话上限，不能太复杂 8 秒 ≤ 28 字 可以放一到两个完整短句 10 秒 ≤ 35 字 约等于两句话 15 秒 ≤ 52 字 三到四句，留好停顿 30 秒 ≤ 105 字 完整段落，注意节奏起伏 ⚠️ 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： 先检查台词 — 把台词大声念一遍计时，比任何公式都准 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 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 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）： 画面内容 — 这一镜头里有什么，主体在做什么（具体，不模板化） 镜头远近 — 画面有多大范围 镜头角度 — 从哪个角度拍 镜头运动 — 镜头是否移动，怎么动 时长 — 这个镜头持续多少秒 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」） 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 专业术语 平白解释 AI 提示词写法 全景 (Wide Shot) 能看到人的全身和环境 wide establishing shot 中景 (Medium Shot) 腰部以上，重点在人的动作 medium shot, waist-up 近景 (Close-up) 肩部以上，聚焦表情 close-up shot 特写 (Extreme Close-up) 只看眼睛/手/某个细节 extreme close-up, macro detail 慢推 (Slow Push-in) 镜头慢慢靠近，制造紧张感 slow push-in, gradual zoom 跟拍 (Tracking Shot) 镜头跟着人物移动 tracking shot following subject 手持 (Handheld) 略有抖动，真实感强 handheld camera, slight natural shake 航拍 (Aerial/Drone) 从高空往下看 aerial drone shot, bird's eye view 环绕 (Orbit) 镜头围着主体转一圈 360 orbit around subject 浅景深 背景虚化，主体清晰 shallow depth of field, bokeh background 黄金时刻 日出/日落时自然暖光 golden hour lighting 慢动作 播放速度变慢，突出细节 slow motion, high frame rate 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： 剪辑节奏 ASL 对应 BPM 区间 典型场景 极快切 1-2 秒 130–160 BPM 动作、游戏、运动高潮 快切 2-3 秒 120–140 BPM 广告钩子、产品炫技、活力感 中速 3-6 秒 90–120 BPM 大多数短视频、教育、产品展示 慢节奏 6-10 秒 70–95 BPM 品牌情感、旅行、纪录片风 极慢 / 呼吸感 10 秒+ 50–75 BPM 氛围类、冥想感、高级感品牌 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 视频主题 情绪目标 推荐音乐风格 BPM 参考 乐器色彩 教育/科普 专注、好奇、轻松 现代器乐、Ambient Pop 90–110 钢琴+轻电子+弦乐 科技产品 未来感、精准、酷 电子/Synthwave/极简 110–130 合成器+低音鼓 情感品牌/故事 共鸣、温暖、感动 Cinematic Indie、声学器乐 65–85 原声吉他+钢琴+大提琴 商业广告/促销 活力、行动力、欢快 流行/电子/Corporate Upbeat 115–130 打击乐突出+明亮弦乐 旅行/探索 自由、壮阔、好奇 Cinematic Orchestral、World 80–105 大编制管弦+自然音效 美食 享受、愉悦、食欲 Jazz/Acoustic/Bossa Nova 80–100 轻爵士+木吉他 时尚/美妆 高级、自信、个性 电子/Neo Soul/极简 95–115 低音贝斯+极简鼓机 游戏/娱乐 刺激、沉浸、能量感 EDM/Trap/电子 130–150 合成Bass+808+高能鼓 企业形象 专业、可信、有温度 Corporate Cinematic 85–105 弦乐+钢琴+轻打击 纪录片/人文 真实、思考、共情 Ambient/Minimalist 55–80 单一乐器+空间感混响 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 字段 填什么 Style of Music 流派 + 情绪 + BPM + 乐器 + 排除项（名词形容词，无动词命令） Lyrics [结构标记] + 可选小节数（如 [Verse 8] ）+ 歌词（无人声时留结构标记即可） 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