Cinematic AI Short Film · Workflow Teardown

用 文字 拍一部黑色电影
Higgsfield 短片全流程精读

我把 Higgsfield 官方社区里那篇约 9 分钟、含 36 条原始提示词、4 个可下载 Skill 的工作流长文逐段读完了。这份报告不复述它,而是把它拆成你能直接照着做的工序:资产怎么造、提示词怎么写、镜头怎么保连贯、接缝怎么藏、表演怎么不"死眼"。

原作者 @adilinthewildtempo 工具 Higgsfield+Claude 模型 GPT Image 2.5 / Seedream 5.0 Pro / Soul Cinema 成片规格 21:9 · 30 秒级片段 提示词原文量 ≈ 66 万字符 内嵌素材 14 张图 · 18 段视频

01三分钟看懂全片流程

先别急着写提示词。这篇文章真正值钱的地方,是它把"AI 生成视频"从抽卡,改成了一条有工序的流水线:资产 → 分镜 → 生成 → 补拍 → 剪辑。

"我做这部短片的方法:先把角色、场景、道具做成可复用的资产;再用一段段手写的分镜提示词,把它们拼成镜头。"

片子叫 《ALLERGIC》:白化病杀手 Adam 接一单活,一路杀进夜店、走廊,最后走进吸血鬼老大 Victor 的书房,把话说完、把人打死,然后回到老 Ron 的办公室交出这单活,说"我不干了"。全片黑色犯罪质感,21:9,几乎每个镜头段都是 20~30 秒的多镜头序列。

STEP 0准备装 4 个 Skill;定死命名规则;准备自己的照片/声音
STEP 1造资产角色三视图 → 选角 → 视频元素;空景板;道具板
STEP 2写分镜用 15 段骨架,一条提示词管一个 30 秒段落
STEP 3生成取用一段出 1~3 个 take,只留能用的那几秒
STEP 4补拍重打光、反打、走位图、re-coverage、Forward Extend
STEP 5剪辑按时间码拼接,用甩镜/身体遮挡藏接缝

这条流程和"直接写一句话抽视频"差在哪

① 资产先于镜头

角色的脸、大衣、链子、声音先被"固化"成一张图和一段约 10 秒的表演视频。之后 30 多个镜头全部用 @char_adam_video_v1 引用同一个人。身份不靠祈祷,靠引用。

② 提示词是施工图

不是"一个帅气的男人走在雨夜街头"。是"0–5 秒、35mm、离地 0.3 米、从右后方 3/4 角、推镜、硬切、雨是背光的"。可执行、可复现、可局部修改。

③ 表演与打斗是结构

"让眼神有戏"没用。要给眼睛一个任务:在对方两只眼睛里找一点信任的火花。要写死 Goal / Obstacle / Tactic,演员才活得起来。

先记住一个数字 原文 36 条提示词,总长度约 66 万字符;最长的一条(书房对话戏)51,314 字符。这不是"提示词写太长所以好",而是把不确定的东西全部写死,剩下的自由度只留给摄影师该自由的地方。你要抄的不是长度,是每一段在解决哪一个不确定性。

谁负责什么:Claude 与 Higgsfield 的分工

角色干什么产出物
你定故事、定调性、选 take、做剪辑判断。所有"这镜头要不要"的决定权。剧本、镜头清单、最终剪辑
Claude(装 Skill)把"这里要发生什么"扩写成符合 15 段骨架的分镜提示词;用五要素引擎审结构;写表演任务块。可直接粘贴的提示词文本
Higgsfield跑图(GPT Image 2.5 / Seedream 5.0 Pro / Soul Cinema)、跑视频、管理 Elements、Canvas 画走位、Forward Extend 续拍。角色图、空景板、视频片段
一句话总结这套方法 把"人、景、物"变成可被 @ 调用的资产,把"戏"变成可被时间码切分的提示词,把"连贯"变成锁(光锁/身份锁/位置锁),把"表演"变成任务。四件事做完,AI 视频才从抽卡变成拍摄。

02先统一语言:14 个词

下面这些词在原文里反复出现,含义和中文社区里的用法不完全一样。先把它们钉死,后面读起来就顺了。

词在这套工作流里的确切含义
Element(元素)Higgsfield 里被命名、可被 @ 引用的资产。分图像元素和视频元素。角色、地点、道具都能做成元素。
视频元素用一张定妆图 + 一段真人录音,生成约 10 秒的"活人参考":脸在动、嘴在说话。它比单张图更能锁住身份和嗓音。
图像元素静态参考:伤口位置、变形后的狼人形态、道具形状、地点空景。
@ 命名统一命名法:@char_名字_video_v1、@loc_地点_v1、@prop_道具。Claude 和 Higgsfield 里必须用同一套名字,否则 AI 不知道你在说谁。
空景板(plate)没有人、没有动作的干净环境图。只负责布局、材质、光源。动作交给提示词,不交给图。
take(条)一次生成的成片片段。一条提示词通常产出 1~3 条可用素材,剪辑时挑。
ACTIVE REFERENCES提示词开头的一节,逐个声明本镜头用到的元素和它负责什么(脸/布局/光/道具)。
LIGHT LOCK光锁。把光源位置、色温、对比写死,禁止任何镜头"重新打光"。跨镜头统一的命根子。
IDENTITY LOCK身份锁。多人同框时逐个写死"谁是谁、脸不能混",防止 AI 把两个角色融合成一张脸。
LOCATION MAP空间地图。用文字描述房间朝向、谁坐哪、摄影机在哪一侧 —— 相当于文字版机位图。
OPTICS光学。用视场角(度)而不是毫米写焦段,并规定"一个镜头内焦段锁死"。
ACTION TIMING时间轴。用 0–5s / 5–9s 这种时间码把 30 秒切成镜头,每个 CUT 里写首帧、动作、台词、切点。
POSITIVE CONSTRAINTS正向约束。不写"不要出现 X",而是写"画面里只有 Y"。因为负面词常把 X 召唤出来。
Forward Extend续拍。选中一条视频,让它从最后一帧往后接着演 10 秒,用来补完动作收尾。
一个命名细节,能省掉一半返工 原文反复强调:在 Claude 里和在 Higgsfield 里,角色必须叫同一个名字。你如果在 Claude 里叫"亚当",在 Higgsfield 里元素名是 @char_adam_video_v1,Claude 写出来的提示词就会指向一个不存在的引用 —— 生成时模型只能自由发挥。

03造人:把演员"造"出来

整个流程里最反直觉的一步是:先花最多时间做一个不会动的人。因为所有人物的稳定性,都来自这张图。

3.1 一张照片 → 双联画角色板(GPT Image 2.5)

作者拿自己的照片当起点。关键不是"生成一个帅男人",而是把照片里的五官结构保住,把其他一切改掉。他用的第一句话就是身份锁:

// 角色板 · 身份锁起手式(中文意译,可直接用于中文提示词)
把附带的照片当作这张脸严格的身份参考:骨相、脸型、眼睛、鼻子、嘴唇、
胡子形状、发型走向、五官比例,必须一眼认出是同一个人。
在此基础之上,按下面的描述把脸推得更硬、更粗粝;
他的肤色、发色、身高、体型与参考图不同 —— 按描述重建,
参考图里那个人的深色头发和肤色不出现在结果里。

然后是版式。注意这段写得像摄影指导的场记单,而不是"美术描述":

同一位年轻男子的两张棚拍照片,左右并置成一张电影角色设定板,
铺在同一块连续的、平整无缝的冷调浅灰背景上,两格之间留一道干净细缝。
左边是全身照(50mm、胸口高度、头顶留一点空间、大衣下摆完整入画、
靴子下方有柔和的影子);右边是头肩近景(85mm、与眼齐平、
从发顶上方一点到上胸、浅景深、双眼最实、每只眼里一枚锐利的高光)。
两格由同一盏前左方硬光照明,阴影边缘干脆,远侧脸深落。
黑色皮革要拍得厚重、不溢出不压死。调色:70% 黑色皮革与洗旧黑棉、
18% 冷中性灰背景、12% 苍白肤色 + 白发 + 白腰带 + 抛光银饰作为画面最亮值。
Adam 卷发角色板
卷发版:左全身 / 右近景,同一背景、同一硬光、同一套服装与配饰。这是"设计输入",不是最终素材。
Adam 直发角色板
直发版:只改发型与发质,其他全部锁死。这是标准的控制变量实验 —— 一次只改一个变量,你才知道是哪个变量在起作用。
为什么一定要双联画 全身照给你体型比例、服装垂坠、脚部与地面的关系;近景给你可辨识的五官细节、皮肤质感、眼神。两者在同一张图里、同一盏灯下,模型就学到了一致的"这个人"。单独一张全身照,脸永远是糊的;单独一张近景,身材和衣摆全靠猜。

3.2 去"AI 味":纹理精修(Seedream 5.0 Pro)

设计稿一旦确定,作者会再做一遍只修表面、不动结构的精修。做法很聪明:一次挂 4~5 张"单一职责"的纹理参考图,每张只负责一件事。

参考负责什么
@image_1已通过的角色板(保结构)
@image_2发丝纹理
@image_3皮肤纹理(毛孔、粗糙度)
@image_4背景材质
@image_5黑色 T 恤的布料
只在右格上,把这个人做成一张细节极密的半身肖像照 —— 皮肤和头发都要看得清。
头发纹理取自 @图片 3,皮肤纹理取自 @图片 4,背景材质取自 @图片 5,
黑色 T 恤的布料取自 @图片 6。左格保持完全不变。
不要改变脸型、发型轮廓、服装剪裁和画面版式。
纹理精修后的 Adam
精修后:还是同一个人、同一套衣服、同一块背景,但皮肤有了毛孔、发丝有了单根结构、布料有了纹理。这一步只花 500 多个字符,但对"电影感"的贡献比后面几千字的镜头描述都大。
可直接抄的两条 ① "单一职责参考图":每张参考只解决一个材质维度,别指望一张图同时给他皮肤、头发和布料。
② 明确"只改哪一格":只在右格修改,左格不动 —— 否则模型会顺手把整张图重画。

3.3 反派要"选角",不走生成

Victor 不是凭空生成的。作者用 Higgsfield 的 AI Cast 先刷了一批脸,挑出符合角色的一张,再以这张定妆照作为视频元素的起点。

Victor 定妆
Victor:男性、四十多岁、高个、琥珀色眼睛、灰色短卷发、有胡须、正装。先满足"选角条件",再谈生成。

为什么"选角"比"生成"更省力

生成是求一个解;选角是从一百个解里挑一个。当角色的核心是"气质"而不是"设定"时,先刷脸再挑,比反复调提示词去逼近某个气质快得多。

挑中之后,这张图的唯一工作就是:当身份锚。它不进任何镜头,只被引用。

3.4 老大 Ron:用 Soul Cinema 出三联画

Ron 是"胖猫式的黑帮老板"。作者用 Soul Cinema 生成三联画(左全身 / 中景 / 近景),中性无缝灰底、均匀光,目的是拿一张能同时读到体型、坐姿、面部的角色板。

Ron 角色板
Ron · option 4:三联角色板。三格在同一个背景下,同一套服装、同一种光 —— 三格其实是同一次"读人"的三个距离。
一张三联角色设定板,画的是一个胖猫式的黑帮老板,纯色无缝中性灰背景、均匀中性照明。
左格:全身,站在画面中央,双手自然垂下,正面偏 3/4;
中格:坐姿中景,坐在桌后,双臂搭在扶手上,略微前倾;
右格:头肩近景,与眼齐平,表情放松但眼睛在算账。
三格必须是同一个人、同一套服装、同一盏灯;不要文字、不要水印、不要道具。

3.5 最关键的一步:把定妆图变成"视频元素"

这是整套方法里最值得学的一招。作者没有停在图片上,而是:用定妆图 + 自己录的一段声音,生成一条约 10 秒的表演视频,再把它存成可复用的元素。

A定妆图身份、发型、服装、配饰
B真人录音自己/朋友念一句台词,手机录即可
C约 10 秒表演脸在动、嘴在说、眼神在任务上
D@char_xxx_video_v1之后所有镜头都引用它
// 视频元素 · 通用模板(Adam 版意译)
把附带的、已通过的角色图动画化成一段短视频参考。
严格保留他的脸、白发、眼睛、体型、黑色皮衣和银色配饰。
给他一个清晰的、可以看清嘴型的短句表演:他直视镜头略偏 3/4,
吸气,说出一句短台词,说完之后眼神不散、下颌微微收紧。
镜头固定不动,不要变焦、不要推拉;背景保持中性、干净、不变。
时长约 10 秒(工具默认片段长度)。不要出现第二个人,不要字幕。
10sAdam 视频元素 —— 定妆图 + 真人录音 → 脸在动、嘴在说、眼神不散。
10sVictor 视频元素 —— 灰发、胡须、琥珀色眼睛在运动里保持稳定。
10sRon 视频元素 —— 胖猫老大的身体语言:坐着、呼吸、下颌微动。
为什么视频元素比图片元素强 一张图只能锁住"长相"。一段视频同时锁住三件事:长相 + 嗓音音色 + 微表情节奏。原文写得很直白:目标是一条"活着的表演参考",而不是"每个镜头里换一个人"。作者的 Adam 声音是自己录的,Ron 和 Victor 找朋友录 —— 真人嗓音里的呼吸、破音、气口,是 TTS 很难给的。
常见误解 视频元素不是"最终画面"。它是参考:真正的镜头里,Adam 可能只出现一个背影、一只手、一个下巴。你需要的是"这个人的身体语言",不是"这段视频被剪进片子"。

04造景:把空间也变成资产

角色的敌人是"换脸",场景的敌人是"换房间"。解法一样:先造一个空房间,之后所有镜头都回到这个房间。

"从干净、空的环境板开始。参考图负责布局、家具、材质和光;镜头和动作,由提示词负责。"

4.1 空景板的三条铁律

  1. 画面里没有人。一旦有人,模型就会开始编故事,布局反而跑偏。
  2. 机位必须写死。高度(贴地/膝/胸/眼)、角度(3/4 斜角)、朝向(看进纵深)—— 三者缺一,下一个镜头就接不上。
  3. 光要能复述。不是"氛围昏暗",而是"柱基有一排暖色上照灯、冷蓝灰雾、湿地面拉出长条暖反光"。

4.2 巷子 · @loc_alley_v1

巷子空景板
巷子:宽到能开车的后街、两车道宽的湿沥青、砖墙、远处一盏昏黄钠灯、靠墙一座老式玻璃钢电话亭。3/4 斜角是为了让"人—亭—巷深"三层纵深能在同一个画面里成立。
夜景后街的广角定场板,深黑新黑色电影调:
一条宽到足以开进汽车的巷子,两车道宽的湿沥青路面,
砖墙、远处一盏微弱的钠灯、靠左墙有一座老式玻璃与钢结构的电话亭。
3/4 斜角,摄影机在胸口高度、靠右侧墙、朝巷子深处看。
画面里没有人。焦点锁在电话亭的金属边框上,前景的砖墙化开,
远处的钠灯化成一团柔光。真实 35mm 胶片颗粒,2.39:1。

4.3 Ron 的办公室 · @loc_room_ron_v1

Ron 办公室
办公室:深色木饰面、一张厚实的大桌、一把皮椅、一盏暖色台灯、玻璃烟灰缸、黑色座机。

一个场景,两场戏

这间屋子在片子里出现两次:开场 Ron 打电话、结尾 Adam 交活。作者只做了一张板,两次都用它。这就是资产复用的收益 —— 观众会下意识觉得"这是同一个地方",哪怕中间隔了十分钟。

写法上要写清"桌子横贯画面、Ron 坐在近侧长边、身体朝画面右 3/4、台灯在左"—— 这些不是美术描述,是调度信息。

4.4 夜店舞池 · @loc_club_dancefloor_v1

夜店空景板
夜店:巨大的空夜店主厅,摄影机在舞池边缘、头部高度、3/4 广角。先拍空场,群众动作全部交给提示词 —— 这样同一个空间能承载"人群涌入、搜寻、打斗"三种完全不同的密度。

4.5 走廊与五个保镖

走廊
走廊:狭窄画廊式走廊,摄影机贴右墙、胸口高度、朝左墙转约 30°。窄,是为了让打斗"无处可退"。
五个保镖
群像板:五个可辨识的保镖一字排开、肩并肩、面对面站成一道墙。拍群架前先造"人墙",才不会打成一片糊。

4.6 同一个房间的"另一面":反打

对话戏最难的是:你要拍桌子这头的人,也要拍桌子那头的人,而两者必须是同一个房间。作者的做法是做一张反打板(reverse angle)—— 从房间另一头看向门口,几何、材质、暖光全部对齐。

办公室冷光原图
原始冷光版:几何最准的一版,用来当"重打光"的输入。
办公室暖光重打光
RE-LIGHT ONLY:只改光,不改几何。同一机位、同一构图、同一家具。
反打机位
反打:站在房间深处朝门口看。门、墙板、地毯、暖光都必须和正面机位对得上,否则剪在一起观众立刻出戏。
// 重打光提示词的写法:第一句就把边界钉死
只重打光。保持这一帧的一切不变:同一机位、同一 2.39:1 构图、同一镜头、
同一套家具、油画、窗帘、墙面、地毯、酒瓶和烟灰缸的位置都不动。
只把光源换成:右侧壁灯为主光,色温 2700K,桌面上留下一道明确的暖色光斑,
左侧墙面落入阴影,暗部保留细节、不要死黑。
"只重打光"这四个字值钱在哪 如果你只说"把光变暖",模型会顺手把窗帘换个颜色、把椅子挪个位置。先说"只做什么",再说"保持什么不变",最后才说"改什么" —— 这个语序是这套提示词里反复出现的模式。

4.7 走位图:给打斗画一张平面图

Canvas 走位平面图
Blocking 平面图:在 Canvas 上画的高角度俯视示意图,标出 Adam 与 Victor 的起始站位。原文特别强调:这张图只控制"从哪儿开始",它不是镜头参考。
附件是 @image_1 的俯视走位图。
它是空间调度的唯一依据:Adam 从图的左下进入,Victor 在红色沙发的右前方站立,
两人相距约 2.5 米。这张图不是摄影机参考 ——
摄影机的位置、高度、焦段由下面的 CAMERA 段落决定,不按这张图的视角来拍。
为什么必须写明"这不是镜头参考" 你扔给模型一张俯视图,它会倾向于照着这张图的机位去拍,于是你得到一个俯拍打斗。加一句否定式说明(这里可以,因为它是"语义澄清"而不是"画面负面词"),把它的角色限定在"调度"上。

4.8 道具元素

道具同样是元素:@prop_bike(带尾箱的摩托)、@prop_adam_pistol(Adam 的手枪)、@prop_electric_baton(电棍)、@prop_spent_bullet(打穿的弹头)。

其中弹头是单独用 Seedream 5.0 Pro 做的一张"微距产品图":一颗从 Desert Eagle 射出的、已变形、空的 .45 弹头,放在纯色无缝中性灰上。理由很实在 —— 后面有一个镜头是弹头从他额头掉出来,形状和材质必须前后一致。

05骨架:一条提示词的 15 段

把 36 条提示词的段落名统计一遍,会看到同一套骨架反复出现。这就是这套工作流的"语法"。学会它,你写一条 30 秒的镜头段,只需要填空。

#段落名它到底在解决哪个不确定性
1SCENE CONTEXT 场景契约这是第几块、总共几块、多长、什么画幅、此刻剧情到哪了、这场戏要结束在什么状态
2ACTIVE REFERENCES 引用清单这一条用到哪些元素,每个元素分别负责哪一部分(脸/布局/光/道具)
3IDENTITY LOCK 身份锁多人同框时,谁是谁,不能混脸、不能串衣服
4LIGHT LOCK — ABSOLUTE 光锁整场戏的光源位置/色温/对比,禁止任何镜头自由打光
5LOCATION MAP 空间地图房间朝向、谁坐哪、门在哪、摄影机在哪一侧、人物往哪边走
6FIRST FRAME AND SPATIAL BLOCKING 首帧第一个画面到底长什么样,人物在画面里的准确位置
7FORMAT MODE 形式多镜头硬切?一镜到底?固定机位?手持?
8OPTICS 光学每一镜的视场角、机位距离、焦段在镜内锁死
9CAMERA 运镜用三脚架还是手持,推/拉/摇/升,什么时候停
10ACTION TIMING 时间轴把 30 秒切成 0–5s / 5–9s…,每段写清首帧、动作、台词、切点
11PHYSICS 物理重量、接触、惯性、布料、水、人群的挤压 —— 让画面"有质量"
12LIGHTING 具体光源光锁之下,这一镜的可实用光源怎么落在人身上
13AUDIO 声音只有现场声/音效;有没有台词;谁不出声
14STYLE + QUALITY质感基调 + 验收清单(这条最容易漏,也最有用)
15POSITIVE CONSTRAINTS用"只允许发生什么"代替"不要发生什么"

5.1 SCENE CONTEXT:先给模型一个"契约"

原文第一条写的是 Block 1 of 6. Thirty seconds, 21:9. —— 六个字就干掉了三件事:这是六块里的第一块(意味着后面还有,别自己收尾)、时长 30 秒、画幅 21:9。

场景契约
第 1 块,共 6 块。三十秒,21:9。
一通已经在进行的电话,横跨两个空间:Ron 已经折了一个自己人,
现在派 Adam 去杀那个动手的人。
这场戏的整体基调:压抑、旧派的暴怒 vs. 年轻的冷静。
它结束在:Ron 在电话那头被打断,Adam 挂机、跨上摩托离开。
为什么"第几块、共几块"要写 生成模型有一个坏习惯:把每条提示词都当成一部完整的短片,于是它在 30 秒内给你一个"开头—高潮—结尾"。写上"下一块还有",它才会把情绪悬在半空,把动作留在画面外。

5.2 ACTIVE REFERENCES:每个元素只准负责一件事

原文这一节是逐行写的,一行一个 @,并且紧跟一句"它负责什么"。这个写法几乎是防跑偏的核心。

生效引用
@char_ron_video_v1 —— 视频元素 —— RON。脸、灰发、手、服装与参考一致。
   嗓音:使用这条参考里的声音 —— 同样的音色,低沉、沙哑、气息重。
@char_adam_video_v1 —— 视频元素 —— ADAM。体型、皮衣、领口细银链、手与参考一致。
   本场他只以背影剪影出现,不要给正脸。
@loc_room_ron_v1 —— 地点 —— RON 的办公室。控制布局、材质与实用光源:
   厚重的木桌、一盏暖色台灯、玻璃烟灰缸、一部黑色座机。
@loc_alley_v1 —— 地点 —— 巷子。控制布局与材质:湿沥青、砖墙、
   远处一盏微弱钠灯、靠墙一座老式玻璃钢电话亭。
@prop_bike —— 道具 —— ADAM 的摩托(带尾箱)。控制车辆外观。
抄这一条就够 写成三段式:@名字 — 类型 — 它负责什么。特别是"本场他只以背影出现"这种出场限制,比任何"保持一致性"的空话都管用。

5.3 IDENTITY LOCK:三个男人不能长成一张脸

多人同框是 AI 视频最容易崩的地方。原文有一节的标题直接叫 IDENTITY LOCK — THREE DIFFERENT MEN,逐人固定年龄、体型、发型、服装、以及"他们的相对身高差"。

身份锁 —— 三个不同的男人
ADAM:二十多岁中期,180cm,白化病,纯白短发,苍白皮肤,黑色长皮风衣。
VICTOR:四十多岁中期,188cm,灰色短发与胡须,琥珀色眼睛,丝质西装。
RON:六十多岁,175cm,灰白短发,圆胖体型,深色开衫。
三个人的脸在任何镜头里都不能互相污染;
同框时保持上述身高差(Victor 最高、Adam 居中、Ron 最矮)。
任何一帧里,每个人的发型轮廓与服装都必须能被单独认出来。

5.4 LIGHT LOCK — ABSOLUTE:光一旦锁死,房间就成立了

这是"电影感"和"AI 感"的分水岭。作者在夜店戏里连频闪的频率都写死了:

光锁 —— 绝对
每一个镜头的光,都是参考图里那一套光,不得新增光源、不得换色温:
柱基的一排暖色上照灯、冷蓝灰的雾、湿地面上的长条暖反光。
频闪每 3 秒一次,每次只亮一帧;火焰炮每 5 秒一次,在远处墙边、很小。
任何镜头都不得出现参考图以外的光源,
不得整体提亮、不得改变对比曲线。
为什么频闪要写"每 3 秒一次、只亮一帧" 因为"频闪"是一个会失控的词。你不写频率,模型会给你一整段忽明忽暗的癫痫画面;你写了频率和一帧的时长,它才会把频闪当成节拍器而不是滤镜。

5.5 LOCATION MAP:用文字画机位图

空间地图
房间:桌子横贯画面左右。Ron 坐在近侧长边,身体朝画面右 3/4。
台灯在左,烟灰缸与座机在他手边。门在他身后的画面右后方。
巷子:一条从摄影机向远处钠灯收窄的通道。电话亭靠左墙、在近处纵深,
它的门朝着巷子内侧。摩托停在同侧墙边、在电话亭之外约 3 米处,车头朝巷子深处。
摄影机始终在 Adam 的右后方工作。

注意它写的不是"一个老旧的房间",而是能被人走过去的方向。这就是"屏幕方向"(screen direction):观众靠它判断"他往哪走、她朝谁看",一旦反了,剪辑就会乱。

5.6 FIRST FRAME:第一个画面,精确到百分比

原文在夜店戏里把首帧写成了坐标表:门口在画面上方中央 (x 35%, y 10%),保镖在门内右侧 (x 53%, y 15%),左侧立柱从底到顶 (x 10–18%)…… 看着夸张,但它换来的是下一个镜头能对上。

首帧
开场在 Ron 的办公室。极近特写:Ron 的嘴、下颌和听筒,
从他右侧 3/4 看过去,摄影机滚转 15°,让台灯的光斜切过画面。
他的另一只手(夹着烟)只在画面边缘短暂入画。
同时,Adam 已经在巷子的电话亭里,面朝壁挂话机盒,
听筒贴在右耳、左手夹烟,肩膀填满画面。

5.7 FORMAT MODE:先声明这是"哪一种拍法"

  • Controlled multi-shot sequence, 30 seconds, hard cuts. —— 受控多镜头,30 秒,硬切。
  • ONE CONTINUOUS HANDHELD TAKE, shot from the hands of a man who cannot hold a camera still —— 一镜到底的手持,而且是"一个端不稳相机的人"拍的。这一句直接决定了整条片子的呼吸。
  • one continuous take across two locations —— 一个镜头跨两个空间(用来做转场)。
"端不稳相机的人"是个绝妙的提示词 想手持晃动,别写"handheld"(模型会给你轻微漂移)。写一个人格化的摄影者:一个端不稳相机的人。画面立刻有了那种真实的、粗粝的失控感。

5.8 OPTICS:用"度"而不是"毫米"

光学
特写:对角视场 47°,自然透视。
桌面中景:63°。
最后的巷子全景:84°,经典广角直线透视。
每个镜头内部,焦段锁死不动。实用光源周围允许轻微的水平光晕。

理由来自那份 Anamorphic skill:视频模型不理解"50mm",它理解"视角有多宽"。所以整套流程统一用视场角,并且配一张换算表(见第 10 节)。

5.9 ACTION TIMING:把 30 秒切成可执行的块

这是整条提示词的"拍摄现场"。格式极固定:

动作时间轴
0–5s — 镜头 1 — @loc_room_ron_v1。
从 Ron 嘴下方一点拍的极近特写,右侧 3/4。摄影机滚转 15°,
让台灯的光斜切过画面。他对着听筒说:
RON:「这只该死的小狗,得学会自己的位置。」
他夹烟的手短暂入画边缘。硬切。

5–9s — 镜头 2 — @loc_alley_v1。
从 Adam 背后拍的紧特写。摄影机放在湿地面之上约 0.3 米,
刚好在电话亭敞开的门口内侧、略偏他右边。
他的深色肩膀、皮衣领口、贴在右耳上的听筒填满画面。
缓慢推近他的肩膀。烟一直在左手低处,一缕烟绕过肩头。
他的脸始终不露。听筒里,Ron 的声音更低、几乎像自言自语……

9–12s — 镜头 3 — …(依此类推)
时间码的三条纪律 ① 每段以"镜头 N"开头,方便你之后单独重生成某一段;
② 每段都必须写切点长什么样("硬切"、"切在金属磕碰声上"、"切在黑场");
③ 时间加起来必须正好等于 SCENE CONTEXT 里的总时长 —— 否则模型会自己拉伸或压缩。

5.10 PHYSICS:让画面有重量

AI 视频最典型的"假"是没有质量:人走路像滑行,人群像贴纸,衣服像塑料。原文的 PHYSICS 段落专门用来治这个。

物理
一个站在湿混凝土上的男人,重心压在一条腿上,然后用不均匀的步频
穿过拥挤的舞池,不碰到任何人:肩膀侧转去挤开人群让出的缝,
每一步都踩在节拍上;长外套在快步时甩开、在慢步时落定;链腰带摆动,皮革发出轻响。
舞动的人体有重量:脚离地、落地时膝盖弯曲,
落地的冲量喂给下一次弹起;手臂举过头顶会把肩膀拉起来再落下;
酒水在每次弹起时晃出、喷溅;松动的衣服和头发抬起又落下;汗水反光;
拥挤的身体互相撞上又弹开,整个人群像潮水一样涨落。

5.11 AUDIO:只写"现场能听见的"

声音
只有音效,全部是画内声 —— 身体、脚步、玻璃、火焰、频闪;
DJ 只被看见、不被听见;没有任何台词。
满场爆发的轰鸣、几百只脚落在湿混凝土上、喊叫、口哨、笑声、拍手;
他的靴子先独自踩在湿地上,然后被淹没在人群里;
皮衣在他转身时发出摩擦声;链腰带敲在皮革上。
火焰炮每 5 秒一次的轰声,频闪每 3 秒一次的干涩咔哒。
不要旁白,不要字幕。

5.12 QUALITY:把"验收清单"写进提示词

这是我个人认为最值得抄的一节。它不写"高质量、超写实",而是写一张检查表,逐条列出这一镜必须同时成立的事实。

质量(验收清单)
首帧在角度、高度、布局和光上与参考帧一致 —— 门在上方中央、
左前景的立柱与上照灯、男人独自站在左中位置的空地、人群占满右半边;
四个镜头、硬切;Adam 的每个镜头都是 3/4 角,脸在该实的地方实,
眼睛与参考一致;他的走路不均匀、会绕;头左右转动;
人群在每一个镜头里都
—— 每个人都是不同的人、不同颜色、有自己的动作, 没有克隆脸、没有融合的身体、没有重复的四肢; —— 没有任何人被碰到,没有围成一圈,除了门口那个门童,没有人站着看; —— 十次频闪都只有单帧,且都不落在镜头的第一帧上; 运动穿过每一次闪光连续不断,绝不出现定格或重复帧; —— 没有人看向镜头;每个镜头的光与参考图完全一致, 没有新增光源、没有偏色;火焰炮在墙边、远而小。 硬切,不要叠化。
把负面要求改写成"检查项" 对比一下:"不要有克隆脸" vs "每个人都是不同的人、有自己的动作,没有克隆脸"。后者同时给了要做的和不要的,模型有了正向目标,失败率显著下降。

5.13 POSITIVE CONSTRAINTS:用"只允许"代替"不要"

正向约束
一镜到底,一个骑手,脸始终不露 —— 近景段摄影机低于下巴,其余段在他身后。
整条都是深夜:从天际线到画幅顶端都是黑天,地平线与天顶是同一种黑,
画面里每一个光源都是路灯、车灯、窗灯或航空障碍灯。
右侧通行:Adam 在右车道,迎面车灯在左车道。
路面全程干燥。摄影机先从车轮与大衣的低位前 3/4 开始,
绕到他身后,然后一个动作里拉远并升起,变成整座桥的广角,
桥塔与黑色城市在黑色天空之下,屋顶上浮着薄薄的烟霾。
为什么这套流程几乎不用"no XXX" fight-scene skill 里写得很直白:"禁止项会召唤它命名的东西" —— 你写"没有高踢腿",模型就开始想高踢腿。所以统一改成描述一个已经成立的状态:"每一次踢腿都停在腰带高度以下"。

5.14 三块"可选扩展":台词、表演、群演

块什么时候加作用
DIALOGUE — VERBATIM AND COMPLETE有台词的戏逐字锁定台词,并规定"硬切只切画面,一句话不能被切断"
ACTING TASK — 角色名需要表演时给眼睛一个任务:动机/目标/障碍/战术/逐句动作
THE CROWD / NO CONTACT — LOCKED群戏规定人群密度、每个人独立动作、主角与人群零接触

5.15 一条可以直接填空的模板

// 30 秒镜头段 · 通用模板(把尖括号换掉即可)
场景契约
第 <N> 块,共 <M> 块。<三十>秒,<21:9>。<一句话说清此刻剧情与情绪>。
本块结束在:<结束状态>。

生效引用
@<角色视频元素> —— 视频元素 —— <名字>:脸/发型/服装/嗓音以参考为准。<出场限制>
@<地点元素> —— 地点 —— 控制布局、材质与实用光源:<三到五个具体物件>。
@<道具元素> —— 道具 —— 控制外观。

身份锁 <多人同框时逐人固定年龄/身高/发型/服装>
光锁 —— 绝对 <光源清单 + 色温 + 禁止新增光源>
空间地图 <房间朝向 / 谁在哪 / 门在哪 / 摄影机在哪一侧>
首帧 <极近/近/中/广 + 角度 + 关键物件的画面位置>
形式 <多镜头硬切 / 一镜到底手持 / 固定机位>
光学 <每镜:对角视场角 + 机位距离 + 镜内焦段锁死>
运镜 <三脚架/手持;推/拉/摇/升;什么时候停>

动作时间轴
0–<t1>s — 镜头 1 — <地点>。<首帧描述>。<动作>。<台词>。<切点>。
<t1>–<t2>s — 镜头 2 — …

物理 <重量 / 接触 / 惯性 / 布料 / 水 / 人群>
声音 <画内音效清单;有无台词;不要旁白/字幕>
质感 <写实 / 胶片颗粒 / 对比 / 色彩>
质量(验收清单) <逐条写出必须成立的事实>
正向约束 <只允许发生什么>

06数据:36 条提示词解剖

我把原文里 36 条提示词全部抓下来量了一遍。数字本身就在讲方法论。

36

条提示词
覆盖全片 5 场 17 个镜头段

665,455

字符总量
约等于一本中篇小说

11,814

中位数字符数
最短 505 / 最长 57,323

类型条数长度特征它们在解决什么
人物/道具资产7 条505 – 6,165一次说清"这个人长什么样",之后永不再改
地点空景板7 条2,520 – 8,254布局、材质、光源 —— 给后续所有镜头一个可回去的地方
镜头段(剧情)17 条8,914 – 57,32330 秒内的分镜、时间码、表演、物理、声音
特殊工序5 条3,291 – 16,269重打光、反打、换覆盖、续拍

6.1 全部 36 条,按原文顺序

#段落字符数它真正在解决的事
1Adam 卷发设计 · GPT Image 2.56,012从一张真人照片重建角色,保住五官、换掉发色肤色体型
2Adam 直发设计 · GPT Image 2.56,165同上,只改发型 —— 控制变量对比
3纹理精修 · Seedream 5.0 Pro505去 AI 味:四张单职责纹理参考,只修右格
4Ron 角色板4,845三联画:体型 / 坐姿 / 近景一次给全
5Adam 视频元素模板567定妆图 + 嗓音 →约 10 秒"活人参考"
6Victor 视频元素模板545同上,锁住反派的脸与音色
7Ron 视频元素模板564同上
8巷子 · @loc_alley_v12,520空景板:3/4 角、湿沥青、钠灯、电话亭
9Ron 办公室 · @loc_room_ron_v12,796同一场景要服务开场与结尾两场戏
10夜店舞池 · @loc_club_dancefloor_v13,157空场先立,人群后加
11Scene 1.1 电话13,576两个空间一通电话,四个可用 take
12Scene 1.2 桥上夜行8,91420 秒一镜到底:跟随 → 绕到身后 → 拉开升起
13Scene 1.3 抵达夜店24,162一镜跨两个空间:街面 → 走廊
14Scene 2.1 进入人群22,659首帧坐标表,让人与环境严丝合缝
15Scene 2.2 派对 B-roll23,14912 个镜头,起重臂从靴子开场
16Scene 2.3 搜寻舞池18,2993/4 角一路看脸,人群不停
17Scene 2.4 回头18,639一个"怀疑"的节拍,靠头转完成
18Scene 2.5 保镖发现19,3969 个镜头,从 DJ 的手开场,把派对变成威胁
19Scene 2.6 夜店打斗40,30521 个镜头的一打三,打斗蒙太奇
20Scene 3 走廊参考8,254狭窄画廊的布局与光的底座
21走廊群像 · Soul Cinema2,949五个可分辨的保镖,一字排开
22Scene 3.1 保镖闲聊42,46430 秒一镜手持,靠对话立人物
23Scene 3.2 走廊打斗42,272一镜手持;两个 take 拼接,接缝藏在甩镜里
24Scene 3.3 大衣与枪40,304打完之后的"静":理大衣、跨过人、拔枪
25Scene 4 办公室参考5,729沙发的墙与房间几何
26重打光 · Seedream 5.0 Pro3,291只改光,不改几何
27反打 · Soul Cinema6,911同一房间的另一面
28Scene 4A 对话51,314五句台词逐字锁死;六个 take 拼一场
29弹头参考 · Seedream 5.0 Pro3,911微距产品图,为后面的"弹头掉出"定形状
30Scene 4B.1 弹头穿出54,454弹头必须完整离开额头且不变形
31Scene 4B.2 变形57,323用 Adam 的后背遮住变身过程
32Scene 4C 探索房间12,001广角/中景/俯视三套空镜,给打斗铺底
33Scene 4C.1 基础打斗51,68915 镜 / 14 个硬切,每 2 秒一刀
34Scene 4D 换覆盖16,269把已有打斗当 @video_1 重拍一遍机位
35Scene 4E 收招11,626Forward Extend 续 10 秒,收在脸上
36Scene 5 回到办公室37,919四句台词,切黑在转身中途

6.2 三个反直觉的读数

① 资产短、镜头长 —— 但"约束密度"正好相反

角色板 6,000 字符里,绝大多数是描述(他长什么样)。镜头段 50,000 字符里,绝大多数是禁止与规定(不许换光、不许换脸、不许切台词)。前者是"给模型一个目标",后者是"给模型一个笼子"。新手常把力气用反:花两小时描述画面,却不写一句"不许变"。

② 最长的三条,都不是"画面最复杂"的

最长的是 4B.2 变形(57,323)、4B.1 弹头穿出(54,454)、4C.1 基础打斗(51,689)。它们共同点是:有物理连续性难题——弹头要怎么掉、变身要怎么被遮住、15 个镜头的每一拳落在哪个部位。提示词的长度,应该跟"失败一次的代价"成正比。

③ 标题不是给人看的,是给模型定位的

36 条里,ACTIVE REFERENCES / PHYSICS / AUDIO / STYLE 各出现 17 次,POSITIVE CONSTRAINTS 13 次。这些全大写的段落名相当于锚点:模型在长文本里靠它们判断"现在读的是哪一类信息",你改一段也不会污染其他段。

07逐场拆解:5 场 17 段

下面按片子顺序走一遍。每一段只讲三件事:这场戏要什么、用了什么手法、你能抄走什么。

注:本页内嵌 18 段成片视频(共约 36 MB),点开即播,无需联网。画面与提示词一一对应 —— 这正是「提示词写清楚了,模型就照做」的证据。

第一场 · 电话(Scene 1.1 – 1.3)

1.1 电话 · 30 秒 · 21:9 · "六块里的第一块"

13,576 字符 · 一条提示词产出 4 个可用 take
  • 要什么:Ron 暴怒、Adam 冷静;一句话没说完就被挂断;然后 Adam 骑车离开。
  • 手法:两个空间来回硬切。Ron 那边用固定三脚架,让他的身体动作自己制造能量;Adam 那边只给背影,脸始终不露。
  • 抄什么:"一条提示词 = 四个可用 take"。作者不是要一条 30 秒的成片,而是要从一条生成里摘出四段可用素材:开场、Ron 的表演、挂机、离开。剪辑时再拼。

1.2 桥上夜行 · 20 秒 · 一镜到底

8,914 字符 · 一条连续运动
16s成片片段 —— 低位前 3/4 拍车轮与大衣 → 绕到身后 → 在一个动作里拉远并升起,露出整座桥和黑色城市。
  • 要什么:把巷子接到夜店,同时给片名留位置。
  • 手法:摄影机先在低位前 3/4 拍车轮与大衣,一个动作里绕到车后、再拉远升起,变成整座桥的广角。
  • 抄什么:写"三个动作合成一个连续运动",而不是写"环绕镜头"。前者可执行,后者只能靠运气。
    另外:天空必须纯黑——"从天际线到画幅顶端都是黑天,地平线与天顶是同一种黑"。这句是为了给片名留出可读的负空间。

1.3 抵达夜店 · 30 秒 · 一镜跨两个空间

24,162 字符 · 全片最长的"过渡"
30s成片片段 —— 摩托停车 → 街面 → 黑暗走廊 → 舞池冷光打到脸上,一个镜头跨两个空间。
  • 要什么:从摩托车停车 → 门口 → 黑暗走廊 → 舞池冷光打到他脸上。
  • 手法:用一个"醉汉"作为前景遮罩,把两个空间缝成一个镜头。
  • 抄什么:跨场景转场别用叠化,用前景物体(人、车、柱子)扫过镜头,把接缝吃掉。

第二场 · 夜店(Scene 2.1 – 2.6)

2.1 进入人群 · 30 秒 · 4 镜

22,659 字符
30s成片片段 —— 首帧复现参考构图,然后他被人群吞掉。
  • 开场就是参考帧复现:门在上方中央、立柱在左前景、他独自站在左中空地。
  • 首帧用 x/y 百分比把每个物件钉死。
  • 抄:把参考图的构图当成"第一帧"来复述,后面才好接。

2.2 派对 B-roll · 30 秒 · 12 镜

23,149 字符
30s成片片段 —— 起重臂从靴子特写开场,一路升起来看整片舞池。
  • 一个起重臂镜头开场,特写他的靴子,再升起。
  • 人群的"不知道即将发生什么",是用来反衬暴力的。
  • 抄:B-roll 也要有叙事任务(反差),不能只是"热闹的画面"。

2.3 / 2.4 搜寻 / 回头 · 30 秒

18,299 / 18,639 字符
30s2.3 搜寻 —— 3/4 角一路看脸,人群一刻不停。
30s2.4 回头 —— 他继续走,然后回头看了一眼镜头的方向。
  • 全程 3/4 角,他从一张脸看到另一张脸,脚步不停。
  • 2.4 只加了一个"回头"的节拍,就把怀疑立住了。
  • 抄:一个动作 = 一个段落。别在一条提示词里塞两个情绪转折。

2.5 保镖发现 · 30 秒 · 9 镜

19,396 字符
30s成片片段 —— 从 DJ 的手开场,到那句 Kill him 和电棍特写。
  • 从 DJ 的手开场 —— 先给"正常",威胁才显得突然。
  • 资深保镖一句 "Kill him",紧接着电棍特写。
  • 抄:把"命令"和"凶器"剪在一起,比任何打斗都吓人。

2.6 夜店打斗 · 30 秒 · 21 镜 · 打斗蒙太奇

40,305 字符 · 全片镜头数最多的一段
30s成片片段 —— 21 个镜头的一打三:先身后,再右边,最后左边的资深保镖。
  • 要什么:一打三,但观众必须看得懂"他先解决了身后那个,再解决右边,最后是左边的资深保镖"。
  • 手法:把 21 个镜头写成一条可读的顺序,每镜只负责一个接触点;起重臂从 Adam 正上方开场,建立"他被围住"的空间感。
  • 抄什么:群架不要写"混战"。写顺序:谁先、谁后、每个人最后什么状态。观众能读懂,是因为你写清楚了,不是因为 AI 拍清楚了。

第三场 · 走廊(Scene 3 – 3.3)

3.1 保镖闲聊 · 30 秒 · 一镜手持

42,464 字符 · "一个端不稳相机的人"
30s成片片段 —— 一镜手持,晃得像「一个端不稳相机的人」拍的。
  • 要什么:用一场关于吸血鬼电影的闲聊建立人物,再把注意力转向 Adam。
  • 手法:全程手持、剧烈抖动,"像一个拿不稳相机的人拍的"。台词是逐字锁死的,谁说什么、谁不出声都写明。
  • 抄什么:把"手持"写成一个人格(端不稳相机的人),比写"handheld camera"有效十倍。

3.2 走廊打斗 · 30 秒 · 两个 take 拼一条

42,272 字符 · 接缝藏在甩镜里
  • 要什么:Adam 入场 → 一连串清晰的打击,每个保镖都要能被单独认出。
  • 手法:拍两条(入场+开场打斗、打斗延续),在甩镜模糊与身体运动里接起来。
  • 抄什么:AI 一次只能给你 30 秒,那就把 60 秒的戏拍成两条,再找运动最快的那一帧接。接缝要藏在"画面本来就糊"的地方。

3.3 大衣与枪 · 30 秒 · 一镜手持

40,304 字符
30s成片片段 —— 打完之后的静:理大衣、跨过倒下的人、拔枪。
  • 要什么:打完之后的"静":他理好大衣、跨过倒下的人、拔枪。
  • 手法:动作全部放慢,只留布料、靴子、呼吸的声音。
  • 抄什么:暴力之后的整理动作,比暴力本身更能立人物。这条在写剧本时就要留出来。

第四场 · 书房(Scene 4 – 4E)

4A 对话 · 30 秒 · 五句台词 · 六个 take 拼成

51,314 字符 · 全片表演密度最高
  • 要什么:一场"克制力的决斗":Adam 下达判决,Victor 的玩笑逐渐变成恼怒。
  • 手法:①台词逐字锁死,标注"念到最后一个字才算完成";②硬切只切画面,不切台词 —— 一句话开始了就必须说完;③给每个角色写 MOTIVE / GOAL / OBSTACLE / TACTIC;④六个 take 各取一段,按时间戳拼。
  • 抄什么:台词戏的稳定性,来自"不许被剪辑切断"这条明文规定。模型不知道你要保留整句,它就会为了节奏给你切掉半句。

4B.1 弹头穿出 · 30 秒

54,454 字符
30s成片片段 —— 弹头完整离开额头、落下,形状全程不变。
  • 要什么:Victor 中枪后恢复;弹头必须完整离开额头并落下,且形状不变。
  • 手法:先单独做一张弹头微距图当 @prop_spent_bullet;提示词里写死"形状与参考一致、掉落过程中不变形"。
  • 抄什么:凡是"物件必须保持形状"的镜头,先给它一张独立道具图。别指望模型记住上一镜的弹头。

4B.2 变形 · 30 秒

57,323 字符 · 全片最长
30s成片片段 —— 用他的后背挡住中间过程;镜头再打开时,变形已经完成。
  • 要什么:Victor 变成狼人,但不能让观众看清"变形"的中间过程(AI 做不好中间帧)。
  • 手法:用 Adam 的后背挡住变身,等镜头再打开时,已经是完成体。
  • 抄什么:用遮挡代替特效。凡是 AI 做不好的连续过程,就用一个前景物体把它藏起来 —— 这既是技术方案,也是老派电影的做法。

4C.1 基础打斗 · 30 秒 · 15 镜 / 14 个硬切

51,689 字符 · 每 2 秒一刀
10s4C 空镜 —— 广角 / 中景 / 俯视三套空房间,给打斗铺底。
30s4C.1 基础打斗 —— 15 个镜头、14 个硬切,每 2 秒一刀。
  • 要什么:打斗贴着红沙发进行,房间在任何一帧都不能变。
  • 手法:先把走位图当 @image_1 固定起始位置;然后 15 个镜头、在 2.0/4.0/6.0…秒处精确硬切;每个攻击都有"接近—接触—反应"三段。
  • 抄什么:把剪辑点写进提示词。"每 2 秒一个硬切"这种话,模型真的会照做,而且比你在后期切更连贯。

4D / 4E 换覆盖 + 收招

16,269 / 11,626 字符
42s4E 收招 · Forward Extend —— 从源视频最后一帧续拍,收在他喘气的脸上。
  • 4D:把已经拍好的打斗视频当 @video_1,只换机位重拍一遍(更广、更低、加前景遮挡),动作完全一致。
  • 4E:用 Forward Extend 从最后一帧续 10 秒:他收招,摄影机推到他脸上,喘气。
  • 抄什么:这两招是"用 AI 做后期"的核心:先拍一条能用的动作,再从它身上长出别的机位和结尾。这比重新生成便宜得多,也稳得多。

第五场 · 回到办公室(Scene 5)

30 秒 · 四句台词 · 切黑在转身中途

37,919 字符
  • 要什么:权力关系翻转。Adam 交活、说自己不干了、转身要走,直到 Ron 说"你父亲回来了"。
  • 手法:袋子"小、闭合、用文字描述"(不给参考图,避免模型自由发挥);Adam 只在"back"这个词上停;惊喜转愤怒,然后在转身中途硬切到黑。
  • 抄什么:片尾不要给"完整动作"。在动作中间切断,观众自己会补完 —— 而且这个镜头之后不需要任何素材。

08进阶:重打光、反打、补拍、续拍

前面是"第一次生成"。这一节是真正的分水岭:拿到一条能用的素材之后,怎么从它身上长出更多东西。

8.1 重打光:先拍几何,再换情绪

作者的顺序很讲究:先做一张冷光版(几何最准),再用它当输入做一张暖光版(情绪最准)。之后所有对话戏都用暖光版当参考,所有"看布局"的判断都用冷光版。

版本用途写法要点
冷光原版几何基准无人的空房间,机位、构图、家具位置全部固定
暖光重打光版情绪基准第一句:"只重打光。保持这一帧的一切不变。"然后才写光
// 重打光提示词的语序(这个顺序不能乱)
1. 只重打光。
2. 保持不变:同一机位、同一构图、同一镜头、同一套家具与陈设。
3. 改成什么:右侧壁灯为主光,2700K,桌面上留一道明确的暖色光斑,
   左侧墙面落入阴影,暗部保留细节、不要死黑。
4. 不允许:改变任何物体的位置、比例、材质。

8.2 反打:让"另一面墙"也成立

对话戏只要有一个反打,观众就会相信这是一个真实的房间。做法:

  • 从房间另一头朝门口看,机位高度换成"站立眼平"(原机位是"坐姿眼平 110cm")。
  • 必须交代那面墙上的东西:门、护墙板、地毯边缘、灯的位置。
  • 暖光的方向要能对上 —— 正面机位里光来自右壁灯,反打里光就应该从画面左侧来。
一个自检方法 把正反打两张图并排看,问自己:如果我是摄影师,我能解释这两张是在同一个房间里拍的吗? 解释不了,就重做反打,别指望剪辑能救。

8.3 Re-coverage:把已有动作当"素材"重拍一遍机位

4D 那一段是整篇文章里最"工业化"的一招。做法:

  1. 选一条打得好的基础打斗视频,作为 @video_1 附上。
  2. 提示词第一句就写死:这是对参考视频的重新覆盖,同一个打斗、同样两个人、同样的位置与动作。
  3. 只改 CAMERA / OPTICS:更广、更低、加前景遮挡。
  4. 目的:让同一段动作在不同机位下出现,剪起来像"多机位拍摄"。
// Re-coverage 起手式(4D 段落意译)
ALLERGIC — VICTOR 的办公室 — 打斗,对参考视频的重新覆盖。30.0 秒。
@视频 29 · 30 秒 是源:同一场打斗、同样两个人、同样的起始位置、
同样的动作顺序与接触点。
唯一改变的是摄影机:这次用更广的视场、更低的机位、
并且在画面左前景加一根柱子作为遮挡。
动作本身不得改动:谁出拳、打在哪、对方怎么倒,全部与源一致。

8.4 Forward Extend:从最后一帧往后长 10 秒

用在"动作差一点点就收完"的地方。原文 4E 的做法:选中片段 → Forward Extend → 描述接下来发生什么。

// 续拍提示词(4E 意译)
续拍 —— ALLERGIC — VICTOR 的办公室 — 打斗的结尾。10.0 秒,一个不间断的手持镜头,
直接从源视频的最后一帧继续:
Adam 把最后一下推到底,Victor 的身体落定;
Adam 松手、向后退半步、肩膀落下;
摄影机缓慢推近他的脸,他喘气,眼神从 Victor 身上移开,看向别处。
保持:同样的站位、同样的握持、同样的光、同样的服装与血迹分布。
续拍成功的三个前提 ① 提示词第一句必须写"直接从最后一帧继续";② 逐项列出要保持的东西(位置/握持/光/服装/伤);③ 只写一个动作序列,别在 10 秒里塞两个转折。

8.5 接缝:把两条片子缝成一条

手法怎么用适合什么
甩镜模糊在镜头快速横摇、画面全糊的两三帧处切打斗、奔跑、转身
身体遮挡让一个人/一件大衣扫过镜头,用它的背面挡住切换换机位、换角度
前景扫过汽车、行人、柱子经过前景的一瞬间切跨场景转场
切黑动作进行到一半直接黑场收尾、时间跳跃
声音桥下一场的声音先到,画面后到两个空间的连续(如电话戏)

8.6 多 take 拼接:用时间戳做剪辑表

4A 那场对话戏由六个 take 里的不同片段拼成,提示词里直接标出"每个 take 保留哪一段"。这其实是在用提示词写剪辑表:

// 剪辑表式写法
对白戏由六个不同的 take拼接而成。下面标注每个 take 保留的片段:
take 1 —— 0.0–4.2s:Victor 递酒、微笑(保留)
take 2 —— 2.8–6.5s:Adam 抬眼,说「Kenny 死了」(保留 5.1–6.5s)
take 3 —— ……
台词的每一个字都必须被听到;
如果时间对不上,让台词赢。

0925 条可以直接抄的技巧

把前面的内容压成卡片。每条都写成"什么时候用 + 怎么写"。

01 · 资产先行

先做元素,再拍镜头。所有角色/地点/道具先命名、先固化,之后只引用不描述。

02 · 双联画角色板

左全身(50mm、胸高)+ 右近景(85mm、眼平),同一块无缝灰底、同一盏硬光、同一套服装。

03 · 身份锁起手式

"把附图当严格身份参考:五官结构必须认得出是同一人;以下部分要改:__;以下部分不许变:__。"

04 · 一次只改一个变量

卷发/直发两版对照。任何"哪个更好"的判断,都必须在只差一个变量的前提下做。

05 · 单职责纹理参考

一张图只给一个材质:头发、皮肤、背景、布料分开给。500 字符就能去掉大半 AI 味。

06 · 视频元素

定妆图 + 真人录音 → 约 10 秒表演。同时锁住脸、嗓音、微表情。

07 · 空景板三铁律

画面里没有人;机位高度与角度写死;光要能被复述成清单。

08 · 3/4 斜角

机位在空间一侧、斜着看进纵深。这是让宽画幅"有层次"的最省力办法。

09 · 光锁

写死光源、色温、对比,加一句"不得新增光源、不得整体提亮"。跨镜头统一全靠它。

10 · 身份锁(多人)

逐人固定年龄/身高/发型/服装,并写出相对身高差,防止两张脸融合。

11 · 空间地图

用文字写"桌子横贯画面、他坐近侧、门在右后方、摄影机在右后方"。这是屏幕方向。

12 · 首帧坐标

关键物件给 x/y 百分比。下一个镜头要接得上,靠的就是这张"坐标表"。

13 · 用角度不用毫米

"对角视场 47°"比"50mm"有效。并加一句"每个镜头内焦段锁死"。

14 · 时间码切镜

0–5s / 5–9s…,每段以"镜头 N"开头,方便单独重生成。

15 · 把剪辑点写进提示词

"15 个镜头、14 个硬切、每 2 秒一刀"—— 模型真的会照做。

16 · 物理段

重量、落地弯膝、布料甩动、水花、人群互相挤压。"假"的根源是没有质量。

17 · 只写画内声

列出能被听见的具体声音;明确"没有台词/不要旁白/不要字幕"。

18 · 验收清单式 QUALITY

不写"高质量"。写"每个群众都是不同的人、有自己的动作、没有克隆脸"。

19 · 正向约束

用"每次踢腿都停在腰带以下"代替"不要高踢腿"。负面词会召唤它命名的东西。

20 · 手持写成人格

"一个端不稳相机的人拍的",比"handheld"强十倍。

21 · 台词逐字锁

标"念到最后一个字才算完成",并规定"硬切只切画面,不切台词"。

22 · 遮挡代替特效

变形、换装、换个演员 —— 用后背、柱子、车身挡住,中间过程不给看。

23 · Re-coverage

把已有动作当 @video_1,只换机位重拍一遍,得到"多机位"素材。

24 · Forward Extend

从最后一帧续 10 秒,逐项保持位置/握持/光/服装。

25 · 接缝藏在运动里

甩镜、身体遮挡、前景扫过、切黑、声音桥 —— 五种,按场景选。

如果只能记三条 ① 先造资产,再拍镜头(否则每个镜头都在重新掷骰子);
② 锁的优先级:光 > 身份 > 位置 > 焦段(观众最先察觉的是光变了);
③ 表演给任务,不给形容词("眼里找火花" > "眼神深邃")。

10四个官方 Skill:全文中文版

原文里挂了四个可下载的附件。它们才是这套工作流真正的"发动机"—— 提示词的语法、表演的写法、打斗的编排、镜头的质感,各由一个文件规定。我把四个文件全部下载、解包、读完后,逐条译成了中文。

.skill 是什么

它其实是一个 ZIP 压缩包,解压后是一个文件夹,里面至少有一个带 YAML 头的 SKILL.md(name + description),可能还有 references/ 参考资料。放进 Claude 的 skills 目录后,Claude 会根据 description 里的触发词自动加载它 —— 你说"写一场戏",它就用五要素引擎;你说"打斗",它就调用 JKD 编排。

四个文件的体积差得很远:提示词引擎 14KB、表演 12KB、变形镜头 6KB,而打斗那一个解压后 504KB(含 8 本李小龙著作、23 个教学视频、4 本咏春拳谱的摘要)。

① higgsfield-prompt-engine · 五要素戏剧引擎14,045 字符

它解决什么:写戏 / 审戏。作者用它来判断"这场戏到底成不成立",以及把方向扩写成场景提示词。

五个元素(作者自定义,不是教科书定义)

1. 目标(Goal) —— 主角唯一不变地在争的东西:把已经建立的问题修好,并以最快速度抵达能解决它的结果。"已经建立"指任何早先埋下的东西:深层背景、几场戏之前、甚至一分钟之前(上一场带进来的臭味,也算"这一场要修好的过去")。

  • 主目标永不变。主角在目标上从不出错。
  • 每一场的目标都必须是通往故事目标链条上的一环。测试法:如果删掉这场戏、通往故事目标的链条依然成立,那这场戏就过不了"目标"这一关。没有孤儿戏。
  • 主角可以错 —— 但只错在战术上,绝不错在目标上。
  • "他应该怎么做"不是单独一项。正确的动作由障碍 + 赌注决定:世界让正确动作变得不可选(他一身臭味就没法去提案,前台会拦住他)。如果赌注不同(生死关头),同一个障碍(脏)就不再重要,他会跳过那一步。所以"正确的战术"= 障碍与赌注逼出来的那一个。若主角选了赌注撑不起来的战术(楼在烧他还去洗澡),要么是写坏了,要么是刻意的自我破坏 —— 要指名是哪一种。

2. 障碍(Obstacle) —— 一个危及某一段路径或整个目标的强情境。它是威胁,不是仅仅花费。它让某一段(或整个目标)有失败的风险。

  • 它可以是分支式的搜索空间(一堆文件夹要翻、时间、耐心、专注、没人打扰),也可以是一堵硬墙(电池没电 —— 死的机器搜不了)。一堵硬墙通常会生出一个新的子目标,带自己的地形(找充电器 → 家里没有 → 出去买/借)。
  • 障碍有两个尺度:局部(危及当前这一段 —— 臭味危及提案这一段)或全局(危及整个目标)。永远要指出是哪一个。
  • 障碍是逼主角选择或改变战术的东西。没有危机 → 不需要战术 → 没有戏。
  • 审查测试:说清楚什么在被危及、在哪个尺度上。如果没有任何东西真的处于风险中,这个障碍是假的,戏就会松掉。

3. 战术(Tactic) —— 威胁逼主角选择的那个动作:基于他当前(常常不完整的)知识做出的合理猜测。这是不确定下的搜索,不是"犯错=蠢"。

  • 一个"错的"战术不是愚蠢,而是对一个他看不全的空间所做的合理试探(去"图片/家庭"里找照片 —— 没有;现在他知道那儿没有)。主角误读了障碍、输入输出、或处境;他看不到真相会揭示什么。这个引擎的燃料是知识/真相的落差:他相信的,和实际是的,之间的距离。
  • 每一次失败的战术都必须带回信息,缩小搜索范围并改变下一步。戏是"缩小"的过程,不是惩罚。
  • 审查测试:
    ✅ 好:以他当时的信息看,这是个合理的赌注,而且它的失败让他(和观众)知道了新东西。
    ❌ 弱:一个他没理由尝试的战术,或者一次零信息的失败(他什么也没学到,搜索没有缩小 —— 原地打转 / 重复翻同一个文件夹)。
  • 失败的战术只有在"什么都没教、没有修正、不改变下一步"时才是弱点。

4. 反转(Reversal) —— 违背预期的转折。三种形态:

  1. 我自己的动作反噬我 —— 我为了某事做的动作,开始反过来对那件事不利(洗澡为了提案 → 洗澡让我迟到、错过提案)。
  2. 隐藏的能动性被揭示 —— 我以为我在作用的那个东西/人(或看起来中立的),其实一直在作用我,为我或反我(买家一直在设计我的失败 / 暗中力挺我)。这是惊悚片的招,常在真相落差闭合的那一刻引爆。
  3. 一般情形:局势转向战术意图的反面。
  • 放置规则:每个序列至少一次反转,可以更多。单场戏可以是纯升级;但一个已解决的序列里零反转 = 失败。
  • 序列 = 从某个危机(危及某一段/子目标的障碍)打开到它解决(被克服,或它击败了他、逼出新路径)之间的那一段戏。"路径的一段"= 一个子目标,由危及它的障碍定义 —— 两种说法是一致的。
  • 序列会嵌套(电池没电生出"去买充电器",那是一个小序列)。每个解决单元都需要自己的反转。要标明尺度:完整的子目标序列,还是它内部的子序列。

5. 价值转移(Value Shift) —— 反转引发的、观众对某个角色的读解的改变。这是拱心石,也是最被误解的一项。它不发生在纸上,发生在观众脑子里。

  • 每一次反转都迫使观众重新评判这个角色。一个主角跨反转的弧线示例:好人 → 有经验的人 → 狡猾 → 不,他是绝望 → 孝顺的儿子 → 他是个孩子 → 这才叫男人 → 什么叫男人。任何角色都一样(反派:和善的老人 → 残忍 → 慷慨的生意人 → 混蛋 → …)。它是一个不断被修改的判决。
  • 核心规则:没有价值转移的反转是惰性的。一个结构上的转折,除非它推动了观众对角色的判决,否则不算反转。如果你说不出判决前和判决后,那这个反转就是死重量,无论剧情翻了多少。
  • 一个序列内的多次转移应构成有设计、递进加深的弧线,不是随机翻烙饼。要审轨迹,而不只是每场有没有。

完整因果链(当作一切的主轴)

目标(固定的引擎;每一场都是通往它的因果一环)
 → 障碍(危及某一段或整个目标的强情境;说清危及什么 + 尺度)
 → 战术(威胁逼出来的动作;基于当前知识的合理猜测;其结果必须带回信息并改变下一步)
 → 反转(违背预期:我的动作反噬我,或隐藏能动性被揭示;每个序列 ≥1 次)
 → 价值转移(反转迫使观众重新评判角色;没有价值转移 → 反转无效)

三种模式

  • AUDIT(审):用户给了现成的戏/序列/大纲/剧本,要诊断。
  • WRITE(写):用户要你写一场戏、给一个方案、或共同创作。
  • CO-WRITE(合写):来回迭代,一边写一边持续跑审查逻辑。

AUDIT 的流程(按链条顺序走)

  1. 目标:一句话说出这场戏的目标。它是通往故事目标的因果一环吗?用"删除测试"。(不知道故事目标就先问 —— 没有它无法完整审"目标"。)
  2. 障碍:命名那个强情境,并说清它危及什么、在哪个尺度。没有真实风险 → 标记为松弛。
  3. 战术:找出战术。它是在他当前知识下的合理猜测吗?是被危机逼出来的吗?结果是否带回信息并改变下一步?标记"原地打转"和"无动机战术"。
  4. 反转:定位序列里的反转,属于哪种形态。确认每个已解决序列 ≥1 次。是零 → 判失败。
  5. 价值转移:对每一次反转,说出观众的判决前 → 判决后。说不出来 → 这个反转是惰性的(标记为最高优先修复项)。然后评估整个序列的轨迹:是设计好的加深,还是随机摇摆?

AUDIT 的输出格式

戏/序列:<一行识别>

链条检查
• 目标 —— <判断 + 一行理由>
• 障碍 —— <危及什么 + 尺度 + 判断>
• 战术 —— <是否被逼出来?合理猜测?带回信息?判断>
• 反转 —— <形态 + 有无?序列内 ≥1?判断>
• 价值转移 —— <每次反转的 判决前→判决后;或"惰性";轨迹备注>

最弱的一环:<修好它收益最大的那一个元素>

如果……
1.(最小改动 —— 保留用户版本)<只改最弱那一个点,其余照旧成立>
2.(干净版本 —— 完全成立)<即使偏离更多>
3.(可选 —— 只有真的加分才写)<……>

WRITE 之前必须先能说出五件事

场景目标(作为通往故事目标的因果一环)、障碍与它危及什么(+尺度)、被逼出来的战术(且会带回信息)、序列里至少一次反转(说出形态)、每次反转带来的价值转移(判决前 → 判决后)。

如果用户还没给故事目标或类型/主题,简短问一句 —— 你需要故事目标来保证"每场都是因果一环",也需要类型/主题来定调(这个 skill 默认服务心理剧/惊悚)。

输出格式(Final Draft 剧本体)

  • 场标全大写:内景/外景 地点 - 时间
  • 动作描述用现在时、左对齐。
  • 角色名全大写,单独一行。
  • 台词在角色名下方。
  • 括号提示用(小写)单独一行,必要时才用。
  • 保持干净 —— 除非用户在写编号稿,否则不要场号。
它最常抓的一个病 "一个反转翻了剧情,但没有推动观众的判决 —— 它是惰性的。" 这个 skill 要求把这一条第一个摆出来。
② higgsfield-acting-skill · 让脸"活"起来11,727 字符

它解决什么:AI 生成的人"眼神死、表情空、演得假"。这个 skill 给的不是"更有情绪的词",而是给眼睛一个任务。

核心原则

所谓表演任务,是角色投入到他的战术里去达成目标。

  • 它不是外部行为描述("眼睛一闪""眉毛抬起""他看起来很悲伤")—— 那叫演结果,只会产生死脸。
  • 它不一定是肢体动作。战术完全可以只活在眼睛里:被羞辱时 vs. 乞求时,是同一种"看",但完全不同;一个凭信念争论的人,会不断检查对方两只眼睛,找一点信任的火花,判断对方是感兴趣还是在走神 —— 然后根据看到的东西调整。
  • 眼球的运动本身就是"做"。活 = 心智在任务上逐刻地工作。
  • 永远不要用打光技巧(眼神光)去修死眼。给眼睛一个任务。

阶梯(严格按顺序走)

第 0 步 · 先把整场对白读完。绝不从一句台词建任务。任务活在整段交流里 —— 哪里守住了、哪里崩了。在给任何人做指导之前,先检查每个人的每一句。

第 1 步 · 这场戏的目标 —— 一个共享的方向。一场戏只有一个目标:所有人共同朝之的一个方向,通常不用说出口 —— 一种关于"这一次要怎么过"的默契。例子(母亲给儿子收拾行李,一小时后入伍):这场戏的目标是让它不痛 —— 藏住情绪,别让彼此带着痛分别,永远别丢掉那点正向。它同时属于两个人。

这场戏的目标不是影片的戏剧功能(那个揭示、那个主题)。角色从不知道、也从不演影片的目的 —— 那些是透过他们完成的副产品。

第 1a 步 · 结尾命名了事件。先看这场戏怎么结束,再给事件命名。最后一句/最后一个节拍,是你反读整场戏的钥匙。注意那种双关的收尾台词 —— 说着一件事,指的是另一件("可怜的家伙。就是不肯原谅自己" —— 看着病人说,说的是自己)。

第 1b 步 · 所有人都在这一个事件里。事件必须包含场上每一个角色 —— 包括沉默的、无意识的 —— 作为同一个过程的参与者或镜像。如果有谁被排除在事件之外,说明事件命名错了。

第 1c 步 · 物理动作是通道。戏的表面活动("地形"—— 例如例行查房、收拾行李)保留为物理动作,每个角色透过它去追那个事件,各自用自己独特的、可见的肢体行为。看不见的任务必须有一个摄影机读得到的物理通道。

例(事件="寻求自我原谅",物理动作="例行查房"):

  • Alfie —— 透过回忆:被接进那一天的重演(闭着的眼皮下快速眼动、一滴泪)。
  • 医生 —— 透过把该做的动作做对:正确、准时、精确地写指标,甚至会复核一条记录 —— 看得出他是靠"零差错流程"维持自己还是个医生;把每件事做对,是他仅剩的医者身份。
  • 实习医护 —— 透过照护:清单之外的动作(看的是人,不是表格)。

规则:给场上每个角色一个属于他自己的物理通道 —— 不同的行为,同一个事件,同一块地形。

第 2 步 · 每个人的动机 —— 不同的燃料,同一个方向。所有人都朝同一个方向推,但各自为自己的理由。儿子"为了妈妈"让这次不痛;母亲"出于迷信"(出行前流泪是坏兆头)。同一支箭,不同的燃料 —— 燃料决定每个表演的独特性,同时让整场戏读起来统一。

动机可以是几个备选假设,由导演来选。给定情境会约束动机:一个在实验性囚犯实验室上班的人本来就已经被妥协了,他不可能演出道德上的无辜。

第 3 步 · 每个人的目标 —— 属于他自己的那场仗。从动机里长出来:他在这场戏里为自己争什么。要普通、个人、可演。永远不要和"这场戏的目标"用同一句话,永远不要是主题。

第 4 步 · 障碍 —— 顶着方向压过来的东西。那个威胁要弄断这场戏的线的东西(真实情绪正往表面顶;这个案子太可怕,没法保持例行)。一道裂缝,共享的目标就塌了。观众真正感受到的正是这股压力 —— 恰恰因为没人去演它,所有人都在演"把它挡在外面"。

第 5 步 · 战术 —— 真正意义上的表演任务。把投入的、逐刻的追寻写出来,写成他对对手"做"什么,并明确把眼神工作写成有目的的动作:

  • 检查对方两只眼睛里有没有一点信任的火花
  • 每说完一点就登记一次:落到了吗?感兴趣,还是快要冷笑?
  • 偷看他,在他发现之前把目光收回来
  • 打量他、记住他、把自己感觉到的和他表现出来的做比较

节拍要挂在真实台词的字上。需要时标出"燃料烧完、线断掉"的那个点(实习医护低声那句"可怜的家伙" —— 那个断裂本身就是这场戏的交付)。

在提示词里写 ACTING TASK 块

表演任务 —— <角色名>(他完全投入在自己的战术里;工作发生在眼睛里):
场景方向(共享、不说出口):<一行>
动机(他的燃料):<他为什么推这个方向>
目标:<他为自己争什么>
障碍:<顶着这条线压过来的是什么;一道裂缝会失去什么>
战术:<他对对手做什么,以及眼神在检查什么>
逐刻:
 — 「<台词>」—— <对对手做的动词> + <眼睛在查什么>
 — 「<台词>」—— <动词> + <眼神工作>
 — <如果线断了,断在哪>
(安全线:目光始终在任务上 —— 绝不出现僵死、空洞、失焦的凝视;保持自然的眨眼节奏,人会眨眼来润湿眼睛。)

写作规则

  • 动词指向对手;不要把情绪形容词当指令("悲伤地""紧张地")。
  • 不要面部编排("眉毛抬起""嘴唇颤抖")—— 外部描写只留上面那条安全线。
  • 没人演情绪,所有人演方向。观众通过压力接收到感受。
  • 允许并建议留一条防"僵死凝视"的安全线(AI 模型的必需品)。
  • 画面里每个角色都用这个方式获得活的眼睛 —— 包括沉默的听者:听者的任务也是真的("判断他是不是认真的""等那个包袱""保护这个气氛")。

对照配对:双人戏建立在镜像的 +/− 上

两个人各拿一个加号和一个减号,与对方镜像,其中一条轴是观众真正在读的那条本质轴。

  • 医生 —— 忠于公司(+)/ 漠不关心(−):他确实忠诚,但忠于公司和钱,不忠于病人。他的加号(忠诚、勤勉、专业)侍奉错了主人。在本质轴(对病人的照护)上,他是减。
  • 实习医护 —— 被妥协(−)/ 有照护心(+):他被公司和钱妥协了(他接了这个工作,他知道这是什么地方),但对病人有照护心。他的减号是真的,他的加号在减号内部存活。本质轴上他是加。

规则:每人一个 + 一个 −,与对手反向;命名这场戏的本质轴;两人仍朝同一个方向推 —— 对比活在共享方向之下,通过战术和眼睛漏出来。表面特质常常是它反面的疤痕:"漠不关心"= 希望早已丧失,不是"没有关心"。要导的是历史,不是表面。

常见失败(审查清单)

  • 任务建立在单句台词上,而不是整段对白 → 先重读整场。
  • 把影片的揭示/主题当成角色的任务 → 角色从不演影片的目的。
  • 把"这场戏的目标"和"角色的目标"搞混 → 前者是共享方向,后者是各自私人的。
  • 动机无视给定情境(明明已经同谋,却演无辜)→ 重新推导动机。
  • 用"面部编排"代替"眼神作为有目的的动作" → 改写成指向对手的动词。
  • 把情绪形容词当指令 → 换成能产生该情绪的任务。
一句话记住它 观众哭,是因为银幕上没有人哭。所有人都在做一件事:把真实情绪挡在外面。
③ higgsfield-fight-scene · 截拳道打斗编排解压后 504 KB

它解决什么:让 AI 生成的打斗像真正的截拳道,而不是"抡胳膊的功夫片"。这个 skill 不负责提示词格式(格式交给提示词引擎),它只负责打斗的内容。

为什么它这么大

解压后是一个知识库 + 摘要库,作者把李小龙的 8 本书、23 个教学视频、4 本咏春拳谱全部消化成摘要:

higgsfield-fight-scene/
├── SKILL.md                          主文件(编排流程与校验清单)
└── references/
    ├── jkd-core.md                   原则、站架、步法、距离、五种攻击法
    ├── moves-catalog.md              招式词典(别名 → 标准动作 → 英文片段 → 反应)
    ├── techniques.md                 具体打击与截击:名称、机制、可辨识的视觉特征
    ├── choreography-patterns.md      现成的节拍模板(截击、一对二、刀、陷阱连招)
    ├── styles/wing-chun.md           第二种拳种:咏春(正面窄马、黏手、连环拳)
    └── sources/
        ├── INDEX.md                  资料索引
        ├── 01-tao-of-jkd.md          李小龙《截拳道之道》
        ├── 03–04-fm1/fm2…            《格斗术》系列
        ├── 13–16-wc1/wc2…            咏春(刘为汉 1–3 级、叶准 116 式木人桩)
        └── video/ · video-wc/        视频教程逐条拆解

工作流(五步)

  1. 拆场景:确认打手、对手数量、武器、地点、情绪、镜头时长、谁赢。如果用户点名了招式,就查 moves-catalog.md(别名 → 标准动作 → 英文片段),并保留用户给的顺序。
  2. 读知识库:jkd-core.md + choreography-patterns.md + 相关摘要。摘要优先于基础文件,因为它们反映作者对这一派的理解。
  3. 按节拍编:把打斗切成 1–2 秒的节拍。每个节拍包含:位置 → 动作(哪只手/腿、什么技法、打哪里)→ 对手的物理反应 → 新位置。截拳道的逻辑是:截击而不是格挡、走最短的线、用最小动作。
  4. 翻成提示词语言:具体的肢体与目标、具体措辞、无预备动作、以秒计时。
  5. 验真:过下面的清单。

交付前的真实性清单(九条)

  1. 用身体几何在首帧定义站架,而不是用术语(模型不知道"摆桩"是什么)。
  2. 至少一次截击:这一派的定义性逻辑是"截",不是"挡了再还手"。
  3. 踢腿保持在腰以下,用正向约束写:"每一次踢腿都停在腰带高度以下。"
  4. 用正向写法消除预备动作:"肢体第一个可见的动作就是打击本身,从它在防守位的位置直接发出。"
  5. 用断裂节奏:爆发 → 完全静止 → 爆发。把"静止"写成一个状态。
  6. 节约:2–4 个节拍解决战斗。
  7. 每一次打击都要写明:肢体、轨迹、目标、对手反应的物理。
  8. 把武术术语和禁止项挡在提示词正文之外("命名即召唤")。结尾加一个 FIGHT STYLE LOCK。
  9. 不常见的招式需要三重锚:一个日常视觉类比(反手一巴掌 / 网球反手 / 驴踢 / 踹门)、一个明确的击打面(先碰到的是什么、掌心朝哪)、一个沿打击方向的靶向反应(反背拳会把头横向甩开)。

数据不会骗人:为什么"无预备动作"必须写

文件里记了一条作者的血泪教训(v1.5):

  • "反背拳(backfist)被模型理解成了普通直拳" —— 因为"拳"这个词会激活直拳先验。
  • 凡是"不常见"的打击,模型都会退回到它最熟悉的那个动作。所以必须用日常类比 + 击打面 + 靶向反应三重锚把它钉住。

改写的示范:弱 → 强

弱(通用写法)

"主角用武术动作打退了袭击者。"

强(几何 + 无术语 + 无禁止项)

"他几乎侧身站着,右肩与右脚在前,后脚跟离地,重量轻轻落在前脚掌,前手在肩高半伸。"

// 完整节拍(意译):把"位置→动作→反应→新位置"写进一句话链
他几乎侧身站着,右肩与右脚在前,后脚跟离地,重量轻轻落在前脚掌,前手在肩高半伸。
袭击者的肩膀刚开始蓄力抡一个大右摆 —— 就在那一瞬间,主角的前手拳已经落到他的下巴上,
从它在防守位悬停的地方出发的一条直线,一个短促的滑步把体重送进去。
袭击者的头向后甩开,踉跄两步撞进垃圾箱。
主角收回窄侧身站架,完全静止。

INGEST:知识库怎么长大

  1. 从新材料里抽出:技法、原则、组合、时机、常见错误、视觉细节(在镜头里长什么样)。
  2. 写成结构化摘要放到 references/sources/NN-短名.md,含来源、关键技术、对编舞的影响、可用的原话表述。
  3. 更新 INDEX.md,一条来源一条记录。
  4. 如果材料改动了站架、清单、模板这类基础规则,就更新对应参考文件并抬高版本号。
  5. 把改动展示给用户,重新打包 .skill。

规则:当新材料与旧知识库冲突时,用户给的材料优先,并在摘要里记录这个冲突。

版本史里有三条方法论教训

  • v1.4:为了让模型"听懂",把武术术语和禁止项全部移出正文 —— 模型不认识术语,会渲染成通用功夫。
  • v2.0:曾经引入一套"五阶段冲击引擎",结果生成质量变差。结论很硬:臃肿的提示词会让关键事实丢失。后来回滚了。
  • v2.4:动漫插入镜头整块被移除(移到另一个专门的 skill),说明作者在严格做"一件事一个 skill"。
最值得抄的不是招式,是态度 这份文件几乎每一版都在写"我删了什么、为什么删"。一个提示词库的价值,一半来自它保留了哪些句子,另一半来自它删掉了哪些句子。
④ anamorphic-look · 变形宽银幕的写法6,137 字符

它解决什么:你在提示词里写"anamorphic",模型给你一张普通照片,只是旁边多了个词。这份文件的核心判断是:

模型不听镜头名字,它听镜头的视觉证据。

1. 先按活儿选焦距

用途焦距对角视场为什么
地点 / 定场 / 地理关系24mm≈84°地点默认;房间读得开、纵深叠得起来
地点 + 有主角物件或纵深层次35mm≈63°虚化还能用,边缘拉伸更少
狭窄内景、窄街、车内40mm≈57°24mm 会撞墙的时候用
中景 / 表演50mm≈47°脸还能读
肖像 / 插入镜85mm≈29°绝不要用 24mm 拍脸

铁律:脸永远不用 24mm —— 会拉变形。角色板:85mm(肖像)、50mm(全身)、35mm(群像)。

给视频模型写视场角度数,不要写毫米:对角视场 84°,变形宽银幕直线透视。整镜焦段锁死。

2. "强虚化"必须锚在物理上

只写"强虚化"在广角上什么也不会发生。24/35mm 的虚化只在两件事同时成立时存在:摄影机离前景主体很近,且光圈全开。所以永远要写四样:

  1. 焦点 —— 一个具体物件:焦点锁在最近的那条白线上 / 那把椅子上 / 第一根柱子的边缘。
  2. 距离 —— 摄影机距焦点 1–3 米,镜头在膝/腰/胸高。
  3. 光圈 —— 全开。
  4. 什么化开 —— 点名层次:前景的 X 化成一团奶油般的虚化,远处的 Y 溶成柔焦。

没有点名的焦点,模型会把一切拍实。

3. 把焦外和耀斑写成"物体"

变形宽银幕焦外:在湿地面 / 水洼 / 灯泡 / 窗光上呈现竖向拉长的椭圆光斑,
并从画面里最亮的那个光源拉出一道长条横线蓝色耀斑。
  • 光斑是竖椭圆(上下拉长),不是圆的。
  • 耀斑是横向的,通常是蓝色;要点名它来自哪个光源。如果画面里只有暖光(钨丝灯、火),就写"暖橙色横条耀斑" —— 钨丝灯拉出蓝耀斑,一眼假。
  • 画面里没有亮源 → 没有耀斑。先给画面一个高光(一盏灯、一道天际线、一片湿地反光),耀斑才有理由存在。

4. 胶片:只写平衡与感光度,不写厂家

场景写法
夜、内景、黄昏、钨丝灯钨丝灯平衡 500 度彩色负片颗粒
日光、阴天、阳光、柔调日光平衡 250 度彩色负片,细颗粒

5. 技术尾(每个地点提示词都挂)

实拍 35mm 胶片,钨丝灯平衡 500 度 / 日光平衡 250 度彩色负片颗粒;
变形宽银幕 24/35/40mm 镜头,轻微水平耀斑与柔和的高光晕;
三分法构图;自然的真实色彩;真实的环境物理 —— 灰尘 / 薄雾 / 雨 / 飘动的烟 / 水洼涟漪;
粗粝的纪录片式真实感,与真实照片难以区分,完全没有 CG 或渲染感。
没有克隆或重复的元素。干净的环境板,画面里没有人。没有文字、没有水印、没有标志。画幅 2.39:1。

雨只有在被灯或霓虹背光、并形成可见的条状时,才读得出来 —— 要写明这一点。

6. 机位锚点

3/4 斜角,摄影机置于空间一侧、斜着看进纵深 / 横过房间,
镜头在膝 / 腰 / 胸高度(必要时微微上仰)。

一台机、空间的一侧、一个高度。正是这个 3/4 斜角让变形宽银幕的纵深层次读得出来。

7. 画幅

默认 2.39:1。自然语言模型:在结尾用文字写 画幅 2.39:1。,同时在界面上也设一次。支持参数旗标的模型:加对应的 21:9。

8. 地点提示词的组装顺序

  1. 电影剧照。 + 一行地点 + 情绪
  2. 机位锚点(角度、哪一侧、高度)
  3. 画面里有什么,前景 → 背景
  4. 调色比例 60/30/10
  5. 光线(来源、色温、方向、对比)
  6. 焦点 + 光圈 + 什么化开 + 光斑/耀斑的对象
  7. 技术尾

9. 失败修复表

症状修法
一切都实点名焦点,把机位放到距焦点 1–3 米,写"光圈全开"
光斑是圆的写"竖向拉长的椭圆高光",并点名它们落在什么上
没有耀斑在画面里加一个亮源,并点名从它拉出的那道横条
鱼眼 / 桶形畸变加"直线透视",退到 35mm
脸被拉变形你用了 24mm 拍人 —— 换 85/50
像 3D 渲染保留技术尾:真实 35mm 胶片 + 颗粒 + 环境物理
暖灯上出现蓝耀斑把耀斑改成暖橙色,与光源匹配
冒出品牌 logo你在某处写了产品名 —— 换成对"外观"的描述

10. 关于负面词

  • 自然语言模型:把"要移除的"写成正向(用 边缘到边缘色调均匀 代替 没有渐变)。技术尾里自带的 没有克隆… 没有文字… 是唯一被允许的例外。
  • 支持负面参数旗标的模型:负面旗标最多 3–5 个单字词。
一句话记住它 不要写"这是变形宽银幕"。要写只有变形宽银幕才会出现的那些证据:竖椭圆光斑、横条耀斑、被点名的焦点、化开的前景。

11翻车与修复对照表

下面每一条,都是这套流程里"一定会遇到"的问题,以及原文给出的解法。存成书签,出事时照着查。

症状根因修法
下一个镜头换了张脸只用图片元素,且没人写"不许变"升级成视频元素;加 IDENTITY LOCK;多人同框时写相对身高差
光忽然变了没有光锁,模型每个镜头重新打光LIGHT LOCK — ABSOLUTE:光源清单 + 色温 + "不得新增光源、不得整体提亮"
房间越拍越不像每镜都在自由生成空间先做无人的空景板;加 LOCATION MAP;首帧给坐标
人像滑冰没有 PHYSICS 段写重量:重心在哪条腿、落地弯膝、布料甩动、鞋底与湿地的抓地
人群是一堆贴纸只写了"人群"QUALITY 里写"每个人都是不同的人、不同颜色、有自己的动作;没有克隆脸、没有融合身体、没有重复四肢"
台词被剪掉半句模型为了节奏自己切DIALOGUE — VERBATIM:逐字锁定 + "念到最后一个字才算完成" + "硬切只切画面,不切台词"
眼神死、脸像面具在用形容词指挥情绪ACTING TASK:给眼睛一个任务(检查对方眼里有没有信任的火花),并留一条防僵死的安全线
打斗像抡王八拳用了"武术"这种抽象词写身体几何 + 无预备动作 + 2–4 拍解决 + 每次打击写清肢体/轨迹/靶点/反应
广角却毫无虚化只写了"强虚化"点名焦点 + 距焦点 1–3 米 + 光圈全开 + 点名什么化开
变形/换装过程很怪让模型画中间帧用后背/柱子/车身挡住;镜头再打开时已经是完成体
一眼 CG缺技术尾挂技术尾:实拍 35mm 胶片、颗粒、环境物理、无渲染感、画幅 2.39:1
30 秒里塞了一整部片模型以为这是完整的短片SCENE CONTEXT 第一句写"第 N 块,共 M 块",并写明"本块结束在什么状态"
两个镜头接不上屏幕方向反了 / 首帧位置没写LOCATION MAP 写清"摄影机在哪一侧、人物往哪边走";首帧给 x/y 百分比
一条只能出 20 秒,戏没演完被单条时长卡住分两条拍,接缝藏在甩镜/遮挡里;或用 Forward Extend 续 10 秒

12跟练:七天,从零到一条 60 秒

不要一上手就拍五分钟。按下面这个顺序,每天只解决一件事,第七天你会拥有一条真正能看的片段。

Day 1 · 装好工具与命名

  • 四个 skill 解包,放进 Claude 的 skills 目录(SKILL.md 的 description 里就有触发词)。
  • 写下你的命名表:@char_A_video_v1、@loc_room_v1、@prop_gun。之后所有对话都用这套名字。
  • 产出:一份 ≤10 行的命名表。

Day 2 · 一张角色板

  • 用自己或朋友的照片,按"双联画"格式做一张。只改一件事:把发型换掉。
  • 检查:两格是同一个人吗?灯是同一盏吗?背景是同一块吗?
  • 产出:2 张图(卷发 / 直发)。

Day 3 · 去 AI 味 + 视频元素

  • 找 4 张材质参考(头发、皮肤、背景、布料),做一次"只修右格"的精修。
  • 录一句 5 秒台词,做一段视频元素。反复三次,直到脸和声音都对得上。
  • 产出:1 张精修图 + 1 段约 10 秒表演参考。

Day 4 · 一个空房间,两面

  • 做一张空景板(没人、机位写死、光可复述)。
  • 用它做一张"只重打光"版,再做一张反打。
  • 产出:3 张图(冷光 / 暖光 / 反打)。

Day 5 · 第一条真正的镜头段(15 秒,3 个镜头)

  • 严格用 15 段骨架填空,宁可空着也别省段落。
  • 只写 15 秒 —— 短,才看得清哪一段在起作用。
  • 产出:1 条 15 秒片段 + 你写的第一份完整提示词。

Day 6 · 打斗 2–4 拍 + 换覆盖

  • 只编 3 个节拍:截击 → 接触 → 反应。每拍写明肢体、轨迹、靶点、反应。
  • 拿这条打斗当 @video_1,换一个更低更广的机位重拍一遍。
  • 产出:同一段打斗的两个机位。

Day 7 · 拼一条 60 秒

  • 把 Day 5 的镜头段 + Day 6 的两个机位 + Day 4 的空镜,剪成 60 秒。
  • 刻意练一件事:用甩镜 / 遮挡 / 切黑,把三处接缝藏起来。
  • 产出:一条 60 秒的完整片段。发出去,然后第二天重来一遍 —— 第二遍会快三倍。
效率上的实话 这套流程前 80% 的时间花在资产上,后 20% 才花在镜头上。听上去很亏,但资产是可以跨片复用的:你做完一个角色、一间屋子、一把枪,下一支片子直接用。真正的一次性成本,是你的命名表和模板。

13术语与出处

术语一句话解释
Element(元素)被命名、可 @ 引用的资产(角色/地点/道具),分图像与视频两种
Plate(板)空的环境画面,只给布局、材质、光,不给动作
Take(条)一次生成得到的片段;一条提示词通常出 1–3 条可用素材
Lock(锁)提示词里"不许变"的段落:光锁、身份锁、位置锁、风格锁
FOV视场角(度)。用角度写焦距,视频模型才听得懂
Re-coverage沿用已有动作,只换机位重拍一遍
Forward Extend从一条视频的最后一帧继续生成
Diegetic sound画内声:故事世界里真实存在的声音(不是配乐、不是旁白)
POSITIVE CONSTRAINTS正向约束:只描述"允许发生什么",不写"不要什么"
Skill打包好的指令文件(ZIP + SKILL.md),Claude 按 description 自动加载

原文与附件

  • 原文:How to Make a Cinematic AI Short Film — @adilinthewildtempo / Higgsfield(发布于 10 月 24 日,标注 9 分钟阅读)
  • 四个附件(原文页内可下载):higgsfield-prompt-engine.skill · higgsfield-fight-scene.skill · higgsfield-acting-skill.skill · Anamorphic skill.md
  • 本报告中的 36 条提示词统计、段落命名、场景时长,均来自对该页面的实际抓取与解析;四个 skill 的正文来自附件解包后的 SKILL.md。
读法建议 第 5 节(骨架)和第 10 节(skill)是"工具书",不需要一次读完。真正要背下来的是三句话:先造资产、光与身份要先锁、表演给任务不给形容词。