AI短片绘画实测：分镜和首帧怎么画？风格统一与镜头语言的记录
别绕了：短片题材的图单独看都不差，连起来播就露馅。要害就两条，全片锁一套视觉模板，每张图提前想好景别，我按一支三分半短片的实际流程讲。
接了个小活，给朋友的咖啡馆做一支三分半的短片，讲一个女孩从推门到打烊的一天。我天真地以为AI短片绘画就是把单张图画好，结果第一版分镜发过去，朋友回了句：这怎么一会儿油画一会儿赛博，女主换了两张脸？那一刻我才明白，短片拼的不是单张质量，是一群图像一支队伍。两百多张图跑下来，我把两个环节的坑都踩了一遍。
分镜图和首帧图，是两种活
分镜图求快求准，构图对了就行；首帧图求精求稳，是给视频工具打底的成品质图。别拿同一套精度做两种图，分镜粗糙点反而效率高。
分镜阶段我用最低成本出图：分辨率压低，采样步数砍半，一张图几秒钟出完，不求细节只求构图和人物位置。一场戏我通常出四到六张摆在一起挑，像拼条漫一样排成一排看节奏。这个阶段卡得越糙越好，卡太细纯属浪费，反正后面每张都要重做。
分镜真正要盯的是三样东西：人物在哪、光从哪来、画面重心高还是低。我会在每张分镜旁边用一句白话备注这场戏干嘛，比如「女主犹豫要不要进去，光在她脸上闪了一下」。别小看这句备注，等到精修首帧的时候，它就是现成的提示词素材，比凭记忆回忆强得多。
首帧图就完全两回事了，它是喂给图生视频工具的底图，视频的运动、光效全从这张图长出来。我的习惯是十六比九，主体放在画面中间偏左或者偏右三分之一的位置，四周留出呼吸空间，视频工具动起来才不容易裁到人物。有一条血泪教训：首帧图里人物动作别画太满，我画过一张女主双手举过头顶欢呼的首帧，视频生成时胳膊直接拧成了麻花。动作幅度留三分，留给视频工具去补。
风格统一：光锁提示词不够
风格统一不能只靠复制提示词，要把描述模板、光线方向、主色板三样东西一起锁死。尤其主色板，每场戏定一个主色，写进该场每张图的提示词里。
第一版跑偏之后我复盘，发现换了场景的戏全在漏风：室内暖橙、室外冷蓝，倒不是不行，坏在连画风都跟着变，室内是厚涂，室外成了水彩。光锁提示词没用，因为提示词是我凭感觉现写的，每一版都有微调。
解法是把提示词做成模板。开头固定一段不动的风格锚点，画风、镜头质感、光线方向写死，后面只替换主体和场景词。我给这支短片定的锚点大约四十个字，二十七个镜头一字没改过。主色板是误打误撞发现的：清晨那场戏我全组图都塞了「薄荷绿的晨光」，成片剪出来那一段色调齐得像一个人画的，后来干脆每场戏都先定主色。另外种子也别乱换，同场戏尽量同种子微调，脸的稳定性会好不少。
说到底，单张出图可以每张换个画风图新鲜，短片不行，观众前三十秒建立起来的视觉预期，第四十秒就被你亲手砸了。风格统一这件事在短片里不是加分项，是及格线。
镜头语言：让图先有导演意识
每张首帧图动笔前先答两个问题：这个镜头什么景别，观众此刻该看哪里。景别词和视线引导写进提示词，图才有叙事的节奏感。
我做过一组对比，同一间咖啡馆的九个镜头，一版随手出图，一版按景别规划来：推门用低角度中景，女主犹豫用面部特写，打烊用大远景。剪在一起高下立判，规划版看着像有人拿着分镜本拍的，随手版像九张明信片。差别就在景别词，远景、中景、特写、俯拍、仰拍，这些词得真的用起来，不能全场都是中景站桩。
视线引导也有讲究。想让观众看女主的表情，就把她放在光最亮的地方，背景压暗一点；想让观众注意窗外的雨，就给窗户单独打一层反光。AI不会替你做导演，但提示词里写了，它就照办。三分半的短片，我最后按每三到四秒一个镜头排，一共二十七个镜头，比原计划的四十个砍掉三分之一，节奏反而顺了。
短片交付那天，朋友在店里循环放了三遍，说比他预期的像样多了，还要请我喝一个月咖啡抵账。回头看，这支片子救了我自己的，恰恰是最开始那次翻车：单张再漂亮，服务不了叙事就是废图。你下次做短片绘画，先把风格锚点和主色板钉死，再画分镜，最后精修首帧，顺序对了，两百张的弯路你一步都不用走。
常见问题
分镜图用什么画幅比例合适？
短片正片一般十六比九，分镜就照这个比例画，构图和成片才能对上。如果成片要发竖屏平台，分镜阶段就该换成九比十六，中途换比例等于构图重做。
首帧图之外还要画尾帧图吗？
转场多、运镜长的镜头建议画，首尾帧一起喂给视频工具，中间的过渡稳很多。普通短镜头单首帧就够，尾帧留到剪辑时看情况补。
人物在不同镜头里脸总是变，怎么办？
同场戏锁同一个种子，提示词里人物外貌的描述一字不改，再垫一张定稿的角色参考图控制脸部。跨场戏波动大一点正常，剪辑时靠镜头切换能盖掉大部分。