说词绘画AI怎么用？把口播词变成分镜的实测记录
直接给结果：说词绘画AI就是「一句台词喂一张图」，核心功夫在拆句和补镜头信息两步。我用这套流程赶过三期口播片子，单期分镜时间从一天压到两小时。拆句粒度和镜头词是成败关键，下文有对照表。
做口播视频最烦的不是拍，是分镜。一条三分半的片子，口播稿四百来字，按以往节奏要拆二十几个镜头，手绘参考图根本画不过来。9月中旬我接了一期茶饮品牌的口播单，客户催得急，我试着把整段稿子直接喂给说词绘画ai，让它按句出图，结果出全是「茶杯特写大赏」，二十张图长得一模一样。这才逼我琢磨出一套顺手的流程。
先把整体思路放这：AI不缺画功，缺的是镜头感。它不知道你这句词该给远景还是特写，这些信息得你来喂。整个流程就三步——拆句、垫风格图、补镜头词，按顺序做。
有同行劝我直接上AI视频工具，词进去片子出来，何必还一张张出静帧。我试过一次，10月3日那期拿视频工具跑了一版，镜头衔接确实省心，可风格每五秒变一次，客户看了第一版直接说「像换了个品牌」。静帧慢是慢，调子锁得住，剪辑师拿到手也好对节奏。所以我现在固定静帧打底，关键转场处才补两三段AI视频，成本效果都能接受。
从口播稿到分镜的三步流程
拆句按一个镜头一个信息点来，每句补齐景别、主体、光线三项，再统一垫一套风格图保证调子。顺序别乱，乱了就得返工。
第一步拆句。我的口径是一句不超过十五个字，长句先拆。比如「这款冷萃茶用的是明前头采」这句，拆成「明前茶园的清晨」和「冷萃瓶身的特写」两个镜头。粒度太粗画面装不下，太细又碎。
第二步垫图。选一张客户认可的风格图垫底，后面所有句子都在它基础上出。第三步补镜头词，每句末尾手动加景别和光线，比如「冷萃瓶身特写，逆光，水珠」。这三项是AI最容易漏的，缺一样画面就飘。
| 拆句粒度 | 单句字数 | 可用率 | 实际感受 |
|---|---|---|---|
| 整段直接喂 | 40字以上 | 不到一成 | 画面堆砌，基本全废 |
| 按标点拆 | 20字左右 | 四成 | 凑合能挑，废片多 |
| 手动拆加镜头词 | 15字以内 | 七成 | 慢一点，但出片率最高 |
两种典型的翻车案例
说词绘画最常翻车的是具象数字和抽象情绪：数字会被画成文字乱码，情绪词会泛化成毫无指向的空镜。这两类必须换写法或手动补图。
第一类翻车是数字。稿子里写「低温萃取八小时」，AI老老实实把「8」这个字符画进了瓶身标签，还是扭来扭去的乱码字。10月6日那期我废了七张图才想明白：数字类信息别让它画进画面，改在剪辑时上字幕。
第二类是情绪词。「喝一口的治愈感」这种词，AI给你的是一张打光完美的茶杯，治愈感为零。我的土办法是换成可拍的动作——「冰块坠入杯中溅起水花，慢门」，画面立马有了呼吸。你写的时候也照这个思路转，把抽象词翻译成镜头能拍到的东西。
废片也别急着删。10月那期挑剩的三十来张，我按场景归了个文件夹，后来给另一个奶茶客户提案时翻出来直接用，提案过稿速度快了一截。素材库这种东西，攒着攒着就成了护城河。
对了，还有个意外收获：垫图换成客户上一期的成片截图后，品牌色对齐了，客户改稿意见从十几条降到三条。风格锚点比我想的管用，后面几期我都固定用上一期成片垫底。
耗时账也记一笔。9月中旬那期我第一次跑全流程，拆句加补词花了一个半小时，出图加挑片两个小时，比以往手绘参考图加素材站搜图的整整一天，省下大半。但挑片环节不能省：一百多张静帧里能直接用的就七八十张，剩下得自己再垫词重跑，这部分时间我后来固定预留四十分钟，预留少了就赶不上剪辑排期。
三期片子做完，我对这套流程的评价是笨但稳。它省的是画参考图和找素材的时间，省不掉的是拆句和补词的脑力——这部分偷懒，废片率立刻给你脸色看。组里实习的小姑娘上个月照着这个路子独立跑完了她第一条片子，我在旁边基本没插手。你要是也天天赶口播分镜，先拿一期旧稿练手，跑顺了再上急单。
常见问题
整段口播稿直接喂进去行不行？
不行。实测可用率不到一成，画面会堆成一团。必须先手动拆成十五字以内的短句，再逐句补景别和光线。
拆句用什么粒度最合适？
一句一个信息点，十五字以内。我按这个口径跑出的可用率在七成左右，粗了画面装不下，细了镜头太碎。
画面里的文字和数字总是乱的怎么办？
别让AI画文字。数字、品牌名这类信息全部留给剪辑时上字幕，提示词里只写视觉主体，这是最省事的解法。
怎么保证整组分镜风格统一？
固定垫一张图。我的做法是用客户上一期的成片截图垫底，品牌色能对齐，改稿意见也少很多。