企业官网建设流程全解析

最近在尝试用 AI 生成短剧分镜时，我发现一个很有意思的现象：很多人拿到一个文生图模型，第一反应是去网上找“魔法提示词”，然后复制粘贴，期待能立刻出大片。但结果往往是，要么生成的图和自己想的完全不一样，要么就是风格诡异、人物崩坏，最后只能归结为“模型不行”或“AI太笨”。

这其实是一个典型的误区。文生图，尤其是用于故事性、连贯性要求极高的短剧分镜，它从来不是一个“输入咒语，输出神图”的魔法黑箱。它的核心，更像是一个需要精密协作的工程系统。你提供的提示词，不是对 AI 下达的“命令”，而是与一个庞大、复杂且充满不确定性的“创意合作伙伴”进行的一场深度对话。这场对话的质量，直接决定了最终画面的叙事力、一致性和可用性。

今天，我们不谈那些基础的“一个女孩，阳光，森林”式的提示词。我们要深入的是提示词工程（Prompt Engineering）在短剧分镜这个具体场景下的实战应用。这不是关于记住几个高级词汇，而是关于建立一套从故事构思到画面落地的系统性工作流。我们将聚焦于如何将一段文字剧本，通过结构化的提示词设计，转化为一系列风格统一、叙事连贯、角色稳定的分镜画面。

1. 从“描述画面”到“构建世界”：短剧分镜提示词的思维转变

在开始写任何提示词之前，我们必须先完成一次关键的思维升级。对于短剧分镜，你的目标不是生成一张张独立的“漂亮图片”，而是构建一个视觉上可信的“故事世界”。这个世界需要有统一的美学基调、稳定的人物形象和连贯的环境细节。

1.1 核心矛盾：AI的“健忘症”与分镜的“连续性”需求

文生图模型有一个根本特性：它是“无状态”的。你每次生成都是一次独立的推理，模型不会记住上一张图里主角穿了什么衣服、发型如何、场景的窗户是什么样式。这与分镜需要前后镜头角色、场景保持一致的核心需求产生了直接冲突。

许多新手会试图在每一个镜头的提示词里，事无巨细地重复描述主角的样貌、服装、环境。这不仅效率低下，而且由于模型理解上的细微偏差，极易导致角色“变脸”或场景“漂移”。因此，我们的首要任务不是和模型的“健忘”对抗，而是通过工程化的方法，为它建立一个稳固的“记忆锚点”。

1.2 解决方案：建立“角色设定卡”与“场景风格板”

在动笔写分镜提示词前，请先准备两个文档：

1. 角色设定卡（Character Sheet）：这不是给编剧看的文学描述，而是给AI看的“视觉特征清单”。
2. 场景风格板（Style Board）：定义整个短剧的视觉基调、光影风格和材质质感。

角色设定卡示例（以一位干练的都市女性为例）：

• 核心特征（必须稳定）：亚洲女性，年龄28-32岁，黑色齐肩短发，发尾微卷，眼角有一颗浅褐色小痣。
• 面部结构：鹅蛋脸，下颌线清晰，鼻梁高挺，嘴唇偏薄。
• 风格关键词：知性、冷静、略带疲惫。
• 服装基底：常服以简约的衬衫、西装裤、风衣为主，颜色多为黑、白、灰、驼色。
• （注意）：避免使用“美丽”、“帅气”等主观形容词，多用客观、可视觉化的名词和短语。

场景风格板示例（一部现代悬疑短剧）：

• 整体色调：低饱和度，偏冷色调（蓝、青、灰），高对比度。
• 光影风格：戏剧性光影，大量使用侧光、顶光和狭长阴影，模仿电影感。
• 构图偏好：大量使用特写、过肩镜头和不对称构图，营造紧张感。
• 材质质感：强调金属、玻璃的冷冽感，以及织物（如西装、窗帘）的细腻纹理。
• 参考风格：cinematic, neo-noir, dramatic lighting, film grain, 35mm lens.

有了这两个“锚点”，你的每一个分镜提示词都将在这个明确的边界内创作，极大地提升了画面的一致性。你的提示词将从漫无目的的“描述”，转变为有针对性的“调用”和“组合”。

2. 结构化提示词：将剧本句子拆解为AI可执行的图层指令

现在，我们手头有一句剧本：“深夜，李薇在空无一人的办公室里，对着电脑屏幕，眉头紧锁。”

初级选手可能会直接输入：“一个女人晚上在办公室对着电脑发愁。” 结果生成的可能是一个卡通形象在明亮的隔间里。

高级的提示词工程，是将这个句子进行结构化拆解，就像给Photoshop分图层一样，让AI清晰理解每个元素的权重和关系。

2.1 提示词的四层结构：主体、场景、风格、质量与限制

一个用于分镜的完整提示词，建议按以下结构组织：

[主体与动作] + [场景与环境] + [视觉风格与构图] + [质量与技术要求] + [负面提示词]

让我们用剧本句子来填充这个结构：

• 主体与动作：a Chinese businesswoman (Li Wei), late 20s, black shoulder-length hair, wearing a white silk blouse, sitting at a desk, staring intently at a laptop screen, frowning, looking stressed and tired
  • 解读：这里直接调用了“角色设定卡”的信息（中国商务女性、年龄、发型），并加入了本镜头的具体动作（坐着、紧盯屏幕、皱眉）和情绪（压力大、疲惫）。服装（白色真丝衬衫）可以具体化，以增强画面细节。
• 场景与环境：in a modern empty office at night, only the light from the laptop screen and a small desk lamp illuminates her face, dark background, floor-to-ceiling windows showing a city night view with scattered lights
  • 解读：定义了场景（现代空办公室）、时间（夜晚）、核心光源（屏幕光和台灯），并增加了富有故事性的环境细节（落地窗外的城市夜景），这能自动营造出孤独、疏离的氛围。
• 视觉风格与构图：cinematic shot, close-up, dramatic chiaroscuro lighting, neo-noir style, shallow depth of field, focus on her eyes and the screen reflection
  • 解读：这是注入“电影感”的关键。指定镜头类型（特写）、灯光风格（戏剧性明暗对比）、美学流派（新黑色电影）、景深（浅景深）和对焦点。这直接决定了画面的情绪张力。
• 质量与技术要求：masterpiece, best quality, ultra-detailed, 8K, photorealistic
  • 解读：通用的质量强化词，告诉AI我们需要高精度、高细节的输出。
• 负面提示词：(low quality, worst quality:1.3), deformed, blurry, bad anatomy, extra fingers, mutated hands, poorly drawn face, mutation, extra limb, ugly, poorly drawn hands, missing finger, extra digit, fewer digits, cropped, jpeg artifacts, signature, watermark, username, text, cartoon, 3d, render, anime
  • 解读：排除我们不想要的常见瑕疵和风格（如卡通、3D渲染），这是稳定输出质量、规避模型常见错误的重要安全网。

组合后的完整提示词示例：

a Chinese businesswoman (Li Wei), late 20s, black shoulder-length hair, wearing a white silk blouse, sitting at a desk, staring intently at a laptop screen, frowning, looking stressed and tired, in a modern empty office at night, only the light from the laptop screen and a small desk lamp illuminates her face, dark background, floor-to-ceiling windows showing a city night view with scattered lights, cinematic shot, close-up, dramatic chiaroscuro lighting, neo-noir style, shallow depth of field, focus on her eyes and the screen reflection, masterpiece, best quality, ultra-detailed, 8K, photorealistic Negative prompt: (low quality, worst quality:1.3), deformed, blurry, bad anatomy, extra fingers, mutated hands, poorly drawn face, mutation, extra limb, ugly, poorly drawn hands, missing finger, extra digit, fewer digits, cropped, jpeg artifacts, signature, watermark, username, text, cartoon, 3d, render, anime

通过这种结构化的书写，你不再是向AI“祈祷”一张好图，而是在“编程”一张图。每个部分各司其职，共同构建出你想要的画面。

2.2 权重控制与交替语法的妙用

在复杂提示词中，不同元素的权重可能不同。例如，你可能希望“屏幕光照亮脸庞”这个效果比“城市夜景”更强烈。

• 括号加权：(light from laptop screen:1.3)表示给这个元素增加权重。(city night view:0.8)表示降低其权重。
• 交替语法：这在控制角色姿态或表情微调时非常有用。例如，要生成一组表情略有变化的图，可以使用frowning, (worried:0.7)|(pensive:0.3)。这会让AI以70%的概率偏向“担忧”，30%的概率偏向“沉思”，从而在保持角色一致的前提下产生自然的表情变化。

注意：权重调整是一把双刃剑。过度使用会破坏提示词的平衡，导致画面元素扭曲。建议每次只调整1-2个核心元素的权重，并采用小步迭代（如1.1, 1.2, 0.9）的方式进行测试。

3. 工作流实战：从单镜头到多镜头的连贯生成策略

有了写好单镜头提示词的能力，接下来要解决的是多镜头之间的连贯性问题。这里的关键不是追求100%的像素级一致（AI目前很难做到），而是追求“视觉感知上”的连贯。

3.1 种子（Seed）的运用：稳定与变化的平衡

种子值是AI生成图像的随机起点。使用相同的种子值，在模型、提示词、参数完全一致的情况下，能生成几乎相同的图。这在分镜中如何应用？

• 固定种子生成角色定妆照：用你的“角色设定卡”提示词，生成几十张图，挑选出最符合你心目中形象的一张，记录下它的种子值。这个种子值将成为该角色的“基础脸模”。在后续所有该角色出现的镜头中，都使用这个种子值，能最大程度保证角色面部特征的稳定。
• 微调种子创造镜头变化：对于同一个场景的不同镜头（如中景和特写），你可以使用相同的角色种子，但稍微改变场景描述的权重或构图关键词，同时让种子值在基础值附近轻微波动（例如±100）。这样既能保持角色一致，又能产生镜头切换所需的视角和构图变化。

3.2 潜空间导航与图像到图像（Img2Img）：精细化调整

当生成的第一版草图在构图或某个细节上不尽如人意时，不要直接废弃重来。

1. 局部重绘（Inpainting）：如果整体满意，但某个局部有问题（如手部畸形、道具错误），可以使用局部重绘功能。只涂抹问题区域，并用更精确的提示词描述你希望修正成的样子（例如：a normal human hand with five fingers, holding a pen correctly）。
2. 图像到图像（Img2Img）：如果你有一张构图很好的图，但风格不符合要求，可以将它作为Img2Img的输入图，保持提示词不变，通过调整“去噪强度”参数（通常0.3-0.6），在原有构图基础上进行风格重塑。这对于统一系列镜头的色调和质感非常有效。

3.3 分镜批处理与A/B测试

短剧分镜往往需要生成多个选项以供选择。手动一个个生成效率极低。

• 利用批处理脚本：大多数AI绘图工具（如Stable Diffusion WebUI的Auto1111或ComfyUI）都支持批处理。你可以准备一个CSV文件或文本列表，每一行是一个镜头的完整提示词和参数（包括种子），然后一次性提交生成。这是工业化生产分镜的必要步骤。
• 建立A/B测试流程：对于关键镜头，不要只生成一张。应生成至少3-5个变体（通过微调提示词权重、构图关键词或种子值），然后从中选择叙事表现力最强的一张。将这个过程固化下来，形成标准流程。

4. 进阶控制与工程化避坑指南

当你能稳定产出单镜头后，真正的挑战在于长期、批量化的生产，以及应对各种“诡异”的输出。这时，提示词工程就进入了“运维”阶段。

4.1 应对AI的“幻觉”与“过度发挥”

AI模型，尤其是大语言模型驱动的理解环节，经常会产生“幻觉”——生成一些提示词中未指定、但模型“自以为”合理的元素。例如，你描述“一个男人在雨中行走”，它可能会自作主张地加上一把伞或一个路灯。

• 策略一：精确否定。在负面提示词中明确排除你不想要但可能出现的元素。例如，如果不想出现伞，就在负面提示词中加入umbrella。
• 策略二：正向引导稀释。如果某个不需要的元素反复出现，可能是因为你的正向提示词中某些词与之有强关联。尝试用更中性、更具体的词替换。例如，将“在雨中”具体化为“在冰冷的暴雨中，雨水直接打在他的头发和外套上”，可能比单纯的“雨中”更能让AI聚焦于人物状态而非环境道具。
• 策略三：分步生成。对于极其复杂的场景，考虑使用“分镜草图 -> 角色植入 -> 细节渲染”的多步工作流。先用简略提示词确定构图和光影，再用重绘功能加入角色和关键道具，最后提升分辨率并添加细节。这比试图用一句超长的提示词控制所有细节要可靠得多。

4.2 模型与采样器的选择：没有银弹，只有适配

不同的文生图模型（如SDXL、SD 1.5的各种微调版本）、不同的采样器（如Euler a, DPM++ 2M Karras, DDIM），对同一组提示词的反应天差地别。

• 模型是风格基石：如果你要做写实电影感分镜，就应选择擅长真人风格的模型（如Realistic Vision, Photon）；如果是动漫风格，则选择专门的动漫模型。永远不要指望一个模型通吃所有风格。建立你的“模型工具箱”，根据项目风格调用。
• 采样器影响“创造力”与“稳定性”：Euler a 通常更具“创意”，出图变化大；DPM++ 2M Karras 则更稳定、细节更好，更适合需要一致性的分镜工作。采样步数（Steps）也非越高越好，通常在20-40之间寻找质量和效率的平衡点。
• 建立你的测试基准：为你常用的模型和采样器组合，用一组标准测试提示词（包含人脸、手、复杂场景、纹理）跑一批图，观察它们在角色一致性、细节表现、抗干扰能力上的差异。形成你自己的“参数配置表”，这是提升工作效率的核心资产。

4.3 从提示词到工作流：ComfyUI的可视化编程思维

当你的分镜生产需求变得复杂且需要可复用时，图形界面点按的方式会显得笨拙。这时，像ComfyUI这类基于节点的工作流工具就显示出巨大优势。

在ComfyUI中，你可以将“加载模型 -> 解析提示词 -> 生成图像 -> 面部修复 -> 高清放大 -> 保存结果”这一整套流程，变成一个可视化的节点图。其中，提示词可以拆分成多个文本输入节点，分别管理角色、场景、风格。

这样做的好处是革命性的：

1. 可复用：一个工作流保存后，下次换一个剧本，只需替换“角色提示词”和“场景提示词”节点里的文本内容，其他所有参数和流程都保持不变。
2. 可迭代：可以轻松地A/B测试不同模型、采样器对同一组提示词的效果，只需并联几个生成节点。
3. 透明与可控：每个处理步骤都清晰可见，哪里出了问题（比如面部修复强度过高导致失真）可以快速定位和调整。
4. 批处理与自动化：可以方便地接入外部脚本，实现从剧本文本到批量分镜图的半自动化生产。

对于严肃的AI短剧分镜生产，投入时间学习ComfyUI这类工具，将提示词工程从“手工雕刻”升级为“流水线设计”，是必经之路。

文生图分镜的提示词工程，其终极目标不是找到一句“万能咒语”，而是构建一套稳定、可重复、可迭代的视觉内容生产系统。它要求我们从艺术家式的感性描述，转向工程师式的结构化思考。每一次与AI的“沟通失败”，都不是AI的错，而是我们的“需求说明书”写得不够清晰、不够系统。

真正的进阶，始于你不再抱怨工具，而是开始设计流程。当你为你的短剧角色建立了第一张视觉设定卡，为你项目定义了第一份场景风格板，并成功用结构化的提示词生成第一组连贯镜头时，你就已经跨过了那道从“AI绘画玩家”到“AI视觉叙事者”的门槛。剩下的，就是在无数次的测试、调整和系统化中，将这套方法打磨成你最得心应手的创作伙伴。