怎么使用 GPT-Image-2 直接生成专业分镜图（含 9 格脚本模板）？

拍短片、剪 vlog、做广告 TVC，正式开拍前都绕不开「分镜」这一步：把整个片子拆成一格一格的画面，标好镜头、动作、转场和音效，团队照着拍就行。传统做法要么手绘、要么在专业软件里一格格摆，门槛高、迭代慢。

这两年用图像生成模型做内容时，我摸索出一个更省事的思路：把故事概念写成一段结构化提示词，让模型一次生成一整张带网格的分镜图——每一格都有画面、景别和说明文字，拿到就能直接进组沟通。

本文用 GPT-Image-2 演示从「写脚本」到「出分镜」的完整流程，重点是提示词怎么写，全程不需要绘画基础。

一、把故事写成结构化的分镜提示词

核心是把模糊的「我想要个分镜」翻译成模型能执行的结构。直接看模板，把里面的故事概念换成你自己的：

根据下面的故事概念，生成一张 16:9 的分镜图（storyboard），按 3 列 x 3 行共 9 格排列：

故事概念：一个深夜加班的程序员，遇到一只会说话的橘猫，两人一起把 bug 修好。
整体风格：温暖治愈的 3D 动画质感，柔和夜色灯光，参考皮克斯短片。

每一格请清楚标注：
- 镜头景别（全景 / 中景 / 特写）
- 角色动作
- 画面推进 / 转场
- 音效或配乐提示

底部加一条信息栏：角色设定、整体情绪基调、每格时间码（约 1.5 秒）。

写分镜提示词，记住这 5 个字段就够了：

1. 基础设置：画面比例、几行几列、共几格（例如「3 列 x 3 行共 9 格」）；
2. 风格方向：写明参考的导演 / 影片 / 画风，例如「皮克斯 3D」「《银翼杀手 2049》调色」；
3. 逐格镜头：每格写清楚景别、角色动作、转场；
4. 视觉规范：色板、光线、整体调性；
5. 底部信息栏：角色设定、情绪基调、时间码、技术规格。

这 5 段式结构能成立，关键在于第 3 点——逐格写「镜头 + 动作 + 音效」三件套。模型一旦读到这种分镜语言，就会按分镜逻辑去排版，而不是画成一张普通插画。

二、选对比例和清晰度

分镜图的可读性，一半取决于参数：

• 比例：影视、广告横版选 16:9；竖屏短视频、小红书选 9:16；
• 清晰度：选 2K，每一格里的小字（景别、时间码）才看得清；要打印贴在拍摄现场就选 4K；
• 出图通常等待 40 秒左右，整张 9 格分镜一次成型。

写提示词时有两个容易踩的坑：

1. 不要省略「音效 / 转场」字段。很多人只写画面，结果模型把它当插画处理，格子之间没有叙事关系；
2. 务必写死格数和网格，例如「3x3 共 9 格」「3x2 共 6 格」，否则它会随意拼贴，格数飘忽。

三、不满意就重抽，满意了改单格

AI 生成需要一点运气：偶尔某一格的文字会有偏差，或者某个镜头不是你想要的。我的迭代策略是：

• 整体不满意：提示词不变，直接重新生成一张，换个随机种子；
• 只有某一格不对：用「继续编辑 / 局部重绘」针对性补一句，例如「只重画第 5 格，改成低角度仰拍，其余格子保持不变」；
• 想统一换风格（比如从 3D 改成铅笔手绘）：在编辑指令里追加风格描述即可，不用从头重写故事。

一个反复验证的小经验：分镜任务越「克制」越稳。一次只改一格、一件事，比一口气提一堆要求的成功率高得多。

四、把它沉淀成可复用模板

生成专业分镜，本质就两步：

1. 用「基础设置 + 风格 + 逐格镜头 + 视觉规范 + 信息栏」五段式提示词，让模型一次出图；
2. 不满意就重抽，或局部重绘改单格。

把上面那段提示词存成模板，每次只改「故事概念」和「整体风格」两个字段就能复用。不同题材都能套：

• 电影 / 短片：6 格分镜，铅笔马克笔制作稿风格；
• 动画 / 角色短片：12 格分镜，提示词里强调「角色一致性」；
• 广告 TVC：9 格分镜，可以叠加产品照做图生图；
• 科幻 / 概念：12 格电影级，重点描述光照与氛围。

提示词工程在图像生成里其实和写代码很像——把需求结构化、约束写清楚、小步迭代，产出就稳定。希望这套五段式模板对你做内容有帮助。

文中演示使用的是 Image-2.net。同类支持中文提示词、可设定比例/清晰度的图像模型，方法论是通用的，换个工具一样适用。