剧本转动画 AI：把一个场景变成视频

剧本格式的存在，就是为了传达画面。像“内景·餐馆·夜”这样的场景标题，在第一个动作词落下之前，就已经确定了地点、内景以及一天中的时段。紧随其后的动作段落用现在时写成，只描写银幕上发生的事，不写任何银幕上没有的东西。这并非巧合——剧本是被有意约束在“可见之物”上的，正因如此，对于一个把描述变成动态影像的模型来说，它是格外好用的原料。

这意味着写提示词里最难的那部分，往往早已完成。你不用从零凭空构思一个镜头，手边就有一场戏,它已经点名了空间、人物和核心动作。取出一个场景标题连同它的动作段落，把它当作一段镜头描述，生成所需的原料就齐了。功夫在于挑出该单独拿出来的是哪个节拍，再把它删减到摄像机真正能拍到的那部分。

会变成画面的，是动作与描写的部分。“一个女人推开餐馆的门，抖落大衣上的雨水”是模型可以调度、取景、打光的素材。相比之下，对白不是画面：角色说出的字句不会出现在银幕上，把一页你来我往的对话喂给视频模型，基本给不了它可画的东西。像“（停顿）”或“（干巴巴地）”这样的括注，是给真人演员的表演提示，而非对画面的描述，所以同样很难转过去。

实用的做法，是把可见之物和被说出的话分开。留下动作——谁在动、怎么动、在哪里、在什么样的光线下——除非对白暗示了某个你能描述的肢体动作，否则就把它和括注放到一边。“（把马克杯重重一放）”值得留下，因为它点出了一个动作；“（讽刺地）”则不值，因为摄像机没什么可拍。把节拍转化为“这个镜头看起来是什么样”，让表演活在你的想象里，而不是提示词里。

从一个场景标题及其动作段落出发，把它改写成单独一个镜头：一个地点、一个瞬间、一个清晰的核心动作。“外景·屋顶·黎明。玛拉爬上最后一级横档，背对着苍白的天空站定”可以变成“一个女人在黎明的微光中把自己撑上一座混凝土屋顶，面朝一片没有云的苍白天空站着，风吹动她的夹克”。具体永远胜过抽象——去描写光线、天气、质感、运动的方向，去描写镜头会记录下来的东西。

要克制住把整场戏塞进一次生成的冲动。如果你的动作段落写了先后发生的三件事，那就是三个镜头，而不是一个；想把它们一次全渲染出来，只会让每一个都变浑浊。挑出最有力的那个瞬间，平实地描述，然后生成。若某个细节出了偏差，你不必重拍——改一改描写它的那句话，再跑一次即可。迭代不过是一行文字，正因如此，具体而摄像机看得见的措辞才回报得这么快。

只有当各个片段彼此对得上时，一连串镜头才读得出是同一场戏。从一个镜头切到下一个时，把同样的锚定细节一路带下去：人物的外形与服装、地点、时段、光线、整体风格。如果你的第一个镜头写的是“钠灯下一个穿着被雨浸透的绿色大衣的女人”，下一个镜头就该重复这些具体信息，而不是指望模型记得住。每一次生成都是各自独立的瞬间，所以连贯性存活在你反复使用的那些字句里。

先定下一小套风格词汇——一种质感、一种色调、一种镜头味道、一种氛围——并把它套用到每个镜头上，让它在整场戏里保持稳定。镜头之间改换服装、天气或视觉语法，正是让一连串镜头显得像互不相干的片段、而非一场连续戏的原因。把反复出现的描述当作一段你粘贴过来、再略作调整的模板，而不是每次都从头重写的东西。

一旦你能稳定地拍出一个满意的镜头，把它们串起来，就是剧本变成一段动画序列的方式。顺着你的戏一个节拍一个节拍地走，为每个节拍生成一个镜头，再按顺序排好——你就搭出了一段动态分镜，它让整场戏动了起来，而不只是躺在纸面上。对动画师和分镜师来说，这是在投入完整制作流程之前，快速检验节奏与调度的一条捷径。

你不必从一张白纸开始。浏览现成场景的目录，找一个贴近你脑中那个节拍的，把它当作创作流程里的起点——再把描述往你的剧本方向调。在一个不错的起始场景上做修改，往往比从零冷启动更快；而且由于每一次打磨都只是改一句话，试另一个版本的镜头，成本几乎为零。