长镜工坊是给 5–60 秒视频排时间轴的。它和普通提示词工具的区别在于:普通提示词描述"这个镜头是什么样",时间轴提示词描述"第几秒发生什么"。
Seedance 2.5 这类支持时间轴的模型,能读懂"0–3 秒推近、3–7 秒人物转身、7–12 秒拉远"这种写法。用对了,一条 30 秒的片子可以一次成型,不用切成六段再拼。
两种模式解决不同的问题:
拿不准就先按一镜到底试,成本低、失败率低;确实讲不完再拆。
多镜头最大的敌人是角色漂移。工具里的演员表让你把每个角色的外形和声线写一次,之后每个镜头只写这一镜的动作,角色描述自动带入。声线锚点同理——同一个角色在第 3 镜和第 9 镜的音色标签是同一串字,不会因为你重写而漂掉。
运镜别写"运镜流畅"这种废话,模型读不懂。写具体的:推(dolly in)、拉、摇(pan)、升降(crane)、跟(tracking)、手持,配上焦段和速度。音效同理,写"脚步声由远及近、第 6 秒一声闷响",比"紧张的音效"有用得多。
如果你的片子只有一个静态镜头,或者时长在 5 秒以内,排时间轴是多余的,直接用提示词生成器更快。另外要提醒:不是所有模型都支持时间轴写法,不支持的模型会把时间标记当成普通文字读,结果往往更差——生成前确认一下你用的模型。
普通提示词描述的是「这个镜头长什么样」,时间轴提示词描述的是「第几秒发生什么」。后者对模型的要求高得多——它需要在一条连续的生成里安排事件的先后顺序,而不是渲染一个静态的印象。
实际写的时候有一个很关键的经验:事件之间要留间隔。如果你写「0-2 秒转身,2-4 秒抬手,4-6 秒开口说话」,三个动作紧贴在一起,模型往往会把它们糊成一团。改成「0-2 秒转身,3-4 秒抬手,5-7 秒开口」,中间留出的那一秒会让每个动作都完整地做出来。
即使工具支持,也建议拆成几段分别生成再接起来。原因是生成的稳定性会随时长下降——前 15 秒通常很好,30 秒之后角色开始漂移,45 秒之后经常整个跑掉。分段生成虽然多了接口的工作,但每一段都在模型的舒适区里,总体成功率高很多。
拆的时候按「场景不变」来分段最省事:同一个场景里的连续动作放一段,换场景就换一段。这样接口正好落在切镜点上,观众不会察觉。