从长提示词到镜头卡（构想）

一条视频至少有四个不同的问题:素材是什么、动作如何发生、镜头怎样看见、后期如何形成节奏。把这四层都塞进一段长提示词，往往难以判断失败发生在哪一层。更稳妥的起点是写一张简短的镜头卡:角色与场景、动作起点和终点、镜头位置、预期时长、声音节拍、交付标准。

素材层:分别指定角色身份、服装、道具和场景参考的职责。参考图负责外观，并不自动解决动作路线或空间连
续性。

动作层:写清「准备一移动一接触一反馈一恢复」。涉及格斗、舞蹈或多人配合时，接触点、受力方向和身体反
应比招式名称更容易检查。

镜头层:标出景别、视线方向、机位移动和关键动作是否始终可见。快速切镜可以提升节奏，但不能代替动作因
果。

后期层:把声音、停顿、反应镜头和剪辑点单独设计。视频生成后仍需检查可用片段、声画同步和叙事转折。

首帧参考、首尾帧、动作预演或深度信息各有适用条件。比较时应固定角色、动作、镜头目标和时长，只改变一种输入方式;记录身份漂移、空间跳变、动作可读性、废片率与实际耗时。

这样得到的是针对当前素材的选择依据，而非通用排名。