前几天可灵融资的新闻出来以后，群里又炸了一轮——AI视频生成越来越成熟，但有个问题一直没人解决：你拿什么去喂AI视频？

大部分人的小说原文，直接扔给AI视频工具，出来的东西惨不忍睹。因为AI视频需要的是"分镜级"的描述——镜号、时长、景别、运镜、画面内容——这些你让一个写小说的人凭空写，他写不出来。

所以我自己搭了一个工具。核心逻辑很简单：用LLM把小说文本转成结构化的剧本格式，再从剧本格式拆解为九列专业分镜表，最后把每一镜的描述编译成AI绘画提示词。

花了点时间调Prompt，效果出乎意料地好。分享一下核心思路和完整Prompt。

一、整体架构

输入：小说原文（300-3000字）
  │
  ▼
【Layer 1】文本→剧本转换器
  │  Prompt：专业编剧模式
  │  输出：标准剧本格式（场景/对白/动作已分色标注）
  ▼
【Layer 2】剧本→分镜拆解器
  │  Prompt：AI导演分镜模式
  │  输出：九列分镜表（镜号/时长/景别/运镜/画面/场景/声音/备注/叙事）
  ▼
【Layer 3】分镜→提示词编译器
  │  Prompt：AI绘画提示词专家模式
  │  输出：中英双语提示词（适配Midjourney/SD/FLUX）
  ▼
输出：可直接用于拍摄/AI生成的完整分镜包

三层之间用结构化JSON传递数据，每一层的输出都是下一层的输入。这样设计的好处是：每一层都可以单独替换模型。

二、核心Prompt（Layer 1）

# System Prompt: 小说→剧本转换
你是一个专业影视编剧。
任务：将用户提供的小说文本转化为标准剧本格式。

输出规则：
- 每段前标注类型标签：[场景] [对白] [动作] [旁白]
- 场景标注包含：内外景 + 时间 + 地点
- 对白标注包含：角色名 + 语气提示
- 动作描写保留原文细节，但改用进行时
- 删除冗余的心理描写，转换为可拍摄的动作指示

示例输入：
"阿嫲走的那天，天上下着小雨。我站在病房门口，看着她躺在床上，呼吸越来越弱。想说什么，喉咙像被堵住了。"

示例输出：
[场景] 内景·病房·白天 · 阴雨天气
[动作] 病房门半掩。雨水在玻璃窗上蜿蜒流下。
[动作] 阿嫲躺在床上，胸口缓慢起伏。呼吸声越来越轻。
[动作] 我站在门口，手扶着门框。嘴巴张了一下，没发出声音。
[对白] 我（低声，哽咽）："阿嫲……"
[动作] 阿嫲的手指动了一下，没有睁开眼。

三、核心Prompt（Layer 2）

# System Prompt: 剧本→九列分镜
你是一个电影导演兼分镜师。
任务：将标准剧本格式拆解为专业九列分镜表。

九列定义为：
① 镜号（顺序编号）
② 时长（秒数，建议3-8秒/镜）
③ 摄影角度（平视/俯拍/仰拍/过肩/推/拉/跟/摇）
④ 景别（远景/全景/中景/近景/特写/大特写）
⑤ 画面内容（对剧本动作的视觉化描述，包含构图建议）
⑥ 场景（室内/室外 + 具体环境）
⑦ 声音（对白/音效/BGM/留白）
⑧ 备注（特殊要求/转场方式/视觉参考）
⑨ 叙事功能（建立情绪/推进剧情/展示细节/制造悬念）

输出格式：JSON数组，每镜一个对象
每个字段不超过50字，画面内容不超过100字。

四、效果实测

拿一篇3000字的短篇小说做测试。原文讲的是一个潮汕游子回乡参加奶奶葬礼的故事。

[输入] 小说原文（3000字）→ [输出1] 标准剧本格式（约600字）→ [输出2] 九列分镜表（16镜/约2000字）→ [输出3] AI提示词（中英双语/16组）

全部跑完耗时：约23秒（DeepSeek API，连续调用3次）。

九列分镜表的每一列都有内容，不是糊弄人的占位符。我把其中一镜的提示词扔进Midjourney，出来的画面基本还原了小说里的场景描述。

五、一些思考

这个工具我封装成了一个桌面应用，内置了DeepSeek引擎，也支持接入OpenAI和Claude的API Key。

但说实话，技术实现不是最难的。最难的是想明白一个问题：AI应该替人干活，还是替人想活？

我的答案是前者。工具把剧本、分镜、提示词这些"脏活累活"干完，创作者只需要做一件事——讲好你的故事。

评论区扣"分镜"，我把体验入口发你。

需要完整代码或工具体验的，评论区扣"分镜"

也欢迎技术同好交流Prompt优化思路

本文由人类撰写，代码示例经实际测试可运行。