视觉Prompt叙事：用文字讲故事

可视化演示

展示Prompt叙事元素拆解映射、镜头语言画面效果及多帧故事板连贯生成的三模态交互动画。

叙事元素拆解

假设你是一位导演，拿到剧本的第一天，你绝不会直接喊“开机”。你会先做“拆场”：这一场谁来演？在哪儿拍？做什么事？是清晨还是深夜？这四个答案像四根立柱，撑起一场戏的骨架。写视觉 Prompt 也一样。若只丢给 AI 一句“画个漂亮女孩”，它就像一个什么信息都没拿到的场记，随便抓个演员、随便找个景，最后交给你一张没有故事的摆拍。

叙事型 Prompt 的下笔姿势，是先在心里填一张“场记表”。表上有四个固定栏位：Who（角色是谁）、Where（场景在哪）、What（正在发生什么）、When（故事处于什么时刻）。这四个栏位合称“叙事四要素”。当它们全部确定，AI 就不再是自由发挥的画家，而是一位严格执行剧本的副导演，知道该把镜头对准谁、让画面上演哪一幕。

用数学语言，四要素可以写成一组“画面叙事向量”，每一项都对应 Prompt 里的一类关键词：

回到导演的比喻：四要素就是你的场记表，哪怕一个要素空缺，这场戏就缺了一条筋骨。下次写 Prompt 前先问自己——我的画面里，谁能回答“谁、在哪、做什么、何时”？问完再落笔，AI 的画面立刻从“一张图”变成“一幕戏”。

场景氛围描写

导演不会让演员站在绿幕前干演。他会叫来置景组，往画面里填满真实的物件；叫来灯光组，决定阳光从窗户哪个角度洒进来；叫来美术组，统一整场戏的色彩基调。氛围从来不是“加上去的滤镜”，而是一个个具体选择堆出来的结果。Prompt 写作同理：抽象的“安静”不产生画面，具体的“旧书架、暖黄灯、浮尘”才会。

视觉 Prompt 里，场景氛围可以拆成三个可写的旋钮：Detail（环境细节）、Light（光线）、Tone（色彩基调）。把“一个安静的教堂”改成“破败的老教堂，彩色玻璃窗透进斜阳，灰尘在光柱里漂浮”，AI 输出的画面立刻有了重量与温度。注意，三个旋钮是相乘关系——光线写得再好，没有细节物件支撑，画面就是空壳；色彩再统一，光线方向不对，情绪就出不来。

你写下的每个具体名词，都是在替置景、灯光、美术三个部门下达指令。氛围不是形容词，而是名词与光线的排列组合。当你把“美丽”换成“黄昏里飘着桂花香的旧巷”，AI 的置景组就已经开工了。

角色塑造技巧

导演选角，会看三样东西：长相是否符合角色、情绪能否打动观众、和其他角色的关系是否可信。AI 画人物也需要一张“选角卡”：外貌、情绪、关系，缺一不可。许多人生成的角色像“纸片人”，就是因为只填了外貌一栏，没有情绪与关系的支撑。这时候画面很好看，但没有让观者挂念的东西。

角色塑造三要素：Look（外貌特征）负责视觉识别，包括发色、服饰、体态；Emotion（表情与情绪）负责情感传递，一个眼神就能定下整张图的基调；Relation（人物关系）负责故事张力，两个人的站位与视线方向足以暗示一场对手戏。“孤独的女孩”是摆拍，“抱着空碗蹲在门口、眼巴巴等妈妈下班的小女孩”才是故事。

给 AI 递上详细的选角卡，它交还的就不再是纸片人，而是观众会牵挂的角色。记住：角色不是用来“陈列”的，而是用来“生活”在画面里的，让他有表情、有牵挂、有对手戏。

镜头语言运用

同样一场戏，近景拍和远景拍，观众的感受天差地别。导演身边永远站着摄影师，而摄影师手里握着三个旋钮：景别、角度、视角。Prompt 里写不写镜头语言，决定观者是“站在远处看热闹”还是“被拉进画面里共情”。很多 AI 画作缺乏代入感，不是因为画得不好，而是因为缺少一个“观看位置”的设定。

景别（Scale）控制信息量：特写放大情绪，中景交代动作，远景展示环境；角度（Angle）传达权力感：仰拍显伟岸，俯拍显脆弱；视角（Depth）制造沉浸感：透过遮挡物拍，会产生偷窥感与代入感。例如“透过沾满雨滴的玻璃窗，看向屋内低头织毛衣的老人”——一句话同时完成了取景、距离与情绪铺垫，这就是镜头语言的力量。

下一次生成人物画面时，别急着写“一个女孩”，先问自己：我想让观者站在哪里看？是贴着脸颊看眼泪，还是退到巷口看整个故事发生？镜头语言就是你的“观看距离调节器”。

多帧连贯叙事

连续讲故事的致命伤是“换脸”。上一帧的女孩是黑发，下一帧变成了棕发，故事瞬间穿帮，观众立刻出戏。导演靠分镜脚本保证连续，AI 创作者靠“锚点 + 增量”策略。所谓锚点，就是每一帧都必须固定的角色外观关键词；所谓增量，就是每一帧可以改变的动作、场景或情绪。

写多帧叙事 Prompt 时，把角色锚点当作“演员签约合同”：合同内容（发色、服装、体型）整部戏不变，演员的表演（动作、表情）每场戏都在变。例如锚点固定“穿红雨衣戴黄帽子的小男孩”，四格分镜只改动作：撑伞、踩水坑、追公交、回头笑。AI 生成的四帧放在一起，观众能认出是同一个孩子的同一个下午。

锚点是你戏里的“演员签约合同”，全剧组（所有帧）都认同一个演员。生成系列图时，先写一句话锚点，复制到每一帧，再逐帧替换增量——这是漫画分镜和绘本创作中最实用的防穿帮手段。

故事感营造

一部电影如果每场戏情绪都一样平，观众会睡着。导演会在剧本阶段画出“情绪弧线”：铺垫、发展、高潮、回落、结局。故事感就是这条线的形状。单张画面虽然只有一帧，但它应该处在情绪弧线上的某个位置——或是大战前压抑的平静，或是高潮处爆发的瞬间，自带“前因后果”的暗示。

“故事山”模型用一条曲线描述张力变化：前半场张力缓慢爬坡，在高潮处冲到顶点，后半场缓缓回落。写多帧序列时，可以像调度情绪弧线一样安排每一帧的张力值：第一帧平静引出人物，第二帧加入冲突让观者好奇，第三帧推到顶点，第四帧落地留下余味。这就是节奏控制。

故事感不是玄学，而是一条可调的情绪曲线。画单图时，想清楚这一帧处在弧线的哪个位置；画多帧时，让每一帧的张力沿着这条山形曲线分布。观众感受到的“荡气回肠”，不过是你精心铺设的抛物线。

实战应用场景

学会了分镜思维，就该“开机拍片”了。AI 叙事 Prompt 最常落地的四个类型：绘本插画、漫画分镜、广告故事板、电影概念图。它们有个共同点——每张图都必须服务于一段故事链条。绘本要求跨页延续，漫画要求分格推进，广告要求一帧讲清卖点，概念图要求让投资人看见整部电影的气质。

实战时可以给自己的 Prompt 打一个“叙事完整度”分数：角色、场景、动作、时间、情绪，五栏每栏记 1 分，相加除以 5。低于 0.6 的 Prompt 大概率输出“空镜头”——好看但没戏。用这个分数去检查你的 Prompt，比盲目增加形容词有效得多。这也是团队协作时的通用语言：后期、美术、甲方都能用它快速对齐“故事讲到哪一步了”。

导演杀青后看的是成片有没有打动观众，你也要用叙事完整度回看自己的 Prompt——它是否成功地把观者拉进了你的脑内电影。从绘本到广告，任何 AIGC 创作场景，检验标准永远是同一个：这张图，讲得动人吗？

AI 应用场景

Python 演示

class VisualStoryPrompt:    """组装叙事型视觉 Prompt 的工具, 模拟导演的场记表."""     def __init__(self):        self.who = ""        self.where = ""        self.what = ""        self.when = ""        self.emotion = ""        self.shot = ""     def set_who(self, desc):        self.who = desc     def set_where(self, desc):        self.where = desc     def set_what(self, desc):        self.what = desc     def set_when(self, desc):        self.when = desc     def set_emotion(self, desc):        self.emotion = desc     def set_shot(self, scale, angle):        self.shot = scale + "镜头," + angle + "视角"     def build_prompt(self):        parts = []        kv = [("角色", self.who), ("场景", self.where), ("动作", self.what),              ("时间", self.when), ("情绪", self.emotion), ("镜头", self.shot)]        for name, value in kv:            if value:                parts.append(name + ":" + value)        if not parts:            return "空场记表, 无法开机"        return ", ".join(parts) + ", 电影感画面, 统一画风"     def story_score(self):        """叙事完整度评分, 满分 5 分."""        checks = [self.who, self.where, self.what, self.when, self.emotion]        filled = sum(1 for item in checks if item)        return filled / len(checks)  def main():    prompt = VisualStoryPrompt()    prompt.set_when("深夜十一点")    prompt.set_where("堆满旧书的老书店")    prompt.set_who("戴圆框眼镜的女孩")    prompt.set_what("踮脚去够最高一层的旧书")    prompt.set_emotion("期待又忐忑")    prompt.set_shot("中景", "平视")    print("生成的叙事 Prompt:")    print(prompt.build_prompt())    score = prompt.story_score()    print("叙事完整度: {:.0%}".format(score))    if score == 1.0:        print("五要素齐全, 画面自带故事感")    else:        print("还缺少要素, 请补充场记表")  if __name__ == "__main__":    main()

1. class VisualStoryPrompt:定义“导演工具类”，每个实例就是一张准备填写的场记表。
2. set_who / set_where / set_what / set_when分别填场记表的四个基础栏位，对应叙事四要素。
3. set_emotion(desc)填写情绪栏，对应角色塑造中的 Emotion 要素，让画面有温度。
4. set_shot(scale, angle)填写镜头栏，把景别与角度编译成镜头语言关键词。
5. kv = [("角色", self.who), ...]用一个列表统一管理六要素，按固定顺序拼接，保证 Prompt 结构稳定。
6. if not parts: return "空场记表, 无法开机"防御逻辑：一张全空的场记表直接拒绝开机，防止生成无意义 Prompt。
7. ", ".join(parts) + ", 电影感画面, 统一画风"把要素拼接成一句连贯的自然语言，并追加全局画风约束。
8. filled / len(checks)计算叙事完整度：每填一项得 1 分，除以总项数得到 0 到 1 的评分。

常见误区

面试题