动作镜三段式:告诉模型为什么

三段式

写动作镜时,把它拆成三段:

① 要怎么做   ——  动作本身,按发生顺序
② 为什么     ——  这个动作背后的动机 / 处境
③ 想要的效果 ——  这一镜看完观众应该有什么感觉

原作者的范例(一只鸵鸟踩到报纸):

要怎么做:脚掌猛踩报纸 → 报纸沾脚带走 → 另一只脚抬起试图甩开 为什么:因为报纸粘住很不舒服 想要的效果:所以变成单脚跳跃前进,整体幽默滑稽

看第三段那个"所以" —— 它不是在描述一个新动作, 它是前两段的自然结果。 你没有告诉模型"单脚跳", 你告诉它"粘住了、很不舒服",单脚跳是它自己算出来的。

这条片子的范例:镜 1 收势

补进本片之后,镜 1 最后那一拍是这么写的:

要怎么做:僵尸倒地,机器人没有收势耍帅,而是急忙掀开保温箱盖、 低头检查那碗红烧肉。 为什么:因为它在乎的从来不是打赢,而是这碗肉有没有洒、有没有凉。 效果:反差萌 + 笑点,瞬间从"功夫高手"切回"怕被扣差评的打工人"。

⚠️ 注意"要怎么做"那段里有一个否定:"没有收势耍帅"。

这很重要 —— 模型的默认行为是"打完架要摆个姿势",那是它见过最多的画面。 你不主动排除掉那个默认,它就会给你一个耍帅的收势。

为什么"为什么"有用

原作者给这条心法的说法是:

不要把 AI 当冰冷工具,当创作伙伴;不要命令它,要指引它。

这句话很像鸡汤,但它背后有一个很实的机制 ——⚠️ 下面这段是我的解读,不是留档原文:

动作的自然感来自"每一帧都被同一个动机约束"。

你只写动作序列,模型就是在逐帧拼接你列的那几个姿势, 帧与帧之间没有内在的联系,于是就"僵硬"。

你给了动机,模型就有了一个贯穿所有帧的约束 —— "她在躲一个很烫的东西"会同时影响手的角度、身体的重心、脸的方向, 而这些是你列不完的。

🔴 换句话说:"为什么"不是修辞,它是在用一句话替代一百条细节。

武打戏还有一层:先让 AI 写初稿

留档里另有一条,专门针对最难的那类动作 —— 打斗:

他自认"写文戏行、写武戏不行",所以武打段先让 AI 按模板生成动作分镜 —— 给它地点、主角如何入画、用什么武器、几名敌人、攻击方式、收尾、氛围词、战斗节奏, AI 给一版 → 改详细 → 加限制 → 反复改到贴合。

关键在最后一句:

拿到 AI 的提示词后仍要自己改。

留档举了他的例子:AI 给了 7 个分镜,他要 8 个 —— 还自己补了开头 "机器人面部重摔地面"和收尾。

AI 写的是一个合格的骨架,不是你的那条片子。

两条真的:同一个连招的头两拆

上面讲的都是方法。下面是这条片子实际用出去的两条提示词 —— 镜 1 那套功夫被拆成四招,这是头两招。注意每一条都完整带着三段式, 而且第 1a 条里那个「为什么」只有一句话:它一点不慌,是在护住车上那盒红烧肉。

@机器人资料卡 同一台复古原子朋克外卖机器人：潜水盔圆头、单只暖琥珀色发光镜眼（非人脸，情绪只压暗不变色）、黄铜与哑光钢躯体、机械手脚、略佝偻打工人；漆面剥落露金属、关节渗油积灰；褪色暖黄外卖冲锋衣+帆布围裙、背保温外卖箱。废土霓虹街，破败招牌频闪、湿地映霓虹、热风卷尘。变形宽银幕电影质感，Sony Venice+Canon K-35，35mm 胶片颗粒，低饱和高对比，16:9，shallow DOF；超写实、极致逼真、真人实景拍摄；杜绝游戏CG感、杜绝动作僵硬。侧面中景，不框死构图。手持拍摄，全程保持极其轻微、如呼吸般的镜头浮动。
要怎么做：一只风格化非血腥僵尸侧扑过来，机器人拇指快速抹一下镜眼下沿、单手向僵尸招手挑衅，外卖服衣摆轻扬；@狗资料卡 那只穿衣服的德牧吓得缩在三轮车后、爪子捂眼偷看。
为什么这么做：机器人一点不慌，是在邀战、护住车上那盒红烧肉；狗则纯怂。
想要的效果：机器人痞帅 vs 怂狗的双重反差萌，琥珀镜眼亮一下，氛围幽默荒诞。
声音：仅同期声——机械伺服轻响、热风、僵尸低吼、狗的呜咽；不要任何背景音乐、不要旁白人声。画面内不出现任何文字、logo、水印。

@机器人资料卡 同一台外卖机器人（潜水盔头、暖琥珀镜眼、暖黄外卖服+围裙、背保温箱），废土霓虹街。变形宽银幕电影质感，Sony Venice+Canon K-35，35mm 胶片颗粒，16:9，shallow DOF；超写实、极致逼真、真人实景拍摄；杜绝游戏CG感、杜绝动作僵硬。中景偏低角，跟随僵尸扑势短促横移。手持拍摄，全程保持极其轻微、如呼吸般的镜头浮动。
要怎么做：一只僵尸扑到面前，机器人一记干净利落的侧掌寸劲推在它胸口、把它稳稳定住，另一只手端着那盒红烧肉纹丝不动。
为什么这么做：发力只为卸掉冲势、绝不让那盒肉洒出来。
想要的效果：举重若轻、毫不费力，盒里红烧肉一滴汤不洒，顶级功夫只为护一份外卖的荒诞反差。
声音：仅同期声——一声闷响、机械伺服、一声短促气音"哈"；不要背景音乐、不要旁白。画面内不出现任何文字、logo、水印。

⚠️ 两条对照着看,你会发现除了动作那三段,其余部分一字不差 —— 那就是 s2.5 讲的锁定块在起作用。

而本节开头引用的那段三段式(护肉收势),完整的一条长这样 —— 注意狗那半句也在里面:

@机器人资料卡 同一台外卖机器人 + @狗资料卡 穿衣服的德牧，废土霓虹街，僵尸已倒地。变形宽银幕电影质感，Sony Venice+Canon K-35，35mm 胶片颗粒，16:9，shallow DOF；超写实、极致逼真、真人实景拍摄；杜绝游戏CG感、杜绝动作僵硬。中景转半身，缓缓推近到保温箱那盒肉。手持拍摄，全程保持极其轻微、如呼吸般的镜头浮动。
要怎么做：僵尸全部倒地，机器人没有摆造型耍帅，而是急忙转身掀开保温箱盖、低头凑近检查那碗红烧肉；狗这才从车后冲出来，对着倒地僵尸汪汪壮胆、邀功。
为什么这么做：机器人在乎的从来不是打赢，只是这碗肉有没有洒、有没有凉；狗是打完了才来逞英雄。
想要的效果：机器人确认无事、肩膀一松、缓缓直起腰恢复佝偻打工人，配怂狗逞强，反差萌收束。无台词、无爆炸、无强光。
声音：仅同期声——箱盖轻响、细微热气声、如释重负的伺服泄气音、狗事后逞强的吠叫；不要背景音乐、不要旁白。画面内不出现任何文字、logo、水印。

🔧 动手做:把一个动作镜改写成三段式(8 分钟)

1. 挑你分镜里最难的那个动作镜。
2. 原样抄下你现在的写法,放在旁边对照。
3. 写第一段(要怎么做):把动作按发生顺序拆成 2-3 步,用箭头连起来。 🔴 并且写一个否定 —— 这个动作最"套路"的做法是什么?明确排除掉它。 (打完架不许摆姿势 / 哭的时候不许捂脸 / 开门后不许愣在门口)
4. 写第二段(为什么):一句话,说人物的处境或动机,不说动作。 ⚠️ 检查:这句话里不应该出现任何身体部位。 出现了,说明你还在写动作。
5. 写第三段(效果):观众看完这一镜应该产生什么感觉。 用"所以……"开头,逼自己让它成为前两段的结果。
6. 两条各跑一次,对比。

你会看到:第 4 步最难。你会反复想写"她的手在抖" —— 那是效果不是原因。原因是"她刚知道那个消息"。

为什么:你能列出来的身体细节永远是有限的,而模型需要的是一个能推导出无限细节的约束。 动机就是那个约束。这也是为什么三段式里最短的那一段最值钱。