万利影视创作：AI 剧本、分镜与电影预制作

当一套AI剧本生成工具顺利跑完流程，交付出一份包含上百个场景的剧本草稿时，很多第一次使用这类工具的团队会产生一种误解：场景数量越多、细节越完整，说明这份剧本"越成熟"。万利影视创作在实际项目复盘中反复看到的情况恰恰相反——一份AI生成的百场剧本草稿，往往不是需要继续"添加"的半成品，而是需要立刻"删减"的过量素材。

节奏问题：单个场景合理，不代表整体节奏合理

AI剧本生成的一个特点是，它擅长为每一个局部场景找到合理的存在理由：这场戏交代了人物背景，那场戏埋下了后续伏笔，另一场戏强化了某个人物关系。单独审视，几乎每一个场景都能说出"为什么需要它"。但剧本的节奏（Pacing）是一个整体性问题，不是逐场景的局部判断。当一百个"各自合理"的场景被顺序排列在一起，真实的观感往往是拖沓——观众在故事进行到相当篇幅时，仍然停留在人物关系的铺垫阶段，主线冲突迟迟没有实质推进。

Production Constraint：剧本必须对预算与档期负责

剧本之外，还存在一个AI在生成阶段几乎不会主动考虑的因素——Production Constraint（制作约束）。真实的影视制作有预算上限、拍摄天数上限、演员档期与场地租用周期的限制。一份场景数量翻倍的剧本，意味着更多的置景、更多的转场、更多的拍摄日。专业的剧本开发工作，很大程度上是一门"删减与取舍"的学科，而不是"持续添加"的学科——AI可以负责生成候选场景，但判断哪些场景值得进入最终拍摄清单，仍然需要制作人员基于叙事效率（Narrative Efficiency）与制作可行性共同权衡。

以《雾港来信》为例

以万利影视创作使用的原创示例项目《雾港来信》为例：AI剧本生成阶段曾经产出过一条完整的支线——记者林舟的一位旧同事，因为一桩不相关的旧案返回港口小城，与林舟发生了几场关于职业伦理的对话。这条支线单独来看写得并不差，人物动机清楚，对白也有信息量，但它与陈辰掩盖沉船事故、顾遥持有关键证据这条主线几乎没有交叉，只是延长了林舟抵达核心冲突的时间。在剧本拆解（Scene Breakdown）阶段，制作团队最终选择整体删除这条支线，把原本分配给它的场次让给主线的证据博弈。

叙事效率：每个场景都要重新对照主线衡量

万利影视创作在处理这类删减判断时，会引入一个简单但有效的检验标准——叙事效率（Narrative Efficiency）：这个场景是否推进了核心冲突，是否让某个人物在目标或认知上发生了变化，如果去掉这个场景，观众是否会遗漏理解后续剧情所必需的信息。凡是三个问题都得到否定答案的场景，无论它本身写得多么精致，都应该被列入删减候选清单。这个标准之所以重要，是因为AI剧本生成阶段几乎不会主动做这种对照——它更擅长按照设定好的人物关系与背景信息持续扩展场景，而不擅长判断哪些扩展对主线是多余的。

把叙事效率检验和制作约束结合起来使用，团队通常能在一轮剧本拆解中砍掉相当比例的场景，同时让留下的场景承担更明确的叙事功能。AI剧本生成的产出，更适合被定义为"候选素材"而不是"终稿"——生成阶段负责扩大可能性，拆解与删减阶段负责收敛到一个真正可拍、节奏可控的版本，两者缺一不可。

在剧本页面上，"林舟与顾遥在咖啡馆里谈话"可能只是一行场景描述，加上几句对白。但当这场戏进入分镜生成阶段，万利影视创作的经验是：一场看似简单的双人对话戏，最终的镜头清单（Shot List）很可能包含十几个完全不同的镜头。原因在于，分镜要回答的不是"这场戏写了什么"，而是"观众应该在哪一刻看到什么"，而这个问题的答案，往往需要多个景别配合才能完整表达。

从建立到细节：景别本身承担叙事任务

一个常见的分镜结构，会先用Wide Shot（全景）交代林舟与顾遥所在的空间关系——两人隔着一张小桌相对而坐，咖啡馆内是否还有其他顾客，这些信息只有全景能一次性建立。随后用Medium Shot（中景）承接对话的主体部分，保留人物的手势与坐姿变化。当顾遥开始谈及关键证据时，镜头往往需要切入Close-up（特写），把她犹豫的表情放大给观众——这类情绪信息在中景里容易被环境细节稀释，只有特写能让观众专注地读到这份犹豫。

Reaction、Insert 与 Eyeline：让观众理解"谁在看谁"

除了主要景别，这场戏还需要Reaction Shot（反应镜头）：当顾遥说出关键信息时，切一个林舟的反应特写，让观众看到这句话对他造成的冲击，而不是只听到台词本身。如果剧情设计顾遥把一份文件推到桌子对面，分镜还需要一个Insert（插入镜头）单独交代这份文件的细节——文件上的印章或照片，可能是后续剧情的伏笔。与此同时，Eyeline（视线镜头）负责确保剪辑逻辑的连贯：顾遥低头看文件、林舟抬头看顾遥，这些镜头的机位角度必须服从统一的视线方向，否则剪辑到一起时观众会产生方向混乱，误以为两人在看向同一侧而非彼此对视。

"简单场景"不等于"简单镜头清单"

把上述景别逐一列出——全景、双人中景、林舟中近景、顾遥中近景、顾遥特写、林舟反应特写、文件插入镜头，再加上对话过程中往返的多组视线镜头——一场两个人坐着聊天的戏，镜头数量很自然地达到十几个。万利影视创作把这个过程称为"翻译"：剧本对这场戏的描述可能只用了几十个字，但分镜生成需要为每一句台词、每一次情绪转折，重新分配对应的镜头语言。这也是万利坚持把分镜生成作为独立环节，而不是剧本自动延伸的核心原因。

Coverage：镜头清单还要为剪辑阶段留出余地

除了服务于情绪表达的特写与反应镜头，专业的镜头清单通常还会包含一组Over-the-shoulder（过肩镜头），交替从林舟的肩膀后方拍摄顾遥，再从顾遥的肩膀后方拍摄林舟，为剪辑阶段提供多种组接方式。这类似于摄影里的Coverage（覆盖拍摄）概念：分镜阶段不会假设剪辑师一定会按某一种固定顺序使用镜头，而是提前准备好足够的素材组合，让剪辑阶段可以根据实际的表演效果与节奏判断，重新挑选每一句台词对应的镜头。为《雾港来信》这场对话戏设计分镜时，团队正是按照这个思路，为几句关键台词各自准备了两到三种可替换的镜头方案，而不是只给出一条唯一路径。

不少团队第一次接触AI分镜生成工具时，关注点往往落在"图片好不好看"上——AI能不能把剧本里的场景，转换成风格统一、构图美观的分镜画面。万利影视创作认为，这只是Previsualization（预演验证，简称Previz）能力中相对次要的一部分。Previz真正的价值，在于它能在正式拍摄之前，提前暴露一场戏在执行层面到底"拍不拍得通"，把本该在片场才发现的问题，提前挪到电影预制作阶段来解决。

Blocking：走位在纸面上成立，不代表在空间里成立

剧本里的调度描述，例如"林舟起身走向窗边，顾遥留在原地整理文件"，读起来毫无问题，但落实到具体空间里，这样的Blocking（人物走位）可能与镜头设计产生冲突。如果窗边的位置恰好在此前设计好的机位正前方，林舟走过去就会挡住镜头对顾遥的拍摄。这类问题在文字剧本阶段几乎不可见，只有把走位、机位与镜头运动放在同一个预演场景里检验，才能提前发现，并在预演阶段就调整走位或改换机位。

Eyeline Mismatch：分镜阶段就能验证的连贯性问题

前一篇文章提到的Eyeline（视线）问题，同样是Previz要重点排查的对象。如果分镜设计中，顾遥的视线镜头与林舟的视线镜头在机位角度上不匹配——例如顾遥被设计成从画面左侧看向林舟，而林舟的反应镜头却被设计成从画面右侧看向顾遥——剪辑时两人就会呈现出"看向同一侧"而非"彼此对视"的错误效果。这种错误如果在正式拍摄现场才被发现，往往意味着重新调整机位、甚至补拍，成本远高于在预演阶段修改分镜。

场地能不能支撑设计好的镜头运动

另一类容易被忽视的问题，是场地本身能否支撑剧本与分镜里设计好的镜头运动。例如某场戏的分镜设计了一个跟随林舟从咖啡馆内部一路走到门外街道的长镜头运动，但如果实际选定的拍摄场地内部空间狭窄、门口台阶又不利于稳定器或轨道通过，这个镜头在现实中可能根本无法完成，或者需要付出远超预算的成本才能实现。

Previz 结果如何反馈到制作排期

万利影视创作把Previz环节的产出，不只是当作分镜画面的补充材料，而是直接反馈给制作排期表：一旦某场戏在预演阶段被确认存在走位冲突或场地限制，制作团队就可以提前调整拍摄顺序、更换场地，或者在正式开拍前重新设计镜头运动方案，而不必等到置景完成、演员与设备都已经到场之后，才在现场临时改动。这种提前暴露问题、提前解决问题的工作方式，能够明显减少现场因为方案不可行而产生的等待与返工，这正是Previz被定位为电影预制作核心环节而非可选步骤的原因。