从随机到导演：可控性的觉醒

"生成并祈祷"的终结

AI 视频的"提示并祈祷"时代有一个根本性问题：模型是导演，用户只是提示词工程师。

输入"女人走进房间，在窗前停下，摄像机跟随，然后弧线围绕，她微笑"——输出却是：她侧着走了，摄像机保持静态，她停在墙前，表情是中性。再试一次：她走出画面，摄像机向错误的方向平移。第三次尝试：弧线变成刺耳的跳切，微笑像鬼脸。

23 个变体，没有一个符合愿景。最接近的需要大量编辑，将三个不同的生成剪在一起，祈祷灯光匹配。

这不是工具问题，是控制权问题。创作者描述想要什么，模型做它想做的。有时幸运，通常只能妥协——让 AI 的输出决定最终效果。权力动态是颠倒的。

真正的电影制作需要可控性。创作者需要成为导演，而不是被动的接受者。

演变时间线

2019-2021：完全没有控制

早期基于 GAN 的视频生成提供零可控性。你提供一个种子。模型生成一些东西。如果你不喜欢，你改变种子再试一次。"摄像机运动"或"指导动作"的概念在界面中不存在。

研究重点在于存在性：我们能生成视频吗？控制是以后的问题。

2022-2023：基本调节

随着扩散模型的成熟，基本调节出现了：

• 文本提示：描述你想要什么（模糊地）
• 种子控制：可重复的随机性
• 图像调节：从特定帧开始

一些工具添加了基本控制。Runway Gen-2 引入了"运动画笔"——画一个区域，定义运动方向。在当时是革命性的，但有限：你可以指定"这个区域向上移动"但不能"摄像机推进同时主体走开"。

Pika Labs 提供"Pikaffects"——预设变换如"子弹时间"或"爆炸"。有趣，但不是电影制作。

2024：摄像机运动出现

突破来自于明确的摄像机控制。Runway Gen-3 通过文本提示引入"高级摄像机控制"——指定平移、跟踪、缩放、环绕。Higgsfield AI 展示了 50+ 电影运动预设。Pika 2.2 添加了"推拉镜头"和运动方向。

这些是真正的进步。第一次，创作者可以独立于主体行为指定摄像机行为。但它们是有限的：

• 摄像机移动是预设，不是精确控制
• 主体行为基本上仍然不可预测
• 组合（摄像机向左同时主体向右移动）不可靠
• 多镜头场景需要手动拼接

行业从"没有控制"移动到"有一些控制"。但这不是电影制作者控制。这是参数控制。

2025：Seedance 2.0 导演模式

Seedance 2.0 引入了不同的东西：带有内部分镜表（Internal Shot List）的导演模式。这不是添加参数。这是向模型添加导演意识。

Seedance 2.0：导演架构

导演模式实际做什么

传统 AI 视频：单个提示，单个输出，寄希望于最好。

导演模式：结构化输入，计划执行，可预测结果。

内部分镜表将生成分解为组件：

1. 镜头定义：指定摄像机角度、运动、镜头、构图
2. 动作编排：定义主体行为、时机、路径
3. 时间结构：在单个生成中排序多个节拍
4. 环境控制：灯光、氛围、背景行为

这些不是单独的提示。它们是模型整体解释的结构化输入。

多模态输入：完整的调色板

Seedance 2.0 同时接受最多 12 个输入：

• 9 张图片：参考帧、风格指南、角色表
• 3 个视频：运动示例、连续性前一片段
• 3 个音频：音乐轨道、语音参考、声音设计
• 文本：详细指导、镜头描述、时机提示

这不是"上传图片并提示"。这是"提供完整的创意简报，模型执行它"。

技术实现

可控性架构：

1. 结构化提示解析：模型理解电影制作词汇——推拉、平移、变焦、环绕、广角镜头、过肩镜头
2. 运动轨迹编码：摄像机和主体路径表示为数学曲线，不仅仅是文本描述
3. 多尺度生成：在序列级别规划，在帧级别执行，在像素级别优化
4. 反馈循环：内部检查确保摄像机运动、主体运动和环境保持连贯

对比：控制保真度

真实示例：咖啡馆场景

考虑这个复杂的指导：

"咖啡馆的广角建立镜头。摄像机推进穿过门。桌子旁主角的中景。摄像机围绕他们弧线移动 90 度，当他们抬头时。他们反应的特写。"

2023 方法：四次单独生成。手动匹配灯光、服装、背景。4+ 小时的工作。镜头之间的可见剪辑。

Seedance 2.0 导演模式：带有内部分镜表的单个结构化输入。模型规划：

• 镜头 1：广角，静态，3 秒
• 镜头 2：推进到门，2 秒
• 镜头 3：中景，弧线 90°，主角抬头，6 秒
• 镜头 4：特写，反应，4 秒

输出：15 秒的连续序列，有计划的过渡、一致的灯光、连续的动作。一次生成。一个愿景实现。

你可以立即行动

你的第一步

拿一个你拍摄或做过故事板的简单场景。将其分解为节拍：

1. 用分镜表写一个导演模式结构化提示
2. 包括特定的摄像机运动
3. 包括带时机的主体动作
4. 生成并与你之前的"提示并祈祷"尝试比较

控制一开始会感觉不熟悉——就像从自动切换到手动变速箱。但精度值得学习曲线。

导演模式的提示模板

项目：[场景目标的简要描述]

分镜表：
镜头 1：[类型、时长、摄像机动作]
  - 主体动作：[发生什么]
  - 时机：[在镜头内何时发生]

镜头 2：[类型、时长、摄像机动作]
  - 主体动作：[发生什么]
  - 时机：[何时发生]

[继续所有镜头]

参考：
- 风格：[图像参考或描述]
- 角色：[图像参考或描述]
- 灯光：[参考或描述]

音频：
- 音乐氛围：[描述]
- 声音设计：[关键元素]

连续性注释：
- [必须跨镜头保持一致的任何元素]

示例：
项目：早晨日常揭示

分镜表：
镜头 1：广角，4 秒，静态建立
  - 主体：人在床上睡觉，窗外晨光
  - 时机：静态保持，微妙呼吸

镜头 2：中景，5 秒，缓慢推进
  - 主体：睁开眼睛，坐起来，伸展
  - 时机：1 秒睁眼，2 秒坐起，4 秒伸展

镜头 3：特写，6 秒，围绕主体轻微弧线
  - 主体：望向窗外，表情从困倦变为充满希望
  - 时机：1 秒转头，4 秒形成微笑，保持到结束

参考：
- 风格：柔和的晨光，暖色调，电影感
- 灯光：透过薄纱窗帘的黄金时段

音频：
- 音乐：轻柔钢琴，略微增强
- 声音：外面的鸟，织物沙沙声

未来 12 个月

可控性是最后的边疆。期待快速进步：

• 基于关键帧的指导：设置特定帧，模型有意义地插值
• 物理控制：指定物体重量、动量、碰撞行为
• 情感弧线控制：逐节拍微调表情过渡
• 与标准工具集成：从 Storyboarder 导入，导出到带元数据的 Premiere
• 协作指导：多个用户同时调整不同方面

AI 作为随机生成器的时代正在结束。AI 作为制作工具的时代正在开始。

---

系列导航：

• 上一篇：E04: 从静音到交响：音频原生的革命
• 下一篇：E06: 从单帧到序列：叙事能力的跃迁 →

本文是 Seedance 2.0 Masterclass：内容进化系列的一部分。