AI 音乐视频分镜：12 个镜头示例与模板

AI 音乐视频分镜给每个镜头一件事：观众看到什么、它在什么时候出现、它如何接到下一张画面。先定视觉想法，再分成一段处理得过来的顺序，然后补上生成时需要的镜头说明。

下面是一段已经存在的、时长 78.59 秒的 VibeMV 视频节选，拆成 12 个镜头，并附一份填好的示例和一份空白 CSV，可以拿去写你自己的歌。这些备注分析的是完成片，不是它当初的制作分镜，也不是原始提示词。封面是编辑配图。编号画面来自成片中的实际帧。

下载空白分镜 CSV · 下载填好的 12 镜头示例

两份都是英文文件，链接和文件名保持英文，不会改成中文文件。每份 CSV 是一张英文表，列名也是英文。

• ai-music-video-storyboard-template.csv 是空白表，用来规划你自己的镜头。英文列 shot、start、end、duration_seconds、visible_scene、framing、subject_action、camera_movement、continuity_note、reference 分别是镜头序号、开始、结束、秒数、可见场景、构图、主体动作、镜头运动、连贯性备注和参考。
• ai-music-video-storyboard-example-v20261017.csv 是填好的示例表，概括这段节选的时间范围、可见场景、可能的镜头任务和连贯性观察。英文列是 shot、start、end、duration_seconds、visible_scene、storyboard_job、continuity_note。

先看整段，再读单个镜头

先开声音看一遍。注意剪辑如何在麦克风前的表演、汽车、开阔草地和路边之间移动，然后再加上篝火和户外表演。回到熟悉的场景，能让顺序连得上，又不必把每个镜头都放在同一个地点。

这和完整 AI 音乐视频教程里的同一段现成样本是同一支视频；这里按镜头拆开。它是更长曲目里的一小节选，不是整首歌。下面的时间从视频开头算起。镜头边界来自保留的项目记录，阅读时四舍五入到百分之一秒。标签描述的是看得见的场景，没有给未核实的主歌或副歌起名字。

12 个镜头的分镜，附真实画面

从左到右读，再接到下一行。每一格都取自成品视频里对应镜头的内部，不是一张没用上的参考图。

表里给每个可见场景一个可能的规划任务。这些是可以改编的编辑观察，不是对创作者原始意图的断言。

这段顺序里的三点观察

让表演镜头和故事镜头各做各的事

镜头 1 引出麦克风前的表演者。镜头 2 进入车内。这个变化打开第二条视觉线，同时让一个人留在画面中心。写详细提示词之前，分镜就可以把这件事分开：一个镜头承担表演，另一个镜头给观众一个地点、一个动作或一个故事细节。

写自己的歌时，用白话写下每个镜头的目的。「引出歌手」和「表现出路程」比每一行都重复「电影感」更有用。先知道这个镜头需要看得见的人声表演，还是不带人声的画面，再选生成流程。

回到已有画面，而不是每个切点都发明一个新地点

麦克风场景出现在镜头 1、5、9 和 12。汽车出现在镜头 2 和 4；栅栏场景在镜头 3 和 8 回来。这些反复出现的地点让顺序可以变，又留得住认得出的视觉锚点。

这不要求构图或服装从头到尾一模一样。浅色帽子和户外服装，不同于更深的表演造型。如果你的计划里有这种变化，写进连贯性备注，让它成为有意的选择，而不是互相打架的说明。

距离和时长的变化要有理由

镜头 7 里 3.20 秒的路边背面，夹在更长的镜头之间。它给路程换了一个视角，然后剪辑回到栅栏。镜头 10 更宽的篝火构图，又换了一种人、乐器和环境的安排。

一个想法能很快看懂时，用短镜头。观众需要读一个动作或一段表演时，留更长时间。这里的时长是观察，不是通用的计时配方，也不要求每个镜头都生成固定秒数。

为自己的歌做一份分镜

1. 用一句话写下视觉想法。 点出表演者或主体、世界，以及你想维持的感觉。如果需要概念文档，用音乐视频策划方案指南。
2. 标出你正在规划的那一段歌曲。 听，并记下音乐里实际发生的变化。不要照抄这个示例的时间范围，也不要假定它们对得上你的主歌和副歌。
3. 给每个镜头一件事。 决定哪一个引出表演者、建立地点、推进动作，或回到反复出现的画面。
4. 分开写构图和运动。 主体动作和镜头方向分开描述。短镜头里，一个清楚的动作比好几件互相抢的要求更容易判断。
5. 标出连接。 记下哪个人、哪套衣服、哪个地点、哪种光或哪件道具应该回来，以及计划中的变化发生在哪里。
6. 对着歌曲把整段顺序再看一遍。 按行往下读。看下一个镜头有没有加上新的东西，以及回到熟悉画面是否帮到剪辑。

填好的 CSV 概括这段节选的时间范围、可见场景、可能的镜头任务和连贯性观察。空白 CSV 多了构图、主体动作、镜头运动和参考栏，用来规划你自己的镜头。只填这个镜头真正要定的事。行可以增删；十二是这个示例的数量，不是你的项目配额。

把一行分镜写成镜头提示

分镜的一行决定这个镜头为整段顺序贡献什么。提示词描述你希望这个镜头呈现的画面和运动。例如，新的规划行可以是：

这是写出来的规划示例，不是镜头 2 背后的原始提示词。提示词结构见AI 音乐视频提示词指南，跨镜头的参考选择见角色规划指南。

在当前的 VibeMV 流程里，把整体方向写进创作需求，查看创作方案，再应用到工作台。生成视频之前，先核对镜头划分和首图。生成或应用创作方案不收费；生成图片和视频会消耗对应积分。这里的 CSV 是可下载的规划材料，并不表示工作台会导入这个文件。创作方案本身不是已经生成的图片或视频。

常见问题

AI 音乐视频分镜应该写什么？

每个镜头写上时间范围、画面任务、构图、主体动作、镜头运动和连贯性备注。有参考画面就附上，然后对着歌曲把整段顺序再看一遍。

一支 AI 音乐视频需要多少个镜头？

没有固定数量。这段 78.59 秒的节选包含 12 个镜头，但镜头数应由你的歌曲、节奏和视觉想法决定。不要默认把每一拍都切成一个镜头。

这是生成示例时用的原始分镜吗？

不是。这是对一支已完成的 VibeMV 示例做的注释拆解，用的是保留下来的镜头时间和实际画面。这些备注说明如何阅读和改编这段顺序；它们不是还原出来的原始制作简报。

概念和镜头规划的差别，读策划方案与分镜。从上传到导出的流程，用完整 AI 音乐视频教程，或从你的歌曲开始。