本文回答：文案变成视频怎么做——把一段文案转成镜头表的规则（文案句子怎么改成看得见的动作、每镜时长怎么估、旁白和画面怎么分轨），一份可直接复制的「文案 → 镜头表」提示词模板和示例输出，9 项校验清单，镜头表字段怎么落进生成提示词，以及几种做法里镜头表由谁来出。
文案变成视频怎么做：别把整段文案贴进生成框，先转成一张镜头表——每句文案落成看得见的动作，一镜只放一个动作、一种运镜；拍不出来的信息交给台词或旁白，旁白和画面分两轨写；每镜估一个时长，再逐镜生成、挑片、剪成一条。问「文案变成视频用什么软件」，几种做法（文案配素材成片、对话大模型辅助、逐镜生成再剪、画布 / 节点工作流、AI 视频产线、实拍外包）差在这几步里哪些落在自己手上。
镜头表是把一段文案按镜头拆开后的清单：一行一个镜头，写清画面里的动作、景别、运镜、台词、旁白和预估时长，是文案和视频生成之间的中间产物。
整段文案为什么不能直接当提示词？
文案写给人读，可以写心理、写习惯，读者会自己补画面；模型要的是另一种东西：
- 火山方舟官方 Seedance 2.0 提示词规范（sd2-pe）说好的提示词是工程型指令（谁、在什么场景、做什么动作、镜头如何运动、按怎样的镜头顺序），不是文案型形容；情绪用具体身体细节外化。
- 《Doubao Seedance 2.0 系列提示词指南》在「双胞胎问题」的解决方案里写：「请勿直接将完整剧本作为提示词使用，文案内容过度冗余易造成模型理解混乱，需精简无关表述、保证指令清晰聚焦」。
下文用一段本文自拟的文案走一遍：
凌晨的便利店，值夜班的女孩发现，每晚十二点来买关东煮的老人，今天没有来。柜台上却多了一张写着她名字的纸条。
直接能拍的只有便利店、女孩、纸条；「每晚」「没有来」「发现」都得换个拍法，或者交给声音。
ai短视频制作用什么软件？几种做法里镜头表由谁出
把文案变成视频拆成「出镜头表 → 逐镜生成 → 挑片 → 剪成一条」，几种做法的差别是哪几步在你手上（功能以各家页面为准）：
| 做法 | 要喂进去什么 | 哪几步自己做 | 拿回来的是 |
|---|---|---|---|
| 文案配素材成片 | 口播稿 | 换掉对不上的画面、校字幕 | 配好画面、朗读和字幕的视频 |
| 对话大模型辅助 | 文案 + 下文模板 | 审镜头表、生成、挑片、剪辑 | 镜头表和提示词（文本） |
| 逐镜生成再剪 | 每镜提示词 + 参考图 | 拆镜头、写提示词、挑片、剪辑 | 单段片段 |
| 画布 / 节点工作流 | 自己搭的节点流程 | 搭流程、审每个节点的产物 | 取决于搭的流程 |
| AI 视频产线 | 一句话创意或已有剧本 | 关键节点确认、审片 | 剧本、分镜到成片的各步产物 |
| 实拍 / 外包 | 文案 + 需求说明 | 审脚本、审片 | 成片 |
对话大模型辅助和逐镜生成，镜头表要么你写、要么你审；画布可以把出镜头表做成一个节点，约束仍是你写，下文的模板和清单照样适用。这一步也可以交给产线做，比如猫斯卡（AI 视频生产系统）：创作者点了画分镜后，分镜师读这一场的剧本、看这一场人物的设定图和场景图，交回一张宫格分镜图和一份镜头清单，一格一行写景别、机位、画面、谁说哪句台词；它解决的是拆镜头时画面和设定图对得上，镜头清单改不改、哪版成片能用仍由创作者判断，没有成片自动打分。
文案句子怎么变成看得见的动作？六类改法
下表为本文整理，示例都出自上面那段文案：
| 文案里的写法 | 改成 | 示例 |
|---|---|---|
| 1. 情绪、心理 | 身体细节 | 「她发现」→ 她夹关东煮的手停在半空 |
| 2. 形容词堆叠 | 拆成光线、环境、声音 | 冷白顶灯、空货架、冰柜低鸣 |
| 3. 否定、缺席 | 拍缺席的证据 | 挂钟越过十二点、留出的一碗关东煮、空着的门口 |
| 4. 习惯、时间跨度 | 交给旁白或台词 | 旁白：每晚十二点，他都会来 |
| 5. 因果、转折 | 先拍触发，再拍反应 | 先给纸条，再给她的反应 |
| 6. 画面里要出现的字 | 单列，后期合成 | 纸条上的名字后期加 |
第 1 行依据 sd2-pe，《Doubao Seedance 2.5 提示词指南》也建议表情写描述性语句、减少成语；第 5 行依据火山方舟官方 Seedance 2.5 提示词规范（sd25-pe）：「因果揭示镜头先清楚呈现触发原因再呈现人物反应」；第 6 行是实操判断，可参照 sd25-pe 对字幕的说法：精确字幕无法仅靠 Prompt 完全保证，需结合素材或后期处理。
每镜多长、旁白放哪？时长和声音分两轨
时长：镜头表里的 est_dur 是分组和剪辑用的预算。实操上取较长的一个：动作做完要多久，台词或旁白念完要多久（大声念一遍掐表）。它不写进提示词：
- 《Doubao Seedance 2.0 系列提示词指南》：用镜头1、镜头2、镜头3按事件发生顺序组织，模型对精确时间（如 0–3 秒）的支持不稳定。
- sd25-pe：「画幅、总时长、分辨率、帧率和声音开关不写进 Prompt。普通生成任务由页面或接口设置这些参数」；数字时间段「表示事件预算，不是帧级剪辑点」。
- 火山方舟《创建视频生成任务》的 duration：Seedance 2.5 取值 [4, 30] 或 -1（智能选择），Seedance 2.0 系列 [4, 15] 或 -1，并提醒「视频时长与计费相关，请谨慎设置」。相邻几镜打包成一次生成时，est_dur 之和要落在所选模型的范围里。
声音拆三列：dialogue（人物开口的台词）进提示词，sd25-pe 的格式是「说话人 + {台词}」；sfx（环境音、动作音）写进这一镜的音频信息；voiceover（旁白）不进提示词，后期配。后配旁白时可用 2.5 指南的负向控制「无 bgm，只生成环境音和动作音」「不要字幕」，但同一指南说字幕约束目前无法完全避免，生成后要检查；sd2-pe 还提醒含旁白的视频片尾可能出现截断杂音，建议后期做淡出。
旁白用多少，可参考红果短剧创作服务平台「短剧编剧第一课」里燕北工作室负责人燕北的话：「能通过对白表达的，绝不用画外音；能用表演呈现的内心活动，绝不用独白」。落到镜头表就是：能演的写进 visual，演不出来的给 dialogue，都不行才进 voiceover。
ai视频提示词用什么软件？「文案 → 镜头表」提示词模板
这一步用对话大模型就够：它只做翻译，输出格式可以卡死。模板为本文整理，最后一行贴文案：
你是分镜助理。把【文案】转成镜头表，只输出 JSON 数组，不要解释。
1. 一镜只放一个看得见的主要动作；情绪写成身体细节，形容词拆成光线、环境、声音。
2. 拍不出来的信息（习惯、时间跨度、背景）放进 dialogue 或 voiceover，不写进 visual。
3. 有因果时，先给触发原因的镜头，再给人物反应的镜头。
4. camera 只填一种：固定 / 推 / 拉 / 摇 / 移 / 跟拍。
5. 人物只写 <人物A>、<人物B> 代号，不写长相和服装。
6. 画面里要出现的字写进 onscreen_text。
7. est_dur 填整数，单位是秒，取「动作做完」和「台词或旁白念完」中较长的。
8. source_line 原样抄对应的文案原句，每句文案至少落到一个镜头。
字段：shot_id, source_line, visual, shot_size, camera, characters, dialogue, voiceover, sfx, onscreen_text, est_dur
【文案】（粘贴在这里）
第 4 条照 sd2-pe「单镜头只指定 1 种运镜方式（推 / 拉 / 摇 / 移 / 固定 / 跟拍择一），禁止叠加」；第 5 条的前提是人物有参考图，2.5 指南写参考素材已足够精准时只做「指代」、减少画面复述。
便利店文案第一句的合格输出（本文示例；三镜的 source_line 都是第一句原文，和空字段一起省略）：
[
{
"shot_id": "S01", "visual": "墙上挂钟的指针越过十二点", "shot_size": "特写", "camera": "固定",
"voiceover": "每晚十二点，他都会来买一份关东煮。", "sfx": "冰柜低鸣", "est_dur": 5},
{
"shot_id": "S02", "visual": "<人物A>站在收银台后，夹关东煮的手停在半空", "shot_size": "中景",
"camera": "固定", "characters": ["<人物A>"], "est_dur": 4},
{
"shot_id": "S03", "visual": "锅边一只扣好盖子的纸碗，玻璃门外空无一人", "shot_size": "近景",
"camera": "推", "voiceover": "今天，他没有来。", "est_dur": 4}
]
第二句拆成 S04–S06：纸条特写 → 她展开纸条（onscreen_text 写名字，后期合成）→ 她抬头望向门外，各 4。六镜之和 25，在 Seedance 2.5 的 [4, 30] 内可打包一次生成；用 2.0 系列的 [4, 15] 就在 S03、S04 之间拆成 13 和 12 两组。能否一次出好仍看生成结果。
转出来的镜头表怎么验？9 项校验清单
模型给的镜头表逐项打勾再拿去生成（本文整理，写了出处的是官方文档说法）：
| # | 检查项 | 怎么判 | 依据 |
|---|---|---|---|
| 1 | 文案全覆盖 | 每句文案都出现在 source_line 里 | 本文整理 |
| 2 | 一镜一动作 | visual 里只有一个主要动作 | 本文整理 |
| 3 | 没有心理词、形容词 | visual 里没有「失落」「孤独」这类词 | sd2-pe：情绪用身体细节外化 |
| 4 | 一镜一运镜 | camera 只有一个值 | 2.0 指南：一个镜头里尽量只指定 1 种运镜方式 |
| 5 | 人物只写代号 | 有参考图的人物，visual 里不写长相、服装 | 2.5 指南：只做「指代」 |
| 6 | 旁白没混进画面 | voiceover 的话没被抄进 visual | 本文整理 |
| 7 | 因果顺序对 | 触发镜头在反应镜头之前 | sd25-pe |
| 8 | 时长够念 | est_dur 不短于台词或旁白念完的时间 | 本文整理 |
| 9 | 分组不超范围 | 一次生成的几镜 est_dur 之和在 duration 取值内 | 《创建视频生成任务》 |
不合格的行退回让模型按那一条重转，或者手改；改完只复查改动的行。
常见问题
口播文案没有剧情，也要转镜头表吗？
要，只是主轨换成 voiceover，visual 负责配合。实操上先按旁白断句定 est_dur，再给每句配一个对得上意思的画面；第 3、4、8、9 项照样验，第 7 项多半用不上。
文案改了一句，镜头表要整张重转吗？
不用。实操上按 source_line 找到这句落在哪几镜，只重转这几行；其余 shot_id 不动，中间插镜用 S03a 这类编号，已生成的也只重生成改动的镜头。旁白变长时，第 8、9 项要重新对，时长和分组可能都跟着变。
