AI 生成影片真的會看故事板？Seedance 2.5 把 8 格分鏡全用上了

簡單講：故事板好用、字節跳動工程師牛逼！ Seedance 2.5 不止看了還把鏡頭的連續性做出來了，而且看得比我們第一次做的對照表還仔細。彷彿在嫌棄我們團隊怎麼那麼偷懶。

兩支成片都找得到 P01–P08。直式 P01 在第 3 秒又出現一次，P02 的構圖一路活到 P03 開始，Mobile P07 也比我們原本標記的位置早了 0.1 秒。這幾格是編輯回看文章時抓出來的。我們只好把 FFmpeg 再打開，半秒、半秒往回找。

不出意外的話，這時候肯定要寫跟意外相關的論述了，沒，沒那麼多意外，這樣的內容生成過程 （ 互動式創作 ），我們誠心建議中小規模的 youtuber、個體創作者、普通用戶，將故事板視作影片生成前的必備素材之一。

故事板真的有效嗎？P01–P08 一格都沒漏

這次一共送出六次生成：Desktop 的 Act 1、2、3 各一次，Mobile 也各一次。每個 Act 只使用自己的故事板區段；Act 3 再加入同一比例的 Act 2 尾幀，鎖定下一段開場。

Act	使用的分鏡	事件
Act 1	P01–P03	貓蜷縮、抬頭、伸掌試水
Act 2	P04–P06	紙船發光、貓踏水、鼻尖靠近
Act 3	P07–P08	紙船浮起、貓跟著紙船離場

重抽代表格後，八格的落點如下。我們把這些 frame 當成視覺證據，不拿它們冒充模型承諾的逐格時間表。

分鏡	Act	16:9 代表格	9:16 代表格
P01	Act 1	1.500 秒，f90	3.000 秒，f180（P01→P02 邊界）
P02	Act 1	7.500 秒，f450	8.000 秒，f480
P03	Act 1	9.167 秒，f550	9.167 秒，f550
P04	Act 2	12.033 秒，f722	12.033 秒，f722
P05	Act 2	17.800 秒，f1068	19.000 秒，f1140
P06	Act 2	22.500 秒，f1350	22.500 秒，f1350
P07	Act 3	31.500 秒，f1890	34.200 秒，f2052
P08	Act 3	36.000 秒，f2160	41.000 秒，f2460

完整故事與六次生成流程另見〈用 AI 做影片：一艘紙船來接一隻貓〉。這篇把注意力留給故事板、Prompt 與成片。

Multi-panel storyboard reference：BytePlus 官方到底支持什麼

BytePlus 在 Seedance 2.5 Prompt Guide 裡把這項能力稱為 Multi-panel storyboard reference。官方示例用九宮格安排整體鏡頭結構、景別與運鏡節奏；同一份文件也提醒，多宮格不會逐格逐幀照抄，生成影片仍有自己的活動空間。需要更嚴格對齊時，官方建議拆成多張 keyframe reference。BytePlus 官方文件

我們就照這個尺度驗收：順序有沒有走完、構圖關係有沒有留下、事件有沒有發生。門在哪一秒關上，或紙船向左多飄了一點，沒有一票否決權。

成片前：八格圖先把 45 秒的故事釘在牆上

故事板在生成前就已經值回票價。P01–P08 給了故事共同索引，我們可以直接說「Act 2 從 P04 開始」或「P07 要接 Act 2 尾幀」，不用每次重新描述整個雨夜。

實際送進 Desktop 生成的 16:9 多宮格

16:9 多宮格。Seedream 5.0 Lite生成的時候順手裁掉了 P01–P03 標題

實際送進 Mobile 生成的 9:16 多宮格

9:16 多宮格。這次 Seedream 5.0 Lite 好心腸還留了一半的上緣。

兩支來源成片都是 60fps。我們以景別、主體相對位置、視線、前掌方向、門框、積水和離場方向找代表格。16:9 就保留橫式可讀尺寸，9:16 也維持直式；沒有理由把兩種比例硬壓成同一個框。

Act 1：P01 在第 3 秒回來，P02／P03 接得像同一鏡

P01：第 3 秒同時住著兩個分鏡

1.500 秒的橫式代表格已經證明 P01 進了成片。直式的 3.000 秒更值得停一下：紙船進到前景，貓還縮在紙箱旁。左邊是 P01，右邊卻已經聞得到 P02。

16:9

P01，16:9。成片代表格為 1.500 秒、f90。

9:16

P01→P02 邊界，9:16。成片影格為 3.000 秒、f180。

回看實際提交的 P01，最後一句很有份量：

P01，0–3秒：中近景、固定機位。貓蜷縮在濕紙箱旁，身體縮成球狀，頭低埋於前肢之間，尾巴環繞軀幹；雨水落在貓與前方積水上，積水映著霓虹的彩色倒影。結束時貓仍蜷縮未動。

FFmpeg 在直式 Act 1 偵測到的第一個明顯切點是 2.950 秒。成片能確認的是：切換後還留著 P01「仍蜷縮未動」的結束狀態，P02 的紙船已經進場。

第 3 秒這格沒有乾淨地站隊。它把 P01 的結束狀態和 P02 的開始事件疊在一起。對故事來說很順，對逐格驗收的人來說則是一張小考卷。

如果你對運鏡有很高的要求，那我們的建議是先讓老闆儲值。

P02：來了，比我們第一次標記的時間晚

P02 的核心關係是貓在一側、紙船在另一側，貓抬頭盯著船。橫式在 7.500 秒最清楚，直式則落在 8.000 秒。此時 P03 的探掌動作已經開始冒頭，這正是兩格看起來黏在一起的原因。這邊再次證明了影片生成模型真的太偉大了，提示詞讓 Seedance 2.5 生成（ 拍攝 ）連續性的動作。

畢竟對我們來說，要發通告請活生生的貓咪來演出這 45 秒的短影片的話，那會亮燈的紙船，我們得準備起碼10艘，還怕貓咪看不上紙船呢。

16:9｜左為正式分鏡；右為成片

P02，16:9。成片代表格為 7.500 秒、f450。P03 動作已開始。

9:16｜左為正式分鏡；右為成片

P02，9:16。成片代表格為 8.000 秒、f480。P02 的構圖延續進 P03。

P03：模型有切鏡，只是我們把兩句運鏡寫得太像

完整探掌姿勢在兩支片的 9.167 秒都很清楚。P03 沒有失蹤，貓沒有斷腿（ 不然導演肯定又想起他那兩隻貓貓了 ）。

16:9

P03，16:9。成片代表格為 9.167 秒、f550。

9:16

P03，9:16。成片代表格為 9.167 秒、f550。

把 7.000、7.500、8.000 秒排在一起，事情就很明白。Desktop 在 7.133 秒附近切鏡，Mobile 在 7.217 秒附近切鏡；兩支片都有切。新鏡頭仍沿用貓與船的空間關係，P03 的動作直接在 P02 的舞台上發生。

16:9｜P02→P03，每 0.5 秒抽一

9:16｜P02→P03，每 0.5 秒抽一格

我們當時交出去的攝影指令只有這個精度：

P02，3–7秒：中近景、跟拍。……鏡頭順著貓的視線帶到紙船。 P03，7–12秒：中景、跟隨。……貓起身側身面向積水，右前腳掌懸空探出。

「跟拍」與「跟隨」沒有拉開機位差。Prompt 也沒指定第二次切換後的攝影軸、左右位置和開場構圖。模型交出了三個鏡頭，後兩鏡卻像同一段動作的延長版。這一球算我們的。

如果重寫，我們會把切點直接釘死（ 給 AI 潤稿就會這樣，釘死這個詞很 coding 啊 ）在可見結果上：

P02 維持正面中近景至結束，貓在後、船在前。7 秒硬切至 P03 側面中景，保持 180 度軸線；貓在畫面左側、紙船在右前景，切換後貓才起身探掌。

Act 2：P04–P06 幾乎照表操課

Act 2 生成時增加了時長。橫式片段是 15.033 秒，直式片段是 17.020 秒，兩邊的停留時間不同，三個節拍仍照 P04、P05、P06 排下去。

P04：紙船置中，光從水面出現

16:9｜左為正式分鏡；右為成片 我們很喜歡這個處理，畢竟誰能拒絕貓咪的腳掌？

P04，16:9。成片代表格為 12.033 秒、f722。

9:16｜左為正式分鏡；右為成片 我們團隊對於 Seedream 5.0 Lite 生成的故事板圖片並沒有什麼高要求，大致能像就好了，畢竟字節跳動還沒上市，我們一直買 token 真的是有點心疼老闆。

P04，9:16。成片代表格為 12.033 秒、f722。

P05：貓臉、前掌與紙船排成一條線

16:9｜左為正式分鏡；右為成片

P05，16:9。成片代表格為 17.800 秒、f1068。

9:16｜左為正式分鏡；右為成片

P05，9:16。成片代表格為 19.000 秒、f1140。

P06：鼻尖靠近發光紙船

P06 是全片最老實的幾格之一。貓臉從上方壓進畫面，紙船留在鼻尖下方，水面接住倒影。

16:9｜左為正式分鏡；右為成片

P06，16:9。成片代表格為 22.500 秒、f1350。

9:16｜左為正式分鏡；右為成片

P06，9:16。成片代表格為 22.500 秒、f1350。

Act 3：首幀接上了，Desktop 卻一刀切進大遠景

Act 3 先吃進同一比例的 Act 2 尾幀。這張圖定義貓鼻、紙船、積水、反光與鏡頭方向，P07、P08 再接手後續動作。

16:9｜左為 Act 2 尾幀；右為 Act 3 第一幀

16:9 生成交接。兩張畫面接近，細節仍有重算。

9:16｜左為 Act 2 尾幀；右為 Act 3 第一幀

9:16 生成交接。首幀約束有生效，像素沒有凍結。

最終剪輯另外挑接點。橫式使用 f1619→f1620，也就是 26.983→27.000 秒；直式使用 f1709→f1710，也就是 28.483→28.500 秒。生成參考和剪輯選擇各做各的工作。

我們用 FFmpeg 比對接縫、裁出剪點，再把每個比例的三個 Act 合成一支。後來也把同一套檢查與剪接流程整理成公開的 Curtoom video-clip-stitching skill。

同一個 Mobile 02→03 接縫。直接串接會留下約 0.5 秒的 dead water；裁掉 Act 3 開頭 30 幀並做 0.1 秒溶接後，動作接了起來。接縫前後的運動量比也從 0.54 變成 1.45。

同一秒素材，以 0.5 倍速循環。左邊的 raw join 會停一下；右邊的 final cut 繼續往前。

16:9｜左為剪點前；右為剪點後

9:16｜左為剪點前；右為剪點後

P07：Mobile 抵達全身中景，Desktop 還沒站穩

16:9｜左為正式分鏡；右為成片

P07，16:9。成片代表格為 31.500 秒、f1890；浮起事件成立，畫面仍偏近。

9:16｜左為正式分鏡；右為成片

P07，9:16。成片代表格改核為 34.200 秒、f2052；下一個代表時點已切入 P08。

P08：兩支片都離場，走法完全不同

16:9｜左為正式分鏡；右為成片

P08，16:9。成片代表格為 36.000 秒、f2160。事件成立，方向改成店前橫移。

9:16｜左為正式分鏡；右為成片

P08，9:16。成片代表格為 41.000 秒、f2460。背影與街道縱深都保留下來。

Desktop 的跳切發生在成片約 32.77 秒。32.700 秒還是貓臉與紙船的偏近景，32.800 秒已經把兩個主體縮成店門前的小點。Mobile 也在 34.300 秒切鏡；直式畫面切前已抵達全身，切後仍看得清楚貓、門與紙船。

16:9｜Desktop Act 3 切前／切後

9:16｜Mobile Act 3 切前／切後

這一刀是我們自己寫進去的。以下節錄景別與運鏡句，省略素材標籤與後續動作：

P07，0–6秒：鏡頭從首幀自然開始，連續拉遠並微微升高，最後停在中景。

P08，6–12秒：大遠景、鏡頭緩慢後退。

開頭又明說「由兩個鏡頭剪接而成」。模型在約 5.8 秒完成切鏡，幾乎貼著 6 秒分界。P07 的「中景」成了上一鏡終點，P08 的「大遠景」成了下一鏡起跑點；「緩慢後退」只管切進去之後。

我們腦中的畫面可以寫得更準：

P08 從 P07 結尾的中景接續，先維持貓與紙船可辨識的全身比例與左右位置，再隨鏡頭緩慢後退；結尾才抵達大遠景。

把「大遠景」從開場條件搬到結束狀態，整個鏡頭的脾氣就會改變。

我們沒寫好的運鏡，模型全部照單全收

抽完這批影格，我們記下三件事：

• 寫了時間段，也要寫切換後的新機位。P02／P03 有切點，攝影語法卻太接近。
• 景別放在句首，可能直接成為起始狀態。這次 Desktop P08 就從大遠景起跑。
• 一個運鏡至少要交代起點、方向、速度與停點。「跟拍」兩個字只夠開工，不夠驗收。

偏差也不需要全部消滅。Desktop 的橫向離場沒有毀掉故事，貓仍然跟著紙船離開，我們就把它留在成片裡。若主體消失、順序顛倒或離場關係被破壞，才值得重做。

故事板真的有用，攝影機還是得自己顧

生成前，我們拿八格分配 Act 和鏡頭。生成後，我們拿同一張圖對答案：哪些構圖真的進片、哪些動作延後、哪一刀來自 Prompt 裡的留白，全都看得見。

六次提交給了同一個答案：兩張多宮格故事板都進了片，P01–P08 一格沒掉。樣本只有六次，成功率和 Prompt 區塊權重先不裝懂。

故事板交代故事往哪走。攝影機怎麼走，還是我們的作業。

需要通用的接鏡方法，可回到〈用 AI 做影片：讓每個鏡頭接得上的簡單 Storyboard〉；實際提交的三段 Prompt 與原始稿差異，見〈Seedance 2.5 Prompt 實戰：我們第一版寫得很滿，鏡頭卻被講亂了〉。