一句话先说结论

AI MV 看起来“碎”的根因，是没有分镜。 多数人直接走「歌词 → 自动配图」，模型每句生成 1 张语义对应的图，结果 30-50 张图之间互相不认识，观感像 PPT 翻页。本方法把“先分镜、后配图”立成方法论：先用 5 个镜头锁住情绪曲线，再让 AI 在每个镜头内填充画面，节拍同步转场缝合。

读完你能拿走：① 5-Shot Storyboard 可填空模板表 ② lo-fi / 电影感 / 流行 / 民谣 / 朋克 5 个流派的分镜参考 ③ 「无分镜 vs 有分镜」两次生成结果的差异对照。

为什么“歌词配图”打不动观众

主流 AI MV 工作流是这样的：

原曲 → ASR 得到歌词 → 每句歌词喂给模型 → 模型给 1 张图 → 拼起来

每张图都“对”，但 30-50 张图之间没有视觉连续性。同一首歌可能从写实风切到水墨画再切到赛博朋克——模型只看一句话，不看全曲。结果：

主角不一致（每张图是不同人）
色温乱跳（每 8 秒一种色调）
没有情绪曲线（副歌和主歌看起来一样）
转场是 fade，不是叙事

观众的本能反应是滑走——不是因为画质差，是因为没有故事。

分镜驱动的核心思路

电影行业 100 年验证过的方法：先有分镜，再有镜头。一首 3 分钟的歌，本质上是一个有起承转合的微型故事，对应 5 个镜头：

Shot	段落	时长	情绪	镜头语言
Shot 1	Intro	10-20s	钩子 / 留意	远景 / 静态 / 留白
Shot 2	Verse 1	30-50s	铺垫 / 建立	中景 / 慢推 / 引入主角
Shot 3	Chorus	30-40s	爆发 / 释放	特写 / 强切 / 节拍同步
Shot 4	Bridge	20-40s	转折 / 反转	慢镜头 / 反差 / 留白
Shot 5	Outro	10-20s	余韵 / 离场	远景 / 淡出 / 回归 Intro

5 个镜头锁住一首歌的情绪曲线，剩下的 25-45 张图都在这 5 个镜头的“风格框架”内填充。这就是为什么有分镜的 MV 看起来一气呵成。

5-Shot Storyboard 模板表（可直接复制使用）

写文之前先填这张表。每一列都有明确的取值范围，不要留空：

字段	Shot 1（Intro）	Shot 2（Verse）	Shot 3（Chorus）	Shot 4（Bridge）	Shot 5（Outro）
场景	在哪儿（地点）	同上或推近	高潮点的场景	反差场景	回到 Intro 场景或离场
情绪	1 个形容词	1 个形容词	1 个形容词（必须不同于 Shot 1）	1 个形容词（最具反差）	与 Shot 1 呼应
关键词	3-5 个视觉词	3-5 个	3-5 个	3-5 个	3-5 个
镜头语言	远 / 中 / 近 / 特	选 1 个	选 1 个	选 1 个	选 1 个
转场到下一镜	fade / cut / morph / push	选 1 个	选 1 个	选 1 个	—

经验值：写完这张表通常 15-20 分钟。比“边做边想”省 2-3 小时返工时间。

5 个流派的分镜参考

下面 5 套是真实跑过的 storyboard 骨架，你可以直接套用，把“关键词”换成自己歌的内容即可：

流派 1 · Lo-fi（书房 / 雨夜）

Shot 1: 远景 · 书房窗外雨夜 · 形容词「静谧」· 关键词：雨珠 / 暖灯 / 木桌 / 单灯
Shot 2: 中景 · 桌面物件慢推 · 「专注」· 翻开的书 / 咖啡杯 / 笔记本
Shot 3: 特写 · 手在写字 / 翻页 · 「沉浸」· 笔尖 / 纸面 / 文字浮现
Shot 4: 慢镜头 · 窗外雨变大 · 「孤独」· 街灯模糊 / 雨刷 / 远处人影
Shot 5: 远景 · 灯熄场景 · 「释怀」· 雨变小 / 朦胧 / 黑场

转场：全部 morph + 慢推，不要硬切。

流派 2 · 电影感（OST / 城市夜）

Shot 1: 远景航拍 · 城市天际线 · 「宏大」· 摩天楼 / 灯火 / 高压感
Shot 2: 中景 · 街头人潮慢移 · 「孤独感」· 路人模糊 / 主角清晰 / 红绿灯
Shot 3: 特写 · 主角面部 / 雨中 · 「爆发」· 表情特写 / 强光打脸 / 慢动作
Shot 4: 远景 · 屋顶 / 天台 · 「自由」· 风衣飘 / 城市背景 / 夕阳
Shot 5: 航拍升起 · 远离城市 · 「释然」· 缩小 / 黑屏 / 字幕

转场：硬切 + 节拍同步，每句歌词 1 个切点。

流派 3 · 流行（青春 / 校园）

Shot 1: 中景 · 教室 / 操场 · 「朝气」· 阳光 / 校服 / 笑脸
Shot 2: 跟拍 · 走在校园 · 「期待」· 步伐 / 树影 / 同学
Shot 3: 特写群像 · 唱跳合影 · 「狂欢」· 跳跃 / 飞撒 / 多人镜头
Shot 4: 慢镜头 · 转身回望 · 「不舍」· 慢动作 / 散场 / 黄昏
Shot 5: 远景 · 校门 / 夕阳 · 「青春」· 剪影 / 长椅 / 飘云

转场：fade + push，节奏感强但不硬。

流派 4 · 民谣（旅途 / 自然）

Shot 1: 远景 · 山路 / 海边 · 「辽阔」· 公路 / 远山 / 蓝天
Shot 2: 跟拍 · 行走中 · 「自省」· 背影 / 树林 / 河流
Shot 3: 中景 · 篝火 / 帐篷 · 「治愈」· 火光 / 友人 / 星空
Shot 4: 特写 · 双手 / 吉他 · 「沉浸」· 指尖 / 琴弦 / 拨片
Shot 5: 航拍 · 离开场景 · 「告别」· 远去 / 黑场 / 字幕

转场：全部 fade，节奏缓慢。

流派 5 · 朋克（反叛 / 街头）

Shot 1: 远景 · 工业废墟 / 街头 · 「压抑」· 涂鸦 / 阴天 / 铁皮
Shot 2: 中景 · 主角靠墙 · 「不屑」· 皮衣 / 烟 / 侧脸
Shot 3: 特写 · 砸东西 / 嘶吼 · 「爆发」· 拳头 / 玻璃 / 红光
Shot 4: 慢镜头 · 火焰 / 烟雾 · 「危险」· 火星 / 风 / 灰烬
Shot 5: 远景 · 主角走出场景 · 「决绝」· 背影 / 朝阳 / 走远

转场：硬切 + 闪白，副歌段每拍 1 切。

「无分镜」vs「有分镜」生成结果对照

同一首 3 分钟 lo-fi 歌，两次生成实测：

维度	无分镜（默认配图）	有分镜（5-Shot 模板）
画面数	47 张	31 张 + 5 段 AI 转场
主体一致性	30%（每张是不同人 / 物）	85%（围绕 5 个核心场景）
色温一致性	低（暖 / 冷 / 蓝混合）	高（统一暖色调）
情绪曲线	无（全曲一个调）	有（钩子 → 铺垫 → 爆发 → 转折 → 余韵）
完播率（实测 IG Reels）	38%	64%
生产时间	5 分钟	25 分钟（含填表 + 选图）

结论：多花 20 分钟填表，完播率从 38% 涨到 64%。投入产出比清晰可见。

在 SunoMV 里怎么落地

SunoMV 的工作台天然支持分镜驱动流程：

Step 1：歌曲导入后，先用 AI 配图功能跑一次“默认配图”，看看模型对这首歌的初始理解
Step 2：基于初始结果，按 5-Shot 模板填表（独立 Notion / 表格）
Step 3：把 Storyboard 的 5 个核心镜头作为 prompt 主轴重新生成——SunoMV 支持指定关键帧：每个镜头选 1 张代表图，其余按这张图的风格 in-painting
Step 4：用 AI 视频转场在 5 个镜头之间生成 2-4 秒运动衔接，缝合骨架
Step 5：导出 9:16 / 16:9 多版本

关键点：不要让 AI 主导分镜，让它填充已经定好的分镜。这是控制感和效率的最佳平衡。

常见疑问

Q: 5 个镜头是不是太少？ A: 5 个是骨架，不是上限。每个镜头内可以有 5-12 张图变化（同主角、同色温、同场景，不同细节）。总图数仍然 30-50 张。

Q: 副歌不止一段，怎么处理？ A: 第二段副歌可以是 Shot 3 的“变奏”——同场景、同主角，但加入新元素（多人、更近的镜头、更强的情绪）。不要重新发明一个 Shot。

Q: 流派不在上面 5 个怎么办？ A: 任意流派都能套 Intro / Verse / Chorus / Bridge / Outro 的 5 段结构（流行音乐过去 60 年都这样写）。先抓“段落 → 情绪曲线”，关键词换成你这首歌的就行。

Q: 演奏曲（纯器乐）也能用吗？ A: 能。没有歌词的情况下，按“乐器段落”切分——主旋律出现段 = Verse，强奏段 = Chorus，弱奏段 = Bridge。

Q: 和 AI 音乐视频可视化器有什么关系？ A: 可视化器是模型自动生成的“默认配图”，对应本文中“无分镜”的基准做法。本方法是在它之上加一层人工分镜，让默认配图变得有结构。

自检清单（生成后过一遍）

5 个 shot 的“情绪”形容词都互不相同（如果 Chorus 和 Verse 都写「燃」就不对）
主体（人 / 物 / 场景）在 5 个 shot 里至少有 3 个共享（避免完全切换世界观）
副歌段的镜头语言强于主歌（特写 > 中景 > 远景）
Bridge 镜头与 Chorus 有明显反差（慢镜 vs 强切 / 远 vs 近 / 冷 vs 暖）
Outro 和 Intro 呼应（同场景或同情绪闭环）

下一步

把这篇文章里的 5-Shot 模板表保存到你的 Notion / 表格里，下次写新歌之前先填表。20 分钟成本，换 1.5-2 倍完播率提升——这是性价比最高的 AI MV 优化动作。

更细节的「主角一致性」可以读角色一致性方法；「节拍同步切点」可以读 Beat-synced 视觉节奏方法。

—— SunoMV 团队