前言
你要一个慢慢推向脸部的镜头，结果出来的是航拍。你要镜头跟在角色身后，它莫名转到正面绕了一圈又回来。每个 AI 视频创作者都有一个这样的文件夹——画面挺好看，就是没干 shot 里要求的事。通常的解法是再多写几句镜头描述，但往往越写越乱。
问题不在于模型控制不了镜头，而在于运镜控制是有层级的，但大多数人对所有 shot 都用同一级。一个推镜只需要一句话。必须和前一个 shot 对齐的构图需要一张静帧。要俯冲、跟踪、再拉回的复杂路径，需要在空间里画出来。这篇文章解释怎么针对每个 shot 选对 AI 视频运镜控制的层级，以及怎么在 ArcLoop 里设置，让它稳稳地执行。
第一级：在 shot 描述里写镜头语言
对于单一清晰的运动，shot 描述就够了——前提是镜头那句话要写得像拍摄表，而不是像情绪描述。四个部分，按顺序写：
- 镜头起始位置。 高度和距离：「胸口高度，中景。」
- 做什么动作。 一个动词：推近、拉远、左摇、跟随、仰拍、固定。
- 落在哪里。 「最终落在她双手的特写。」
- 始终保持在画面里的元素。 「门框全程保持在左边缘。」
按这个顺序写一次，放在 shot 靠前的位置。不要在后面换个说法再写一遍，两个版本会相互干扰。推、拉、摇、跟、仰、升降——这些词汇在镜头语言词汇指南里都有。
第一级覆盖对话场景里的大多数 shot、大多数定场镜头，以及所有静止构图。一个 shot 里只有一个镜头动作加一个角色动作，就从这里开始，不用往下走。
第二级：用参考静帧锁定构图
有些 shot 不需要复杂运动，需要的是构图对上——对上前一个 shot、对上分镜图板、对上你已经确认过的那帧。用文字描述「角色头顶在左上三分之一，窗户占右半边」这种事效果很差；一张静帧就能说清楚。
静帧可以来自任何地方：一张你喜欢的生成帧、一张分镜图、一张用手机取好景拍的照片。上传到内容库，绑定为 Visual reference 让 Agent 可以复用，然后挂到这个 shot 上。文字只需要说明有什么变化：「构图和参考静帧一致，镜头固定，她转头。」
适合用第二级的情况：
- 两个 shot 需要剪辑衔接，构图必须匹配。
- 构图本身比运动更重要（对称的走廊、窗前的剪影）。
- 你已经在之前的版本里确认了一张静帧，想让视频保持住它。
不适合的情况：参考静帧带着你不想要的风格。灰模静帧会把生成结果拉向灰色；照片会拉向写实。保留一张风格参考，让构图参考只负责构图这件事。参考选用指南里讲了「一张参考只做一件事」的原则。
第三级：用预演动画规划镜头路径
当镜头需要依次经过多个位置——高角度，然后穿过建筑之间，然后贴着车身——一句话和一张静帧都搞不定。这是一条路径，路径需要画出来，不能靠描述。灰模预演动画解决的是「每个时刻镜头在哪、角色往哪走」，导出每个位置的静帧后再喂回第二级处理。
第三级适用于少数 shot：追逐戏、一镜到底的揭示、两个角色交叉走位同时镜头在动的情况。值得花这个功夫的判断标准：这个 shot 已经重新生成五次，每次出问题的都是镜头。完整流程在 3D 预演动画指南里。
怎么逐个 shot 判断用哪一级
- 数这个 shot 里有几个镜头动作。 零个或一个：第一级。两个或以上：先把 shot 拆开，再重新判断。
- 问构图是否需要和某个东西对齐。 是：第二级，挂一张需要对齐的那个东西的静帧。
- 问镜头是否改变位置，而不只是角度。 推近是改变距离；穿越高楼之间是改变位置。快速运动中跨越位置变化：第三级。
- 不管哪一级，都要把镜头语言写出来。 即使用了第二级和第三级，文字仍然要说明起点、动作、终点和始终在画面里的元素。静帧和预演是对文字的支撑，不是替代。
- 用
@引用角色和场景。 身份识别不是镜头的事。shot 描述专注于镜头和动作，让资产负责面孔和布景。 - 先生成图片，确认构图，再生成视频。 静帧里构图错了，视频里构图还是错的。确认 shot card 没问题再花积分出视频。
示例一：第一级，单一推镜
Medium shot, camera at eye level, two meters from @Mira at the kitchen table. Slow push in over the whole shot, ending on a close-up of her face as she reads the letter. The window stays on the right edge throughout and the table edge stays at the bottom. She does not look up or move her hands. Warm afternoon light from the window, no camera shake, no cut, no zoom burst at the end.
示例二：第二级，对齐参考帧
Same framing as the attached reference still: @Tomas centered, the corridor vanishing point behind him, doors on both sides. Camera holds, no move. He walks toward camera from the far end to a medium shot and stops, hands at his sides. Keep the symmetry of the corridor exactly; do not tilt, drift, or reframe as he gets closer. Cold overhead light, same as the reference, no added haze.
示例三：第三级，三个位置的路径
Shot 2 of 3 — Camera position B from the previz: low angle beside the tracks at knee height, tracking alongside @Sae's motorbike left to right at matching speed. The station platform passes in the background. She leans into the turn; the bike stays centered and does not change direction. End as she pulls half a length ahead of camera. Match previz still 02B.
运镜控制最常见的几种失败方式
- 一句话里两个动词。 「推近并摇向窗户」是两个动作。选一个，或者把 shot 拆开。
- 从角色视角描述镜头。 「她看到镜头靠近」对模型没有任何信息。描述镜头本身，不是角色的体验。
- 参考静帧带了错误的风格。 构图是对的，但整个片段变成了写实风格。加一张风格参考；让静帧只负责构图。
- 第一级的 shot 用了第三级。 一个静止的双人景做预演动画是在浪费时间，而且灰模静帧可能会拉歪整体风格。降级处理。
- 镜头描述写在最后。 放到靠前的位置。模型对开头几行的权重更高。
常见问题
ArcLoop 有单独的镜头控制设置吗？
运镜方向就写在 shot 描述和它的参考里。把镜头语言写进 shot card，构图需要对齐时挂静帧，角色和场景的身份识别交给 @ 资产。
一句镜头描述可以在多个 shot 里复用吗？ 可以，而且一个连续场景里就应该这样做：相同高度、相同距离、相同镜头感。每个 shot 只改动作动词和落点。
镜头对了但角色错了怎么办？ 那是身份识别的问题，不是镜头问题。先检查角色资产的 Main image 和参考，再去动镜头描述。
怎么判断用的层级太低了？ 用干净的镜头描述，同一个问题连续失败两次，升一级。每次失败的方式都不一样，说明描述本身不清晰——先重写描述，再考虑加静帧。
下一步
拿出那个你一直在重新生成的 shot，按四部分顺序写它的镜头语言：起点、动作、终点、始终在画面里的东西。构图需要和什么对齐，就挂那张静帧。在 ArcLoop 里打开项目，先生成图片，确认构图，再生成视频。大多数运镜问题，在描述理顺之后，第一级就能解决。
