多镜头片段中途跑偏，问题通常不在提示词写得太短，而在于一条提示词同时承担了叙事任务、主体动作、环境描述和镜头运动四件事。Vidu Q4 Preview 这类多镜头生成，把提示词拆得再细，只要镜头顺序没先定下来，模型仍然会按自己的理解编排画面。可操作的顺序是：先按分镜写出每个镜头的一句话功能，再为每个镜头补齐主体、动作、环境、镜头四项，然后检查相邻镜头首尾帧能不能接上，最后把每条提示词单独生成、再在剪辑里拼接。这个顺序的价值在于，任何一步出问题都能定位到具体镜头，而不是整段重写重跑。
适合 2 到 5 个镜头、且镜头之间存在明显动作变化或场景切换的短片。操作动作：先列镜头功能清单，再逐条填四项，再对着上一镜头末帧检查下一镜头首帧，最后逐条生成。验证方式：每条提示词单独跑一次，逐帧看首尾帧的主体位置、朝向、光线方向是否连续。风险边界：跨镜头换场景、换主体或大范围位移时，首尾帧本来就不该接上，此时应插入过渡镜头，或干脆按硬切处理，不要强行拼接。
先写出每个镜头的一句话功能描述
做多镜头片段时，把叙事任务和画面描述混在一句提示词里，是最常见的失控来源。建议先用一句话写清「这个镜头在故事里干什么」，此时只写功能，不写画面细节，也不写镜头运动。
- 镜头 1：建立场景——交代雨夜街口这个地点和时间。
- 镜头 2：交代动作——主角推门进入门厅，说明他要去哪。
- 镜头 3：收尾——主角背对镜头走远，让情绪落地。
功能描述写成上面这样的短句，最大的好处是后面补细节时不会把「人物走进房间」和「镜头缓慢推进」挤在同一句里。画面观感、运镜方式、时长、比例这些内容，全部留到下一步再填。功能描述定下来之后，镜头数量也随之确定，不再在中途临时加镜头，这是控制跑偏的第一道闸。
为每个镜头补上主体、动作、环境、镜头四项
每条提示词只服务一个镜头，判断标准很简单：这句话里如果出现了两个主体或两个连续动作，就说明该拆成两个镜头。按下面四栏逐格填写，写的时候把每一栏写成短语，最后再拼成一条完整提示词。
镜头编号：Shot 02
主体：穿深灰风衣的中年男人，右手提一盏亮着的旧式提灯
动作：从画面左侧走入门框，脚步放慢，停在门槛前
环境：雨夜老式公寓门厅，地面有水渍反光，背景楼梯灯昏暗
镜头：中景，固定机位，视线略低，机位不移动
时长与比例：3 秒，16:9拼成一条可直接使用的提示词示例：
雨夜的老式公寓门厅，地面有积水反光，背景楼梯灯昏暗；
一名穿深灰风衣的中年男人右手提一盏旧式提灯，从画面左侧走入门框，
脚步放慢停在门槛前；中景，固定机位，视线略低，镜头不移动。
不要出现第二个人物，不要切换到门外，不要拉远。四项之外的参数（时长、画面比例、运动幅度、随机种子）建议单独列在提示词外，不要和画面描述写在同一段里。这样调整时长时不用重写内容，重试某一条时也不容易带错其他镜头的设置。
确认相邻镜头的首尾帧能否接上
用上一镜头的末帧作为下一镜头的首帧时，需要逐项检查，拼接处的跳变多数来自下面几类问题：
- 主体位置与朝向：上一镜头主体停在画面右侧、面朝左，下一镜头首帧是否保持同样位置和朝向。
- 光线方向与色温：上一镜头光从画面左侧来，下一镜头是否仍是同侧光源，暖冷倾向是否一致。
- 背景物体：上一镜头背景里有的门框、柱子、灯，下一镜头是否凭空消失。
- 末帧动作状态：末帧是否停在半动作或明显运动模糊的中间态，尽量让动作在末帧收束。
- 画幅与观感：画面比例、焦段感觉、颗粒感是否接近。
如果确实要用上一镜头末帧做下一镜头首帧，建议在下一镜头提示词开头明确写清：以上一帧画面为起点，主体保持在画面某一侧，机位不做跳变。反过来，如果两个镜头之间本来就是硬切，就不要试图接帧，而是在提示词里直接写明切换机位或切换场景，避免模型自作主张做平滑过渡。
把每条镜头提示词单独生成再拼接
逐条生成的目的不是提高画质，而是让失败范围限定在单个镜头内。某一条不满意时只重跑那一条，其余镜头不受影响。
{
"shots": [
{"id": "s1", "prompt": "雨夜街口全景，固定机位，3 秒", "ratio": "16:9"},
{"id": "s2", "prompt": "门厅中景，男人提灯走入，固定机位", "first_frame": "s1_last.png"},
{"id": "s3", "prompt": "男人背对镜头走远，镜头缓慢后拉"}
]
}上面是通用接入骨架，字段名按你实际使用的接口调整，first_frame 一类的字段名以你所用平台的说明为准。执行顺序是先跑 s1 并保存满意版本的末帧，再把它作为 s2 的首帧参考，依次推进，最后在剪辑工具里按时间轴拼接，并按需统一色调。
- 分段生成适用：镜头数在 2 个以上；相邻镜头主体或场景变化较大；需要反复重试某一镜头；对单镜头时长有明确要求。
- 整段生成适用：只有一个镜头；多个镜头其实是同一机位下的连续微动作；对总时长不敏感、对镜头边界要求不高。
- 分段生成要接受的代价：拼接处可能出现色温、颗粒感、亮度上的差异，通常需要在剪辑阶段统一；片段之间的转场也要额外处理。
判断顺序是否走对，可以用一个简单的检查动作：把每条提示词单独跑一遍，逐帧看首尾帧能否接上。如果接不上，先回到四项里改环境或镜头栏，而不是先去加长提示词。整体思路是先定镜头再写提示词，把可控的部分拆小，把不确定的部分留在剪辑阶段解决。