DeepSeek 漫剧剧本提示词五参数：单集时长、开头钩子、台词字数、场景上限、输出格式
很多人第一次用 DeepSeek 写漫剧剧本，都会经历同一个循环：prompt 写了三百字，模型回了八百字，看着文采飞扬，一到分镜环节就发现——时长没定，台词超长，场景满天飞，格式没法导入表格，最后只能自己重写一遍。问题不在模型，而在提示词。DeepSeek 这类大模型的本质是”顺着你的话往下续”，你给它多少约束，它就给你多少可用的产出。漫剧（尤其是投放在短视频平台的 AI 漫剧）是一个高度工业化、每一秒都带成本的内容形态，它天然要求剧本在生成的那一刻就”可执行”。这就是本文要讲透的五参数框架：单集时长、开头钩子、台词字数、场景上限、输出格式。五个参数环环相扣，构成一条从”创意”直通”成品”的流水线。下面逐一拆解，最后给出可直接复制的完整提示词模板。
一、先建立一个认知：漫剧剧本不是文学作品，是生产指令
在拆解参数之前，必须先纠正一个普遍误区。很多人写漫剧剧本提示词时，用的是小说作者的心态——”帮我写一个重生复仇的故事，要感人，要有反转”。这种提示词交给 DeepSeek，你会得到一篇不错的短文，但它是给”人读”的，不是给”流程用”的。漫剧的实际生产链路是：剧本 → 分镜表 → AI 绘图抽卡 → 剪辑配音 → 投放。剧本环节的输出质量，直接决定后面三步的成本。
1.1 模型需要的是护栏，不是自由
有一个比喻我常用：参数是给模型装护栏，不是给它上枷锁。听起来约束越多创作越受限，实际恰恰相反。DeepSeek 面对开放性任务时会”均匀用力”——它不知道你这集要投 60 秒还是 3 分钟，不知道台词要不要过配音，不知道你的画图模型能不能稳定生成 6 个场景，于是它会按训练数据里”最平均”的样子输出：台词书面化、场景随意切换、时长完全没有概念。护栏越清晰，模型反而越敢在护栏内做创意，因为它知道边界在哪里，不需要为”会不会太长””会不会太书面”而保守。写好五参数之后你会发现，DeepSeek 的输出不但没有变得死板，冲突密度和台词张力反而明显上升——因为模型不用再猜你的需求，可以把全部”智力”用在故事本身。
1.2 五参数之间的逻辑关系
这五个参数不是并列的五项检查，而是一条因果链：
- 单集时长是总约束，决定这一集的信息容量上限；
- 开头钩子是时长约束下的最高优先级消费——前 3 秒值得用掉你最好的冲突素材；
- 台词字数是时长与信息密度的交集，它把”60 秒”翻译成”到底能说多少字”；
- 场景上限是抽卡成本控制，它把”60 秒”翻译成”到底能画几张基准图”；
- 输出格式是交付接口，保证上面四条都能被检查、被传递到下游。
理解了这条因果链，你就不会把它们当成五个孤立的数字去填，而是当成一个系统去调。下面逐个讲透。
二、参数一：单集时长——60 到 90 秒是短视频漫剧的甜区
2.1 为什么是 60-90 秒
AI 漫剧主要投放在抖音、快手、视频号这类短视频平台，变现路径基本是”拉完播 → 完播率 → 推流 → 付费解锁或广告分账”。在这个模型下，时长选择不是创作偏好问题，而是算法问题：
- 低于 60 秒：信息量撑不起一个完整钩子-反转结构，观众刚进入剧情就结束，完播率高但转化和追更动力差；
- 高于 90 秒：完播率断崖式下跌，尤其是 2 分钟以上，非头部账号的推流权重会明显吃亏；
- 60-90 秒：刚好容纳”钩子（3-5秒）→ 升级冲突 → 反转 → 下集悬念”四段结构，完播率与剧情完整度取得平衡。这是目前大量跑出数据的漫剧账号共同验证过的甜区。
所以在提示词里，这一条要写得具体而强硬，例如：”单集时长严格控制在 75 秒左右，允许 60-90 秒区间浮动，超出区间必须压缩或拆集。”不要只写”短视频”，模型对”短视频”没有时长概念，你必须给数字。
2.2 时长决定镜头数：每镜头 5-8 秒，8-15 镜头
时长定下来，镜头数就基本锁死了。AI 漫剧的镜头节奏比真人剧快，但单镜头承载的台词加画面信息通常在 5-8 秒之间——低于 5 秒观众反应不过来，高于 8 秒画面会显得拖沓（AI 生成图单一构图撑不了太久）。由此可以算出：
- 60 秒 ÷ 5-8 秒 ≈ 8-12 个镜头；
- 75 秒 ÷ 5-8 秒 ≈ 10-15 个镜头；
- 90 秒 ÷ 6-8 秒 ≈ 12-15 个镜头。
把”约每镜头 5-8 秒、单集 8-15 个镜头”直接写进提示词，DeepSeek 就会自觉地按镜头切分叙事，而不是写成一段散文让你自己拆。这一条是五参数里对下游工作量影响最大的一条：镜头数明确，分镜表、绘图任务、配音文件的切分数量全部随之确定。
2.3 提示词里的标准写法
【单集时长】每集 60-90 秒（目标 75 秒），全剧共 X 集。 【镜头規则】每镜头 5-8 秒，单集镜头数控制在 8-15 个； 超出 15 个镜头时必须合并动作、砍掉过场镜头。
注意”超出必须合并或砍掉”这类兜底指令。模型的常见毛病是越写越多，写到第 18 个镜头时你才发现超时了。给兜底指令等于提前告诉它：超了是你的错，回去改。
三、参数二：开头钩子——前 3 秒决定 80% 的留存
3.1 为什么钩子值这么多钱
短视频平台的滑动流失发生在极短时间内：用户刷到你的视频，前 1 秒决定是否停下滑动，前 3 秒决定是否继续看。行业里反复验证的一个经验值是：开头钩子决定 80% 的留存。换句话说，你这一集的完播率，绝大部分在你写第一句分镜时就已经决定了。后面 60 秒写得再好，前三秒平平无奇，观众根本看不到。
这一点必须以”硬约束”的形式写进提示词，而不是靠模型自觉。DeepSeek 写开头的天性是”铺垫”——介绍人物、交代背景、缓慢进入情境。这对小说是好习惯，对漫剧是自杀行为。
3.2 可直接套用的四种强冲突钩子
与其告诉模型”开头要吸引人”（它不知道什么叫吸引人），不如直接给它经过验证的钩子库。以下四种是目前漫剧账号验证留存率最高的类型：
- 推下楼：第一帧就是坠落/濒死瞬间。典型开局：”顾晚被人从天台推下，坠落中她看清了凶手的手链——是她亲手送给妹妹的。”重生、复仇题材的标配钩子；
- 当众羞辱：主角在众人注视下被踩到尘埃里。典型开局：”订婚宴上，未婚夫当众宣布婚礼对象是她的妹妹，全场哄笑中她平静地举起了录音笔。”适合逆袭、打脸题材；
- 发现背叛：主角无意间目击/听到颠覆性信息。典型开局：”她在丈夫书房偷听到一句话：’等她签完遗嘱，就送她上路。'”适合悬疑、婚姻题材；
- 重生惊醒：睁眼即回到死亡前的关键节点。典型开局：”她猛地睁眼，日历停在三年前——她死掉的这一天。”开局即自带”预知优势”，天然制造追更动力。
3.3 提示词里的标准写法
【开头钩子】第 1 镜头（前 3 秒）必须是强冲突画面， 从以下钩子库中选择或等价替换：推下楼 / 当众羞辱 / 发现背叛 / 重生惊醒。 禁止任何铺垫（介绍人物、交代背景、环境描写一律后置到第 2-3 镜头）。 第 1 镜头台词不超过 12 个字，必须带悬念或反差。
“禁止铺垫”这条兜底指令极其重要。DeepSeek 在没有这条指令时，十次有八次会把第一镜头写成”清晨的阳光洒进豪华别墅……”。钩子写法上还有一个细节：第 1 镜头台词要短。前 3 秒画面冲突已经占满了观众的注意力，台词只负责加一层悬念，15 字以上反而稀释冲击力。
四、参数三：台词字数——时长与信息密度的交集
4.1 15-25 字是怎么算出来的
中文口播的舒适语速大约是每秒 4-6 个字（短视频为了节奏通常取偏快的 5 字/秒）。一个镜头 5-8 秒，其中台词不能占满——画面动作、表情变化、转场也需要时间，台词实际占用约 3-5 秒。3-5 秒 × 5 字/秒 = 15-25 字。这就是”单镜头台词 15-25 字”的完整推导：它不是拍脑袋，而是镜头时长与口播语速的交集。
如果单镜头台词超过 25 字会发生什么？要么配音被压缩到含糊不清，要么台词被迫延长、镜头被迫拖到 10 秒以上，整体节奏瞬间垮掉。所以台词字数本质上是时长的换算单位——你约束台词，就是在约束时长；你放开台词，前面写的时长参数就自动作废。
4.2 整集总台词 200-350 字
按 8-15 个镜头、每镜头 15-25 字计算，整集总台词落在约 200-350 字之间（不是每个镜头都有台词，过渡镜头、纯动作镜头可以零台词）。200-350 字这个总闸非常有用：它给模型一个总量概念，防止它把台词预算全部花在前半集，导致后半集没话可说或者疯狂超支。实际写提示词时可以这样表达：
【台词字数】单镜头台词 15-25 字（口播 3-5 秒）； 纯动作镜头可为 0 字；整集总台词控制在 200-350 字。 台词必须口语化：短句、有称呼、有情绪词； 禁止书面语（如"顿时感到五味杂陈""命运的齿轮开始转动"）。
4.3 砍书面语，换口语：一个对照
DeepSeek 默认的台词风格偏”文学腔”，必须显式纠正。几组典型改写：
- 书面：”我从未想过，背叛我的竟是我最信任之人。” → 口语：”姐，你怎么能这样对我？”
- 书面：”此刻她终于明白，一切早已无法挽回。” → 口语：”晚了。全都晚了。”
- 书面：”他怀着复杂的心情离开了这座城市。” → 口语：”收拾东西。今晚就走。”
口语化的三个动作：把长句砍成短句；把心理描写换成指令性或情绪性的话；把解释性信息藏进动作和冲突里，而不是让人说出来。人物不会站着念旁白，人物只会说话、命令、质问、咒骂。在提示词里附上这类正反例，DeepSeek 的台词质量会有肉眼可见的提升。
五、参数四：场景上限——本质是抽卡成本控制
5.1 为什么场景数比镜头数更贵
AI 漫剧的绘图成本不在镜头数，而在场景数。业内做法是先为每个场景生成一张风格稳定的”基准图”（场景空镜 + 人物定妆），后续该场景下的所有镜头都在基准图基础上改构图、改机位、改表情。这意味着：
- 场景数量直接决定基准图抽卡次数——一个场景平均要抽 10-30 次才能得到一张构图、光影、人物一致度都合格的基准图；
- 场景越多，画风漂移越严重——不同场景的生成结果在色调、人物长相、光影风格上会各奔东西，观众一眼就能看出”AI 味”和”换脸感”；
- 场景切换还会带来角色一致性维护成本——同一个角色在办公室和在天台上要保持同一张脸，跨场景的一致性是 AI 绘图最难啃的骨头。
所以单集场景不超过 3-4 个，本质是抽卡成本控制：3 个场景意味着 3 张基准图、3 组一致性维护工作，这在个人创作者和中小团队的可承受范围内；而一个场景切 8 次的剧本，光基准图就够你抽一整晚，成片画风还会散掉。
5.2 提示词里的标准写法
【场景上限】单集场景不超过 3-4 个（本集限定 3 个），并在剧本开头列出场景清单。 镜头切换优先使用"同场景不同机位"（近景/特写/过肩），避免新增场景。 禁止过场性场景（马路、走廊、天空等纯转场空镜不单独计场景，但最多 1 次）。
“同场景不同机位优先”是一条性价比极高的指令：它引导模型用推拉摇移和景别变化制造节奏感，而不是靠换场景制造”丰富感”。真人剧可以靠场地调度，漫剧不行——漫剧的节奏感必须来自景别，而不是场景。
六、参数五：输出格式——结构化到可以直接进表格
6.1 为什么格式是五参数里的”交付接口”
前四个参数决定内容质量，第五个参数决定这份内容能不能流动起来。漫剧的下游是分镜表、绘图任务清单、配音文本三样东西，全都是表格形态。如果 DeepSeek 输出的是一篇连贯散文，你就得手动逐镜头拆字段——剧本生成本来是省时间，结果拆字段比写还慢。所以输出格式必须一开始就锁死为结构化字段。
6.2 推荐的字段结构
每镜头输出以下字段： 集数 | 镜头号 | 景别（远/全/中/近/特）| 场景（对应场景清单编号）| 动作与表情（1-2 句，供绘图参考）| 台词（含角色名，15-25 字）| 时长（秒，5-8）| 画面关键词（风格+主体+环境+光线，供 AI 绘图直接使用）
其中”画面关键词”字段值得单独强调：它是为绘图模型准备的，要求写成”现代都市, 天台, 夜晚, 冷色调, 少女惊恐回望, 电影感构图, 2D 国漫风格”这类标签串。有了这个字段，剧本完成后你可以把整列关键词直接复制进绘图工具批量生成，不再需要二次创作。这就是”可直接转成表格或 CSV”的含义——每行一个镜头、每列一个字段，贴进 Excel 就是分镜表，另存 CSV 就能进自动化流程。
6.3 提示词里的标准写法
【输出格式】严格按以下结构输出，不要输出任何额外解说或总结段落：
一、本集信息：集数 / 本集时长目标 / 场景清单（编号+名称）
二、分镜表：按"镜头号|景别|场景|动作表情|台词|时长|画面关键词"逐镜头列出，
使用表格形式
三、本集结尾必须留下悬念（最后 1 个镜头承担下集钩子职能）
七、横向对比：参数缺失 vs 参数齐全
下面这个对比基于真实的提示词实验：同一个故事设定（重生复仇），分别用”裸奔提示词”和”五参数提示词”投喂 DeepSeek，结果差异一目了然。
| 对比维度 | 参数缺失（只写”写一集重生复仇漫剧剧本”） | 参数齐全（五参数模板） |
|---|---|---|
| 成片时长 | 无控制，通常写出 2-4 分钟的”短剧”体量，需大幅删改 | 75 秒左右，直接可用 |
| 开头 3 秒 | 环境铺垫+人物介绍，留存率低 | 推下楼/当众羞辱等强冲突直入，钩子前置 |
| 单镜头台词 | 常见 40-80 字的”演讲式”台词，口播超时 | 15-25 字短句，口播 3-5 秒，节奏紧凑 |
| 场景数量 | 常出现 6-10 个场景，基准图抽卡成本翻倍且画风漂移 | 3-4 个场景，基准图可复用，画风稳定 |
| 镜头数 | 叙事单位是”段落”而非镜头，无法直接切分 | 8-15 个镜头，可直接转分镜表 |
| 下游可用性 | 需人工逐镜头拆解、改写、估算时长，约等于重写 | 表格直接复制进 Excel/CSV，绘图关键词可批量使用 |
| 返工成本 | 高：结构性返工，改一处动全身 | 低：局部微调即可进入生产 |
再看一张五参数推荐取值区间表，作为日常写作时的速查卡：
| 参数 | 推荐取值 | 约束对象 | 一句话原理 |
|---|---|---|---|
| 单集时长 | 60-90 秒（目标 75 秒） | 整集信息容量 | 完播率与剧情完整度的算法平衡点 |
| 镜头数 | 每镜头 5-8 秒，单集 8-15 镜 | 叙事节奏与切分粒度 | 时长 ÷ 单镜头承载 = 镜头数 |
| 开头钩子 | 前 3 秒强冲突，第 1 镜台词≤12 字 | 前 3 秒留存 | 钩子决定 80% 留存，铺垫是自杀 |
| 台词字数 | 单镜头 15-25 字，整集 200-350 字 | 口播时长与信息密度 | 3-5 秒口播 × 每秒 5 字 |
| 场景上限 | 单集 3-4 个场景 | 绘图抽卡成本 | 基准图复用 + 抗画风漂移 |
| 输出格式 | 7 字段结构化分镜表 | 下游交付 | 表格化 = 直接进生产流程 |
八、可直接复制的五参数提示词模板（含示例输出）
8.1 完整模板
把下面整段复制给 DeepSeek，替换尖括号内容即可使用。模板本身已内置全部兜底指令，新手不需要再补什么：
你是一位专精短视频 AI 漫剧的编剧，请按以下五参数要求， 创作一集漫剧分镜剧本。 【题材设定】<例：都市重生复仇 | 女主顾晚，被妹妹与未婚夫联手害死后 重生回三年前，展开复仇与救赎> 【单集时长】每集 60-90 秒，本集目标 75 秒。 【镜头规则】每镜头 5-8 秒，单集 8-15 个镜头；超过 15 个镜头必须合并动作、 砍掉过场。 【开头钩子】第 1 镜头（前 3 秒）必须强冲突直入，从钩子库选择： 推下楼 / 当众羞辱 / 发现背叛 / 重生惊醒； 禁止铺垫式开头，第 1 镜台词不超过 12 字。 【台词字数】单镜头台词 15-25 字（口播 3-5 秒），纯动作镜头可 0 字； 整集总台词 200-350 字；台词口语化，短句为主， 禁止书面语与心理独白式旁白。 【场景上限】本集场景不超过 3 个，开头先列场景清单； 节奏变化优先靠"同场景不同景别"实现，禁止新增过场场景。 【输出格式】按以下结构输出，禁止任何解说性废话： 1. 本集信息：集数 / 时长目标 / 场景清单 2. 分镜表，字段为：镜头号 | 景别 | 场景 | 动作与表情 | 台词 | 时长 | 画面关键词 3. 最后一个镜头必须留出下集悬念。
8.2 示例输出片段（真实节选，可对照检验）
把模板中的题材设为”重生复仇·顾晚”，DeepSeek 输出的前四个镜头大致如下（节选，可直接感受格式与字数是否符合约束）：
| 镜头号 | 景别 | 场景 | 动作与表情 | 台词 | 时长 | 画面关键词 |
|---|---|---|---|---|---|---|
| 1 | 特写 | S1 天台夜 | 顾晚坠落瞬间，瞳孔震裂，回望天台边缘的黑影 | 顾晚（嘶喊）：小满？！是你…… | 4秒 | 都市天台, 夜, 冷蓝色调, 少女坠落, 惊恐回望, 电影感, 2D国漫 |
| 2 | 特写 | S1 天台夜 | 黑影手腕特写，血钻手链反光 | 顾晚（画外，气声）：那条手链……是我送的。 | 5秒 | 特写手腕, 血钻手链, 夜光反射, 悬疑氛围, 2D国漫 |
| 3 | 近景 | S2 卧室日 | 顾晚猛然坐起，冷汗，死死盯着床头的日历 | 顾晚（颤声）：三年前？我回来了？ | 5秒 | 清晨卧室, 暖黄晨光, 少女惊坐, 冷汗, 日历特写, 2D国漫 |
| 4 | 中景 | S2 卧室日 | 顾晚抓起手机看到日期，指尖收紧，眼神从慌乱转为冷冽 | 顾晚（低声）：这一次，换我先出手。 | 6秒 | 现代卧室, 少女握手机, 眼神冷冽, 清晨侧光, 2D国漫 |
对照检查：第 1 镜 3 秒内完成”推下楼+凶手线索”双重钩子，台词 10 字；单镜台词均在 15-25 字以内；场景只用了”天台夜、卧室日”两个，且第 3 镜直接从 S1 跳 S2（重生惊醒），复用效率高；每行带画面关键词，可以整列复制进绘图工具。这就是五参数齐全时 DeepSeek 的正常发挥水平。
九、独到见解：调参的三条心法
9.1 参数是给模型装护栏，不是给它上枷锁
这条前面提过，但值得展开。很多人抗拒在提示词里堆数字，觉得”会把 AI 限死”。实际观察到的规律正好相反：约束越明确，DeepSeek 的创意表现越好。原因在于模型的生成过程是一个概率采样过程——没有任何约束时，它采样自”所有可能的剧本”这个巨大空间，落在”平均水平的陈词滥调”上的概率最大；有了五参数，可行空间被压缩到一个”结构正确”的子空间，模型被迫在这个子空间里寻找更有新意的采样点。护栏不是限制创意，而是把创意从平庸区挤出来。这也是为什么同一个模型，老手的输出永远比新手惊艳——差距不在模型，在护栏。
9.2 场景上限本质是抽卡成本控制
场景上限这个参数最容易被误解为”艺术选择”（比如”场景少显得聚焦”），但它真正的身份是财务参数。算一笔账：单场景基准图平均抽 20 次合格，每张图按 0.03-0.08 元计，5 个场景就是 100 次抽卡起步，还没算跨场景的角色一致性返工；而 3 个场景能把这个数字压掉 40%，同时把画风漂移风险砍半。更进一步说，场景上限还会反向影响剧本结构——当模型知道只有 3 个场景可用时，它会自觉地把冲突设计在可复用的空间里（一个房间里的对峙、一场宴席上的羞辱），这恰好也是短视频漫剧最经典的戏剧形态。一个参数同时管住了成本和结构，这正是”系统化提示词”的价值。
9.3 台词字数是时长与信息密度的交集
单集时长是”总预算”，台词字数是”单笔限额”。两者共同决定信息密度：75 秒 ÷ 12 镜 ≈ 6 秒/镜，6 秒里台词最多占 4 秒 ≈ 20 字。这意味着每镜头你只有约 20 个字来讲戏——这个预算逼着你做减法：能用手势表达的不用台词，能用表情暗示的不用解释，能用一个词”滚”解决的绝不用一句话。有趣的是，这个限制反而提升了台词质量。短视频漫剧的金句几乎全是短句：”姐，你猜我等这天多久了？””签了它，就当替你死过一次。”短，才有记忆点；快，才有压迫感。当你在提示词里写死”15-25 字”，你其实是在逼模型替你完成这场减法训练。
十、常见调参场景速查
10.1 时长写超了怎么办
如果模型输出后你发现实际估算时长超过 90 秒，不要重写整集，加一句追加指令：”总时长超了，请合并镜头 5-6，删除镜头 8 的过场，将台词压缩到每镜 20 字以内，重新输出分镜表。”局部修剪远比推倒重来高效，这也是结构化输出格式的又一层价值——它让返工变成”改表”而不是”改文章”。
10.2 钩子不够强怎么办
检查第一镜头是否出现了”画面可以但不疼”的问题，比如”女主摔在地上”远不如”女主看清凶手的手链”。钩子的强度公式是：视觉冲击 × 信息悬念。给追加指令：”第 1 镜保留推下楼画面，但台词改为揭示凶手身份的半句，制造未完成感。”半句话（话说一半被打断或留白）是短视频最稳定的悬念装置。
10.3 台词还是书面怎么办
在模板里补一段正反例（本文 4.3 节的三组对照可以直接粘贴），并加一句：”输出前自查：把每句台词大声读一遍，读起来不像人说话的，改成短句。”让模型自查的效果常常好于追加规则，因为它激活的是语言直觉而不是规则匹配。
十一、FAQ
11.1 五个参数必须全部写进提示词吗？少一个行不行？
技术上少一个也能出稿，但少哪个哪个环节必出问题。最少也要保留时长、台词、格式三项——它们分别对应”能不能直接用””能不能配音””能不能进表格”。钩子和场景缺失时输出表面看也像模像样，但前者会让你损失 80% 的留存，后者会让你在抽卡环节付出双倍成本。五参数是一套联动系统，成本极低（多写五行字），建议全配。
11.2 60-90 秒是死的吗？我做横屏中视频能用这套参数吗？
甜区数字可以按平台调整，但推导方法不变。横屏中视频（3-5 分钟）可以把时长参数改为 180-300 秒，镜头数按”每镜头 6-10 秒”重算，台词单镜上限放宽到 30-35 字，但场景上限建议仍然锁 4-6 个——场景成本逻辑不随平台改变。同理，做竖屏连环短剧（一集 40 秒的极快节奏）时，镜头时长下探到 3-5 秒，台词单镜压到 12 字以内。
11.3 开头钩子四种类型会不会用滥，导致观众审美疲劳？
类型会重复，但”组合”不会。推下楼+凶手线索、当众羞辱+隐藏录音笔、重生惊醒+敌人变盟友——同一个钩子类型叠加不同的”信息炸弹”，组合数远超观众的感知阈值。实操建议是给每个系列建一个钩子组合台账，避免相邻两集使用相同组合。另外钩子类型要与题材匹配：重生文用重生惊醒开场效率最高，豪门文用当众羞辱，悬疑文用发现背叛，强行错配会显得廉价。
11.4 单镜头台词 15-25 字，重要台词放不下怎么办？
把一句长台词拆成两个镜头的两句短台词，中间用一个反应镜头（对方表情）隔开。这不但解决了字数问题，还顺手制造了节奏起伏——”狠话说一半，切对方脸色，再补后半句”是真人剧和漫剧通用的压迫感技法。切记不要为了一句话破坏 5-8 秒的镜头节奏，节奏的代价永远比那句台词大。
11.5 场景上限 3-4 个，剧情必须跨很多地点怎么办？
三招：第一，把跨地点事件改为”转述+反应”，让信息在新场景里由角色说出来；第二，用镜头语言虚拟空间，比如一个”手机屏幕特写”镜头可以承载任何地点发生的事；第三，把跨地点内容挪到下一集——集与集之间的悬念切换本来就是漫剧的结构红利，硬塞进一集反而破坏钩子节奏。
11.6 输出格式要求表格后，DeepSeek 有时会加”希望对您有帮助”之类的尾巴，怎么杜绝？
在提示词末尾加一条硬指令：”输出以分镜表最后一行结束，禁止任何结束语、总结、致谢或建议。”如果模型仍然偶尔带尾巴，删掉即可，不影响表格主体；也可以在长对话中把这条指令合并进输出格式参数，DeepSeek 对”禁止类”指令的遵循度在明确列出清单时会显著提升。
结语
回到开头那句话：DeepSeek 写不好漫剧剧本，几乎从来不是模型能力问题，而是提示词没有给出生产所需的结构。单集时长定总量，开头钩子抢留存，台词字数控密度，场景上限管成本，输出格式通下游——五个参数，一条流水线。把它们固化成你自己的提示词模板，之后的每一次创作，你面对的都不再是”AI 会不会写”，而是”这一集我要它写什么”。这才是 AI 漫剧真正的生产效率所在。
暂无评论内容