模型一次能出 15 秒多镜头，四类镜头的分工变了

今年这轮模型更新，最实际的变化不是画面更清晰，而是一次能出 15 秒、带声音、含多个镜头的片段。分镜的切法要跟着改。

过去一个提示词对应一个镜头，现在一个提示词可能对应一场戏。你把它当镜头用，反而浪费。

一、更新的单位从“一帧”变成“一段”

据快手 2026 年 2 月 5 日的公告，可灵 3.0 系列支持最长 15 秒生成、多语言与方言原生音频、智能多镜头叙事，并能识别多场景、多镜头指令，自动调整机位。

字节 Seed 团队 2026 年 2 月 12 日发布的 Seedance 2.0走的是同一条路：15 秒多镜头音视频输出、双声道，支持同时输入最多 9 张图片、3 段视频、3 段音频作为参考，还能做视频延长和编辑。

这两条信息放在一起看，结论很清楚：模型开始按“段落”交付，而不是按“帧”交付。

二、四类镜头的分工变了

不是所有镜头都同等受益。按实际返工频率排，变化最大的是这四类：

1. 对话正反打：以前要拆成两条生成再对切，现在可以一次给完整对话段落。省的是对齐时间，不是省脑子。
2. 运动与打斗：官方口径里都强调复杂交互与运动的可用率提升。可以先让模型出整段，再挑能用的两秒。
3. 多主体同框：多图、多视频参考进来的意义在这里。人物、服装、场景分别给参考，比堆一长串形容词有效。
4. 长镜头连贯：15 秒的上限让“一个长镜头走完一场戏”变得可行，但前提是这场戏本身不需要剪辑点。

反过来，特写的微表情、需要精确到帧的动作衔接，仍然适合拆开做。模型变强，不等于所有镜头都该交给它。

三、分镜表要加一列

以前的分镜表按镜头排，现在建议加一列：这一镜是“整段交给模型”还是“拆开手工兜”。

同时补三个字段：预计时长、景别、运镜。可灵 3.0 Omni 的故事板已经允许为每个镜头指定时长、景别、视角和运镜，你写得越具体，模型越不需要猜。

可执行动作：拿现有分镜表，先给每行标上“整段/拆开”，再把标“整段”的行合并成一场戏，重新估一次生成次数。多数项目这一步就能砍掉一批无效生成。

四、还没解决的部分

一致性、可控性、成本，这三件事都还在。

参考图能提高一致性，但跨场景、跨集数的人物稳定性仍要人盯；多镜头叙事听起来省事，实际是把导演的判断前移到提示词里，写不清楚照样崩。

成本也没有消失。Google 在 Veo 3.1 Lite 的发布说明里强调的卖点是“比 Veo 3.1 Fast 便宜一半以上、速度相同”，说明这一轮竞争里，价格仍是主线之一。

对你的直接影响是：能一次生成更长的段落，不等于该一次生成更长的段落。生成次数少了，单次废片的代价变高了。

五、今天就能做的一步

挑你返工最多的那一类镜头，做一次 A/B：一条按老办法拆成单镜头，一条按新方式整段生成。同样写清时长、景别、运镜，各跑三次。

比三个数：能用几秒、要改几次、总耗时多少。数据比感觉可靠，也比任何评测榜更贴近你的项目。

下次排分镜，先给每一行标上“整段”还是“拆开”，再决定用哪个模型。

本文由 AI 辅助生成，经编辑审核后发布。