分享下，这两天针对台词生成分镜需求的模型选型过程 之前笔记也跟大家分享过，我们最近开始搞AI短视频制作平台了 流程中，会涉及到将台词转换成分镜描述 这里使用大语言模型生成 我想跟gpt详细沟通了我的业务场景，需求背景，目的 让gpt给我生成业务需要的prompt 虽然说现在基本都依赖大模型自己生成prompt了 但是我还是建议对大模型给的prompt去人工走读一遍 有些地方存在不合理，或者有冗余 手动修改一版，基本就大差不差了 或者更多的时候，是你没有给到大模型足够的信息 所以给出来的提示词没那么精确 给出提示词后，接下来就是使用不同模型生成分镜描述 我这次使用了qwen，deepseek，gpt，claude模型 因为设计到多个模型的结果收集 这里我推荐大家一个工具，cherry studio 非常方便，可以一套提示词，@多个模型， 这些模型就会同时一次性给出结果 把结果规整到excel表格里面，这个步骤是我自己手动做的 其实有点繁琐，为什么不用agent类产品呢 如果我每个模型都有key的话，我肯定就用agent来做了 生成台词+不同模型的分镜结果汇总到一个excel表格后 接下来就是分镜描述评测 我把这excel表格，丢给了codex 跟他讨论了背景和我的目标 又跟他讨论了评测的方案，达成一致后 他就自己使用gpt5.5模型针对每个模型的分镜结果进行打分 这体验简直不要太爽 最后的评测结果也跟大家分享一下， 如果优先看综合质量，首选 Claude Sonnet 4.6。 如果优先看稳定批量生产，qwen3.6-plus 当前版本很可用，但建议在提示词里增加动作去重和动作丰富度约束。 如果选择 chatgpt5.5 或 Claude Opus 4.7，建议额外加一句：总时长贴近真实口播预估，每个 duration 不要保守拉长 因为我们目前的场景其实比较聚焦单角色单场景口播类的 所以其实对于分镜画面描述要求没那么高，当前的llm，只要提示词写到位，基本大差不差了 更多的还是在后面的图生视频的能力了 好了，今天就分享这么多，后面会持续分享相关落地干货知识，欢迎交流分享 #产品经理 #大模型 #AI视频 #分镜头脚本 #AI人工智能 #剪辑工具