一句话生成整部电影，先看它断在哪
一集 21 分钟的动画，最少要 158 次生成。这篇拆开「一句话出电影」断在哪四步，给出一条今天就能照做的替代流程，也标出作者的商业立场。
输入一句「一个提灯骑士穿过雪夜」，点生成，等两小时，得到一部电影。这个画面在过去两年被演示过很多次，但真去点的人，大多卡在第三分钟。
一位自己做动画剧集的作者，把这件事的算术写了出来。
一、发生了什么
Frank Houbre 在 HackerNoon 上写了一篇复盘。他一个人做一部叫 Lost Garden 的暗黑奇幻动画，第二集 21 分钟，花了他 75 小时，生成费用约 1850 美元。
他的结论很直接：2026 年还做不到一句话出片。所有视频模型每次只生成一个短片段，而且下一次请求不记得上一次生成了什么。一部片子有几百个镜头，就得在生成之前先规划几百次。
算术是这样的。按谷歌接口文档，Veo 3.1 单次出 4 秒、6 秒或 8 秒，可以每次续 7 秒、最多续 20 次，连续镜头最长 148 秒。Wan 3.0 单次能到 30 秒。21 分钟是 1260 秒，按 8 秒一段算，仅仅把时长铺满一次，至少 158 次生成，还不含任何重拍。
断的地方不止时长。他列了四个：主角的脸在不同场景之间飘；同一个房间的两个镜头，地点会变；镜头运动不受控，剪起来没有节奏；想改一个镜头，得重做一整块。
原因不复杂。每次请求都是从零开始，模型不知道五分钟前给过你什么。所谓「一致性」从来不是模型记住了，而是你把同一套角色图、场景图、光线描述又传了一遍。一键工具必须替你现编这些参考，而它只有你那两行想法可依据。
他的做法是把生成放到最后：先写剧本，拆镜头表，用图片做故事板，锁死参考图，再逐镜生成，最后剪辑时只重做需要重做的那几条。他也在文末注明自己是 ScreenWeaver 的联合创始人，这家公司做的就是这条流水线。
二、跟你有什么关系
想自己拍短片的人。 决定成片质量的是镜头表，不是提示词。先写六到十个镜头的一场戏，比试五十条随机提示词学到的多。
做广告和电商视频的人。 十秒、十五秒的素材，一键工具够用，因为它本来就是若干片段的拼贴。别拿它去做有连续叙事的片子。
要报预算的人。 成本按「次」算，不按「条」算。一次重拍就是一次钱，规划越细，浪费越少。
三、怎么用
读到这儿，可以顺路看 电脑操作 agent 干完活，谁来验货 读完能了解电脑操作型 agent 的任务完成度为何难自动核验：老办法只看局部画面，新思路让验证器自己动手探索取证，在线离线都能用，做 agent 数据与评测的人值得看。- 先写剧本，场景、人物、地点、发生什么。这一步不要交给模型。
- 拆镜头：景别、机位、运动、时长。镜头本来就该短，短片段就不再是限制。
- 每个镜头先出一张图做故事板。图比视频便宜得多，坏主意在这里就该被淘汰。
- 把角色、场景、道具的参考图固定下来，每个相关镜头都挂同样的图。
- 最后才逐镜生成，剪辑时只重做不合格的那几条。
四、三个别信的说法
「输入剧本就能出成片。」 工具能做的是把剧本变成镜头表和故事板，再按你确认过的内容逐镜生成。中间那几百个决定，仍然要有人做。
「模型升级了，一致性就解决了。」 一致性来自你传进去的参考，不来自模型的记忆。换更强的模型，传错参考照样飘。
「一键工具省时间。」 它省掉的是最开始那一小时，代价是后面几十小时的重做。跳过规划省下的时间，会在返工时加倍还回去。
五、一句话结论
电影是几百个必须彼此一致的短决定，提示词只承载得了一句话的信息量。
信息来源
2026 年 10 月 31 日
功能与价格以官方公告为准。本文写于 2026 年 10 月 31 日。
每周一封，只发新教程和可复制模板。不发广告，随时退订。