如何用 AI 在 7 个步骤中编排打斗场景,来自一场真实的 30 秒决斗
要用 AI 编排打斗场景，你需要将动作设计写入提示词中，因为视频模型只会呈现你所描述的内容。用参考图像锁定每个战士和竞技场，为每个战士赋予战斗方式，并将每个动作分解为接触、力量、反应和下一个动作。然后将打斗写成带有时间窗口的编号镜头，为摄像机制定规则，并要求"不要慢动作"。
影片： 《决斗》，作者：Jaime Yao（Flick 团队）
制作方式：一个 Seedance 2.5 提示词配合 3 张参考图像：30 秒，21:9 宽屏，720p，声音随画面生成。下文所有示例均来自该作品，除非另有说明。
在 Flick 中编排你的打斗场景
描述谁在战斗、在哪里以及使用什么武器。Flick 的智能体会帮助你将其转化为 Seedance 2.5 的定时镜头,你可以审阅每一个环节。
如何使用 AI 逐步编排打斗场景
七个步骤，每个步骤都使用了《决斗》提示词中的真实内容。"…"表示我们省略的内容。在提示词中，A 是持矛者，B 是持剑者，@ 用于引用 Flick 画布上的图像。
1. 锁定战斗者、武器和场地
这是什么
参考表：展示一个角色正面、侧面和背面的图片。视频模型会在每个镜头中复制其中的面部、服装和武器。
场地板：没有人物的场景静态图。它固定了地面、光线和战斗者可以使用的任何物体。
为什么重要：模型会重绘每一帧。如果没有锁定的参考，面部会漂移，矛的长度会改变，或者剑鞘会在镜头切换之间消失。
如何获得
将武器放在参考表上：制作每个参考表时，让角色手持武器，处于将要使用的状态。Jaime 为 B 编写的参考表提示词中说："明确说明：汉剑已经出鞘，整个剑身清晰可见，剑鞘内没有剑身。"
保持场地为空：场地板的提示词开头是"纯环境，真人实拍的电影静帧。没有人物，没有动物，没有建筑。"为其添加战斗可以利用的特征：《决斗》中的低矮树干在第 9 个镜头中成为了跳板。
提示词开头为每个参考写一行：每个战斗者获得一行指向其参考表的外观描述，然后是场地描述。
模型：Seedance 2.5 带参考 · 注意：视频提示词的开头几行
A's appearance match @Character Turnaround with Red-Tasseled Spear 100%.
B's appearance match @Character Sheet, Three-View with Han Sword 100%.
…
Use the provided environment reference: an open clearing inside an arid autumn poplar forest, with massive twisted old poplar trees, exposed roots, hard sandy earth, scattered gravel and dry fallen leaves, a narrow shallow stream nearby, and thick low-growing poplar trunks and branches creating natural changes in elevation.2. 为每个战斗者设定战斗方式
这是什么：在描述任何单个动作之前，先写下每个战斗者的战斗方式：哪只手持什么武器，如何保持距离，以及身体的哪些部位驱动动作。Jaime 的提示词将此称为全局战斗逻辑。
为什么重要：你编排主要动作；模型会填充它们之间的所有内容。如果模型知道 A 在矛的长度范围内战斗，B 用双手防御，那么中间的动作就会保持角色一致性。
如何获得
让每只手都有任务："B 在整场打斗中右手持剑，左手持剑鞘。"然后填补空白："剑鞘不会消失，不会掉落，也不会被动地悬挂着。"
命名身体部位，而非技巧：模型可以展示"手腕旋转"和"深度屈膝"。但它必须猜测命名的技巧是什么样子。
模型：Seedance 2.5 带参考 · 注：全局打斗逻辑，节选
A controls distance with the spear.
A’s spear movement is driven by:
both hands sliding and repositioning along the shaft;
wrist rotation;
shoulder rotation;
strong waist and hip turns;
pivots through the feet;
forward stepping;
deep knee compression;
explosive jumping.
A rarely brings the spear back to a neutral guard.3. 将每个动作分解为节拍：接触、力量、反应、下一个动作
如何制作一部不像 AI 垃圾的 AI 影片，与 Jaime Yao 对谈（Flick YouTube 频道）。动作方法从 8:54 开始。
定义：节拍是观众需要看到的打斗的最小单元。Jaime Yao 的规则："对于动作场景，我将每个动作分解为接触、力量、反应和下一个动作。"然后："我还会给这些节拍一个时间窗口。"
为何重要："他发起攻击"会将所有细节留给模型。Sam Wasserman 在 The Miracle（Flick Residency）中遇到了这个问题："我打斗场景的前几个版本真的很平淡。"
如何获得
将每个节拍写成身体的链条：按顺序用箭头连接物理事件。镜头 9 持续 0.72 秒，是一只脚落在树干上：
模型：Seedance 2.5 带参考 · 注：镜头 9，不含标题
Physical sequence:
foot contact → ankle compresses → knee bends → body weight loads → leg immediately extends.
The branch acts as a springboard.
B does not simply touch it.
B visibly transfers weight into it.将反应写成独立的节拍：力量必须有去处。"B 明显地将重量转移到其中"是让落地看起来沉重的关键。
让智能体编写细节：用 Jaime 的话说，"你不必亲自写完所有内容。"告诉智能体类似"他的攻击极其迅速。他在 1 秒内连续发出三次打击，所以确保时机反映这一点。"将 Flick 的 Seedance 动作指南作为其规则，它会为你将每个动作分解为阶段。
4. 将打斗写成带时间窗口的编号镜头
这是什么
镜头：两次剪辑之间的片段。
时间窗口：镜头在片段内的开始和结束时间，以秒为单位。Seedance 2.5 可以制作一个 30 秒的片段，在多个镜头之间切换，因此一个提示词可以包含整场打斗。
为何重要：时间窗口设定了节奏：哪些时刻一闪而过，哪些时刻让观众有时间观看。Jaime 以同样方式编写了 In 'twixt Vows（Flick Residency）：其 263 个保留的视频提示词中有 130 个对镜头进行了编号（Flick 对该影片的公开分析，2026 年 10 月）。
如何获得
在提示词之前规划时间表：这是《决斗》的时间表。它的 13 个时间窗口加起来正好是 30 秒。
| 镜头 | 时间窗口（秒） | 时长（秒） | 展示内容 |
|---|---|---|---|
| 1 | 0.00 到 0.20 | 0.20 | 战斗前 A 的闪现 |
| 2 | 0.20 到 1.80 | 1.60 | B 摆出剑鞘姿态，短暂停顿 |
| 3 | 1.80 到 3.48 | 1.68 | 极近特写：A 的长矛开始行动 |
| 4 | 3.48 到 6.28 | 2.80 | 广角全身：A 的开场长矛连招 |
| 5 | 6.28 到 8.48 | 2.20 | 近景，过肩：第一次交锋 |
| 6 | 8.48 到 11.56 | 3.08 | B 的紧凑镜头：他用身体闪避的五次险些命中 |
| 7 | 11.56 到 14.48 | 2.92 | 中景双人镜头：B 依次用剑和剑鞘拨开长矛 |
| 8 | 14.48 到 20.12 | 5.64 | 广角，倾斜角度：B 在空中跃起，A 追击 |
| 9 | 20.12 到 20.84 | 0.72 | 极近特写插入镜头：B 的脚落在白杨树干上 |
| 10 | 20.84 到 24.32 | 3.48 | B 反弹回战斗中 |
| 11 | 24.32 到 27.52 | 3.20 | 广角全身：战斗者高低交替，轮流跳跃 |
| 12 | 27.52 到 28.44 | 0.92 | B 的紧凑镜头：最后一次险些命中 |
| 13 | 28.44 到 30.00 | 1.56 | 结局：A 踢出自己的长矛向 B，B 格挡并后退 |
《决斗》的 13 个镜头及其时间窗口，读取自其公开的 Flick 工作流，2026 年 10 月。描述为我们所写。
混合长短镜头：用几秒钟的广角镜头展示完整的连招（镜头 4）。使用插入镜头，紧凑的单一细节镜头，不到一秒作为点缀（镜头 9）。
在长镜头中为攻击编号：镜头 4 在 2.8 秒内包含了七次编号攻击。每次攻击都从上一次结束的位置开始。
模型：Seedance 2.5 带参考 · 备注：镜头 4，节选
Attack 1 … broad low-to-mid sweep
A steps in and rotates the hips strongly.
The spear makes a broad horizontal sweep across the space between them.
…
Attack 2 … immediate forward extension
A does not reset.要求真实速度并在动作中切镜：《决斗》在顶部要求"无慢动作"，并在结尾附近写道："切镜经常发生在动作进行中。不要完成一个动作、摆姿势然后再切镜。"在动作仍在进行时切镜可以让速度感延续到切镜之后。
注意：将时间窗口视为精确值。Flick 的 Seedance 动作指南说它们引导节奏，而非精确的剪辑点。在《决斗》的成片中，广角跳跃镜头开始于约 15.9 秒，而非 14.48。检查切镜实际落在哪里。
5. 为摄影机设定自己的规则并保持战斗轴线
这是什么
战斗轴线：两个战斗者之间的假想线。将摄影机保持在轴线的一侧，这样 A 在每个镜头中始终位于画面的一侧，B 位于另一侧。
覆盖镜头：你为战斗规划的角度集合：广角、中景、近景和插入镜头，以便你可以在它们之间切换。
为什么重要：快速切镜只有在观众始终知道谁在哪里时才有效。《猎牙人》（Flick Residency）的导演 Alan Xiao："你需要保持走位的一致性，并且不要无缘无故地越过轴线。"
如何获得
每个镜头都以摄影机描述开头：在动作之前，每个镜头一个构图。镜头 3 开头是"枪头和枪杆前段的极近特写。背景强烈虚化。"
将覆盖镜头规划为列表，然后是规则：《决斗》以按顺序排列的角度以及摄影机不能做什么结束。广角镜头显示每个人的位置；近景和插入镜头显示接触。
模型：Seedance 2.5 带参考 · 备注：摄影机语言，节选
spearhead insert;
wide opening spear combination;
close-range coverage;
extremely tight near-miss sequence;
medium two-shot showing coordinated weapon defense;
wide Dutch-angle airborne choreography;
foot-on-poplar-trunk insert;
…
Hard cuts.
Maintain fighting-axis continuity.
Subtle physical tracking is acceptable.
No unnecessary orbit.
No dramatic zoom.
No chaotic camera shake.
No excessive motion blur that hides hand or weapon choreography.抖动或稳定，保持可读性：In 'twixt Vows 工作流程中的雨中决斗要求大幅手持抖动，然后补充道："尽管抖动剧烈，但编排必须保持足够的可读性，以便理解谁在攻击、谁在躲避，以及武器的运动轨迹。"对于首次测试，Seedance 动作指南建议使用固定中景镜头（相机保持静止）。更多动作：AI 相机运动。
6. 在 3D 中编排打斗，或从片段借用动作
概念：编排是在拍摄前放置战斗者和相机：谁站在哪里、谁面对谁、以及他们如何移动。在 Flick 的 3D Stage 中，你使用彩色替身在场景的粗略 3D 副本中进行编排，然后录制相机。
重要性：一旦战斗者开始互相环绕，文字描述就失效了。Alan Xiao 使用 3D Stage 来解决这个问题："它的主要功能是编排角色的站位以及他们如何面对彼此。一旦角色超过两个，这种关系就变得更难保持一致。"
如何获得
用替身编排，然后将录制交给 Seedance：在与 The duel 相同的画布上，Jaime 用每个战斗者一个彩色替身（提示词中称为代理）和灰色方块代表建筑物，编排了一场一对三的屋顶打斗。Seedance 2.5 提示词从该录制中获取相机、位置和切换点，并从参考图像中获取外观。
模型：带参考的 Seedance 2.5（The duel 画布上的屋顶打斗）· 注意：@ 表示 3D Stage 录制
Use @3d blocking as the exact spatial and camera reference. Keep its camera angles, heights, framing, perspective, camera movements, cut points, building positions, character positions, routes, timing, foreground cropping and occlusions 100% unchanged. … Translate the proxies into anatomically proportioned characters while preserving their positions and visible body portions.像游戏一样演出动作：3D Stage 的播放模式让你用键盘控制角色并录制。步骤：3D Stage 动画。
或从片段借用动作：为了制作 The Miracle，Sam Wasserman 制作了深度图，即仅保留形状和距离的黑白视频，来自其他素材"以帮助制作编排"。使用你拍摄或拥有版权的素材，作为 Omni Reference 中的视频参考。
注意：起始帧（片段的第一张图像）已经显示动作的结束。Alan Xiao："如果起始帧已经显示最终姿势，那个过程就消失了。"
7. 分层构建打斗的声音
概念：打斗声音包括挥舞声、撞击声、脚步声以及周围环境的声音。Seedance 2.5 可以随画面生成声音，你可以在剪辑中添加更多层次。
重要性：Sam Wasserman 在谈到 The Miracle 雨中屋顶打斗时说："你不能只用一个砰的声音。"与场景不匹配的击打声会让观众出戏。
如何获得
在提示词中列出声音：列出打斗产生的每一种声音，并关闭稍后添加的声音。The duel 关闭了对话、字幕和音乐，为剪辑中的配乐留出空间。
模型：带参考的 Seedance 2.5 · 注意：声音，节选
No dialogue throughout the entire video.
No subtitles.
No background music.
Only synchronized natural sound:
fast spear swishes,
sword swishes,
scabbard swishes,
…
rapid footsteps on hard sandy earth, …为场地叠加击打声：Sam 的方法："我会制作干净利落的轰鸣和击打声。"然后他制作了带有小水花和大水花的版本，并将它们叠加进雨景中。Flick Academy 的构建声音课程涵盖了音效提示和层次。
案例研究：《决斗》的 30 秒提示词是如何构建的
《决斗》的 27,695 个字符的提示词分为八个部分，按以下顺序运行：
- 参考：每个格斗者各一行外观描述，然后是场地。
- 手部和武器：在整个战斗中，哪只手持什么武器。
- 速度："这是 A 和 B 之间一场极快、精准编排的武侠打斗。"（武侠是中国武术小说。）然后是"无慢动作。"
- 每个格斗者的战斗逻辑。
- 13 个定时镜头，每个都有一行镜头描述，然后是分解为节拍的动作。
- 速度规则：每个格斗者的动作模式"无中性复位"，以及动作中的剪辑。
- 镜头规则：按顺序的角度、战斗轴线，以及镜头不能做什么。
- 声音：无对话、无字幕、无音乐，然后是自然声音列表。
谁来编写：Jaime 的建议是"不要自己写提示词。让智能体编写，然后你自己审核和修正。"
结局：格挡，而非打击。在最后一个镜头中，A 将自己的长矛踢向 B，B 让开而不是硬挡。整个战斗中只有武器接触，并以格斗者分开结束。
模型：Seedance 2.5 带参考 · 注：镜头 13，节选
A explosively extends the leg and kicks the shaft of A’s own spear.
The kick is not directed at B.
…
The sequence must read clearly:
stable spear → knee chambers → foot strikes shaft → shaft suddenly accelerates → spear shoots violently toward B.
…
B does not try to stop all the force rigidly.
B deliberately yields with it.发挥作用的词语："序列必须清晰可读"告诉模型哪些节拍必须可见。"B 故意随之让开"使格挡表现为技巧，而非运气。
AI 的格斗编排：与舞台格斗相比有哪些变化
格斗编排是战斗中攻击、防御和反应的计划序列，旨在让观众能够跟上。使用 AI 影片时没有人排练，所以每项工作都转移到提示词和参考中。
| 实景拍摄中 | 使用 AI 影片 |
|---|---|
| 表演者排练动作 | 你将动作写成节拍，智能体将其转化为定时镜头 |
| 特技替身与演员相匹配 | 参考表保持每个格斗者和武器在每个镜头中的一致性 |
| 走位在现场进行 | 走位使用 3D Stage 中的替身进行 |
| 搭档通过反应来表现击中效果 | 你将反应写成独立的节拍 |
| 险些击中保证表演者安全 | 武器对武器的接触和险些击中使格斗易于理解 |
实景格斗中的五项工作，以及每项在 AI 影片中的位置。
格斗场景使用哪个 AI 模型，以及一次拍摄的成本
使用 Seedance 2.5 制作 AI 格斗场景。我们在 Flick 团队和 Residency 影片中找到的每个格斗提示词都在其上运行，大多数使用了参考图像：《决斗》、In 'twixt Vows 工作流中的两场决斗，以及《决斗》画布上屋顶格斗的 13 次拍摄。它生成 4 到 30 秒的剪辑，可以在镜头之间切换，并带有声音。
| 分辨率 | 每 5 秒积分 | 30 秒格斗所需积分 |
|---|---|---|
| 480p | 105 | 630 |
| 720p | 240 | 1,440 |
| 1080p | 540 | 3,240 |
Seedance 2.5 积分按分辨率计算,来自 Flick 的 Seedance 2.5 页面,2026 年 10 月。480p 和 1080p 的总计是 5 秒价格的六倍。
- 720p 是全长镜头的常用选择:在 421 个成功的 Seedance 2.5 参考镜头中(按 30 秒价格计算),200 个恰好花费 1,440 积分,177 个花费 630 积分(480p),44 个花费 3,240 积分(1080p)(Flick 数据,最近 90 天,2026 年 10 月)。
- 低成本测试编排。屋顶打斗的 13 个镜头全部以 480p 运行,不到 720p 价格的一半。
- 更多设置信息:我们的 Seedance 2.5 指南。如果动作仍然不符合您的要求:动作与我的要求不符。
在 Flick 中规划您的第一个打斗场景
注册账号,打开画布,在生成镜头之前先在 3D 中设计打斗动作。
每个账户在注册时获得 100 免费积分，每周一再获得 100 积分。
创建你的免费 Flick 账户 →
继续探索
- 如何制作故事板:以分镜形式规划影片,包括动作场景。
- 如何制作逼真的 AI 视频:Jaime Yao 对真实感画面的修正技巧。
- 如何制作 AI 影片:完整的影片制作流程,包括在 3D Stage 中设计动作。
- 《In 'twixt Vows》幕后:Jaime Yao 讲述影片的参考、模型和编排。
- 3D Stage 导出(文档):录制一个或所有摄像机,然后将镜头用作参考。
关于作者
Bilguun Bayarkhuu 是 Flick 的增长工程师。本指南基于 Jaime Yao 的《The duel》公开工作流程、Flick 对《In 'twixt Vows》的公开解析,以及 Jaime Yao、Sam Wasserman 和 Alan Xiao 的 Flick YouTube 视频。
常见问题
如何用 AI 创建打斗场景?
在生成之前先做规划。用参考图像锁定格斗者和场地,然后将打斗写成带时间窗口的编号镜头,每个动作分解为接触、力量、反应和下一个动作。在可以在一个片段内剪辑的模型上运行,例如 Seedance 2.5。
哪个 AI 最适合打斗场景?
Seedance 2.5:我们在 Flick 制作的影片中找到的每个打斗提示词都在它上面运行。它可以生成长达 30 秒、包含多个镜头和声音的单个片段。720p 的 30 秒镜头花费 1,440 积分。
如何编写打斗场景脚本?
将其写成编号镜头。每个镜头都有一个时间窗口、一条摄像机线和按节拍划分的动作,例如"镜头 3,1.80 至 3.48 秒:长矛苏醒时的极端特写。"在顶部写上每个格斗者的风格,在末尾写上摄像机和声音规则。
什么是好的打斗编排?
好的打斗编排让观众始终能分辨出谁在进攻、谁在防守以及武器在哪里。每个格斗者都有自己的风格,动作之间流畅衔接而无需重置,每次攻击都有可见的反应。
演员如何在打斗场景中避免伤害彼此?
他们会排练、保持安全距离,并使用摄像机角度使其看起来像接触的近距离未命中。使用 AI 视频时没有人会受伤,但同样的习惯能让打斗易于解读。《The duel》是在 Flick 中制作的 30 秒 AI 打斗,仅使用武器对武器的接触。
打斗编排叫什么?
打斗编排也称为舞台格斗:为戏剧和影片安全地创造身体暴力幻觉的技艺。在 AI 视频中,这种规划以节拍的形式进入提示词,在编号的、计时的镜头内。