midjourney不能直接生成视频分镜，因其本质是单张图像生成器，缺乏会话记忆、影视术语理解及跨图一致性控制能力，需人工锚定角色、场景、构图三要素并手动调控seed与sref才能实现可控分镜输出。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Midjourney 不能直接生成视频分镜，也不支持按脚本自动批量出图、保持角色/场景一致性或输出带编号的分镜序列——它本质是单张图像生成器，不是分镜工具。
为什么直接用 /imagine 写分镜提示词总翻车
常见错误现象：同一角色在不同提示下脸不一样、服装颜色跳变、镜头角度混乱；写“镜头1：中景，主角推门”和“镜头2：特写，手握门把手”，结果两张图毫无关联性。
- Midjourney 没有“会话记忆”，每次
/imagine都是全新起点，--sref或--cref对跨镜头一致性帮助极小 - 它不理解“中景”“俯角”“淡入”等影视术语，需转译为视觉可描述语言（如“full-body shot, eye-level, shallow depth of field”）
- 中文提示词直译常失效，必须用英文写核心描述，中文仅作备注（例如：/
imaginea detective in trench coat, rain-soaked street, neon signs blurred (分镜3｜夜戏)
真正能落地的分镜工作流（含可控变量）
把 Midjourney 当“智能画板”，自己当导演：先定死 3 个锚点，再逐帧生成。
-
角色锚点：用同一张图反复
/describe提取 prompt，固定--stylize值（建议 50–100），加--seed锁定基础人像特征 -
场景锚点：先生成空镜（如“empty hallway, 1940s office, dusty light rays”），后续所有分镜都加该描述 +
--sref [URL]引用 - 构图锚点：不用“特写”，改用“close-up on hands holding revolver, shallow focus, f/1.4”；避免“悲伤”，改用“tear track on left cheek, eyes downcast, low-key lighting”
--tile 和 --v 6.3 对分镜的实际价值很有限
有人试过 --tile 拼四宫格，结果四张图风格打架；--v 6.3 虽增强文本对齐，但对“连续动作”无感知——它不会让第二张图里的人比第一张图多迈半步。
-
--tile适合生成无缝纹理或重复图案，不适合叙事逻辑，四格之间无时序关系 -
--v 6.3在单图细节上更稳，但若提示词本身没定义好动作衔接（如“swinging door → door fully open”），版本再高也连不上 - 真正提升连贯性的操作是：用上一张图的
--seed值 + 微调描述（如把 “closed door” 改成 “door ajar, light spilling through crack”）
分镜的本质是时空切片，而 Midjourney 只擅长切片，不负责排序和过渡。你得手动控制种子、复用参考图、拆解动作为静态视觉参数——漏掉其中任一环，生成的画面就只是漂亮图片，不是分镜。
