「四個場景，跟著鼓點卡切」——這句話直接寫進提示詞，聽起來很合理，實際上很少準。因為單次生成看不到你要用的那首歌，也聽不到鼓點落在哪一幀。真正能卡準拍子的地方，其實在後面：把畫面拆成一段一段分開生成，最後才在影片組裝這一步接上音樂、對齊剪接點。
整段一次生成，卡不準
把「四個場景、跟著音樂卡切」全部寫進同一句提示詞看似方便，但模型能讀的只有文字：它不知道你選的那首歌實際上是幾拍、鼓點落在第幾秒，只能憑文字描述在心裡「猜」一個聽起來合理的剪接節奏。多個場景又擠在同一次生成裡，還會放大另一個老問題——主體在轉場之間悄悄換臉、風格跑掉，因為模型同時要顧的東西太多，沒有一件顧得穩。
真正卡點的做法：先拆開生成，最後才組裝
- 規劃節奏地圖——抓你要用的音樂大概幾拍一小節（BPM），決定整支片要卡幾刀、每一刀大概落在哪個小節邊界。先把「幾段、各幾秒」想清楚，再開始想畫面。
- 產一組同風格的關鍵幀——用同一段風格描述、同一組主體參考，把每個要卡點的畫面各自生成一張關鍵幀，確保它們看起來是同一支片，而不是四支拼起來的片段。
- 把每張關鍵幀分開生成成一段獨立影片——時長對齊你規劃的拍數，運鏡與節奏描述依這一段在整體節奏裡的角色調整：蓄力段放慢，重拍段落給俐落的運鏡。
- 用平台的影片組裝功能，依節奏順序把片段接起來——所有片段都生完之後，才是真正決定卡不卡點的地方：在組裝步驟裡把片段依序接上、掛上你要用的音樂，讓實際的鼓點去對齊剪接點。
單次生成裡沒有真正的音訊時間軸可以對——模型只能照文字猜。聽得到音樂、抓得到拍點的地方，是把多段短片組裝在一起、掛上音樂的那一步，不是任何一次單獨的生成。把這個分工記熟，卡點就不會靠運氣。
用時長，幫每一段抓拍數
拆成獨立片段之後，每一段該生幾秒？別憑感覺猜，用音樂的拍子回推。一拍的長度是 60 ÷ BPM 秒，一個常見的四拍小節，長度就是拍長的四倍。把每段時長抓在整數小節附近，剪接點自然會落在聽感上「對」的位置。
| BPM（拍/分鐘） | 1 拍長度 | 1 小節（4 拍）長度 | 常見卡點時長 |
|---|---|---|---|
| 90（抒情、慢歌） | 約 0.67 秒 | 約 2.7 秒 | 2–3 秒或 5–6 秒（1–2 小節） |
| 110（中速流行） | 約 0.55 秒 | 約 2.2 秒 | 2 秒或 4 秒（1–2 小節） |
| 128（電子、舞曲） | 約 0.47 秒 | 約 1.9 秒 | 2 秒或 4 秒（1–2 小節） |
| 150（快節奏） | 約 0.4 秒 | 約 1.6 秒 | 1.5–2 秒（1 小節） |
不用算到小數點——抓最接近的整數秒，只要落在小節邊界附近，剪接點就會讓人覺得「踩在拍子上」，而不是隨機硬切。
分開生成的片段，怎麼看起來像同一支片
四段影片是分開生成的，最容易出現的問題不是拍點不準，而是看起來不像同一支片——色調跳、風格漂、主體換了張臉。解法跟〈角色一致性〉是同一套邏輯：固定一段風格描述，每張關鍵幀都沿用；如果有固定主角或主體，把第一張成功的關鍵幀當成後續每一段的參考圖，而不是重新用文字去形容一次。這段描述貼進四段各自的關鍵幀提示詞裡，色調、質感、鏡頭語言就會是同一套語彙——即使它們是分開、各自獨立生成的。
neon-lit night street, high-contrast teal-magenta grading, anamorphic lens flare, fast-shutter motion blur, energetic music-video look景別跟著節奏換，卡點才有感覺
拍點抓準、風格也統一了，如果四段畫面都是差不多的中景，剪起來還是會很平。卡點真正「有感覺」的地方，是景別隨節奏變化：蓄力段放遠景或緩慢的運鏡，重拍落下的那一刀換成特寫或明確的動作，讓每次剪接都伴隨一次視覺上的反差。
| 片段 | 景別 | 節奏/運鏡 | 拍數（128 BPM） | 時長 |
|---|---|---|---|---|
| #1 主歌 | 中景 | 平穩，運鏡幾乎靜止 | 4 拍（1 小節） | 約 2 秒 |
| #2 蓄力段 | 特寫緩緩拉遠成中景 | 速度漸快，鏡頭微微推進 | 8 拍（2 小節） | 約 4 秒 |
| #3 副歌/重拍 | 大遠景瞬切極特寫 | 俐落，一個明確動作卡在重拍上 | 4 拍（1 小節） | 約 2 秒 |
| #4 收尾 | 中景，動作收在最後一拍 | 放慢，趨於靜止 | 8 拍（2 小節） | 約 4 秒 |
把「四個場景＋跟著鼓點卡切」全部塞進同一次生成的提示詞裡，看起來最省事，但模型在單次生成裡沒有真正的音訊時間軸可以對齊，時間點基本上是用猜的，主體也容易跑掉。把場景拆成獨立片段分開生成，再到組裝步驟接上音樂，才是穩定卡準拍子的做法。
節奏規劃想切得更細，可以回頭看〈時間分段法〉怎麼安排一段影片內部的秒數；維持風格與主體一致，則是〈角色一致性〉的功課。卡點剪輯說到底，就是把這兩件事準備好，再加上組裝這最後一步，全部串起來。