视频叙事中，镜头切换堪称灵魂所在。然而，要让千问AI精准捕捉画面之间的起承转合，而非将连续镜头简单视作“幻灯片”逐一读取，就必须在描述词上精雕细琢。其中的关键，恰恰隐藏于那些看似不起眼的转场用语之中。

首先明确一个核心判断：千问AI对转场的理解停留在字面层面。如果你使用“然后”这类词汇，它只能识别时间先后顺序，完全无法区分是“切换”还是“叠加”过去的。唯有在描述词中清晰标注转场方式，才能引导AI构建出流畅连贯的镜头叙事。

用动词精准表达转场动作

在两个镜头描述之间，嵌入一个表示视觉过渡的动词，这是最基础的操作。例如“切换”“推进”“拉远”“叠化”“淡入”“摇摄”“平移”等。

举个例子：你描述“人物特写→【切换】→窗外暴雨倾盆”，这里的“切换”就是一个硬性跳转指令，提示AI这不是缓慢叠化，而是节奏上的突然转变。如果使用“然后”或“接着”，AI很可能会忽略这种时间与空间上的衔接逻辑，直接将其当作独立片段处理。

标注转场持续时长（关键帧控制）

仅有动词仍不够，还需补充时长信息。格式很简单，在转场动词后紧跟括号注明毫秒数，例如“书桌全景→【推进】（400ms）→钢笔特写”。

为什么不写不行？因为没有时长声明，千问AI默认会采用最短的瞬时切换，大约在60ms左右。这会导致你精心设计的推拉镜头瞬间被“秒切”掉，意图完全丧失。反之，如果时长超过800ms，AI又容易将其识别为叠化效果。因此，一个比较安全的区间是200–700ms，在这个范围内，你的运镜意图能被准确捕捉。

区分物理运镜与光学转场

这里有一个容易踩坑的地方：物理运镜和光学转场必须分开处理，不能混用。

物理运镜类，指的是摄像机真实移动，例如“推/拉/摇/移/跟/升/降”，描述时要加上方向和目标。比如“镜头左摇→空荡走廊尽头亮起一盏灯”。

光学转场类，则是后期制作的效果，例如“淡入/淡出/叠化/划像/翻页/马赛克溶解”，描述时需要明确起止状态。例如“黑屏→【淡入】（600ms）→晨光漫过山脊”。

特别提醒：像“推进→淡入”这类组合，AI是无法理解的。它只会识别第一个有效的转场指令，后面的会被忽略。所以，要么选择物理运镜，要么选择光学转场，切勿混为一谈。

多镜头段落按时间轴排序标注

这是最耗时但也是最关键的一步。如果遗漏时间校验，千问AI生成的描述词很可能与视频节奏严重错位，后续关键帧对齐也会陷入混乱。

具体操作分四步：

第一步：从视频开头逐帧确认每个镜头的起止点，标注出绝对时间码，例如“00:00:05–00:00:12”。

第二步：按时间顺序列出所有镜头，每行一个，把转场词写在前面镜头的末尾。

第三步：检查相邻两行的时间是否连贯。如果出现断层，比如前镜头结束于00:00:12，后镜头却从00:00:15才开始，中间那3秒必须补上“黑场（3000ms）”或“静帧（3000ms）”作为显式转场，否则AI会认为视频节奏中断。

第四步：最后检查一遍，删除所有没有对应实际画面变化的冗余转场词。哪怕语法通顺，只要没有实际画面切换，就不要保留。

从实践来看，大多数描述词不够精准的问题，归根结底出在对转场的“颗粒度”处理上。把动词写准，时长标对，物理与光学分开，再做好时间轴上的断层校验，千问AI才能真正理解你的镜头语言。