给图文笔记配 9 张图：豆包写分镜、即梦出图对齐文案

一句话结论

先让豆包把 9 张图的分镜和文案锚点列成一张表，再逐张出图，配图就和笔记文案对齐了。

这篇解决什么问题

做运营的都知道，图文笔记最容易崩在第三步——文案写完了，临时找九张图凑上去，翻到第五张读者已经不知道这篇在讲什么。问题不在图丑，在图和文案是两条线做的。

这篇讲的是把图当成文案的一部分：先定点，再出图。适用：9 张图以内、需要统一视觉风格的图文笔记。不适用：必须真人出镜拍摄，或者图片里要有精确数据图表的情况。

开始前要准备什么

• 豆包：网页版对话就够，每天赠送的额度跑一次分镜绰绰有余
• 即梦：图片生成用，每日赠送的积分出 9 张一般够，超出部分要开通会员
• 一份写完的笔记正文：已经切成 9 段，每段一两句，存在文档里
• 能同时开两个网页的电脑，来回切窗口比来回切手机顺手
• 时间：熟悉之后单篇通常 40 分钟以内，第一次做会拖到 1 小时以上

具体怎么做

第 1 步 · 把文案切成 9 个图位

别急着开绘图工具。先把写好的正文按阅读节奏切成 9 段，一段就是一屏，也就是一张图。打开豆包网页版，新建对话，把下面这段提示词和正文一起粘进去。

下面是一篇图文笔记的正文，主题是「通勤早餐怎么在 10 分钟内解决」。请你把它切成 9 个图位，每个图位对应图片翻页时读者看到的一屏。
要求：
1. 用表格输出，列分别是：图位序号、这一屏的一句话主旨、文案里能当画面线索的词（2 到 3 个）、这一屏读者需要产生的情绪。
2. 第 1 张是封面，主旨要能让人愿意点进来；第 9 张是收尾，要留一个能引读者评论的钩子。
3. 每个图位配的文案控制在 40 字以内，优先用原文措辞，不要重写。
4. 不要编造原文里没有的食材、品牌、数字。
正文如下：
（把已经写好的笔记正文粘贴在这里）

预期产出：一张 9 行的表格，每行一个图位，带序号、主旨、画面线索词和情绪。这张表是后面所有步骤的底稿，别丢。

第 2 步 · 让 AI 写分镜卡

这一步是把「文案要说什么」翻译成「画面里有什么」。很多账号的配图像从九个地方拼来的，就是因为跳过这里，直接拿一句话去出图。接着上一轮对话继续问，让 AI 记得前面那张表。

基于上面那张 9 个图位的表，为每一张图写一张分镜卡。每张卡固定包含五项：
1. 画面主体：只说一个主要物体，或一个人的一个动作，不要群像。
2. 所处场景：具体到一个位置，比如厨房台面、地铁车厢门口、便利店冷柜前。
3. 镜头距离：特写、中景、俯拍里选一个。
4. 光线与色调：写清光从哪个方向来，整体偏什么色。
5. 留白位置：写左上、右下或居中，方便后期放文字。
统一约束：同一个人物在不同图里必须描述成同一副样子，包括发型、衣着颜色、年龄感；这张图如果没有人物就写「无人」。
输出用编号列表，1 到 9，一条一行，不要额外解释。

预期产出：9 张分镜卡，每张写清主体、场景、镜头、光线和留白位置。看到「一群人」「各种食材」这类描述就手动改掉，只留一个主体。

第 3 步 · 先定 3 个不变的视觉锚点

九张图要像一篇文章，靠的不是提示词写得多细，是那几个从头到尾不变的东西。我在实操里只固定三个：色调、人物形象、留白位置。新开一个对话，把 9 张分镜卡贴进去。

根据上面 9 张分镜卡，帮我提炼一段「风格锚点」，用于把 9 张图统一成一套。
要求：
1. 长度控制在 60 字以内，能直接粘在每条出图提示词后面。
2. 只描述三个维度：整体色调（给具体色系）、人物形象（发型、衣着、年龄感）、画面留白（哪一侧留白，留多大比例）。
3. 语气是描述画面本身，不要写成要求或说明。
4. 不要出现任何品牌名和真实人名。
输出只有这一段文字，不要解释。
分镜卡如下：
（把 9 张分镜卡粘贴在这里）

预期产出：一段 60 字以内的风格锚点文字。这段话后面每张图都要粘一次，看着重复，但这正是九张图不串味的原因。

第 4 步 · 逐张出图

到这里才打开即梦，进入图片生成，比例选 3:4。一次只出一张，别一口气生成九张——出完一张你会立刻发现某句文案写得跟画面对不上。

把分镜卡里的内容填进下面这个模板，风格锚点整段贴在最后。

画面主体：一个人的双手在厨房台面上，把刚做好的三明治装进牛皮纸袋。
场景：清晨的厨房台面，旁边有一只马克杯和一把水果刀。
镜头：俯拍中景，手机随手拍的视角。
光线色调：暖白色晨光从画面左侧进来，整体偏米色和浅木色。
留白：画面上方三分之一留空，方便后期加文字。
风格锚点：（把第 3 步得到的那段文字整段粘贴在这里）
画幅 3:4。画面里不要出现任何文字、水印、logo、二维码。

预期产出：单张图，以及文档里一句刚被微调过的文案。九张循环一遍，对齐稿的骨架就有了。

第 5 步 · 回填成对齐稿

九张图都出来之后做最后一遍检查：画面里有没有跟文案打架的东西。比如文案说「十分钟搞定」，图里却摆了一桌子菜，读者会出戏。把画面描述和最终文案一起丢回给豆包。

下面是我最终的 9 张图的画面描述，以及对应的 9 条文案，请帮我做一次对齐检查。
逐条判断三件事：
1. 画面主体和文案关键词是否一致；
2. 画面里有没有文案完全没提到的干扰元素；
3. 这一屏的文案需不需要为了画面调整措辞。
输出一张表，列是：序号、画面与文案是否一致、要改的是画面还是文案、具体怎么改。
最后用一句话说清最需要返工的是哪一张，以及原因。
画面描述：
（第 1 张的画面描述粘贴在这里）
（第 2 张到第 9 张的画面描述依次粘贴在这里）
文案：
（第 1 条文案粘贴在这里）
（第 2 条到第 9 条文案依次粘贴在这里）

预期产出：一份 9 行的检查表，标明哪几张图要重出、哪几句文案改一两个字。到这一步，能直接交接的 9 图文案对齐稿就成型了。

实测记录

最容易错的 3 个地方

1. 先出图后写文案。图一出来就会改文案迁就画面。纠正：文案定稿再开绘图工具。
2. 九张图各写各的提示词。风格一漂移就要重来。纠正：每张末尾粘同一段风格锚点。
3. 提示词里写高级感、氛围感。模型只能瞎猜。纠正：改写成具体色系、光线方向、留白比例。

可复用的东西

把上面 5 段提示词按顺序存进一个文档，下次换主题只改三处：正文、风格锚点、图位数量。其余部分原样复制，比每次重新想怎么问要快得多。

这套流程真正省下来的不是出图时间，是后期对不齐返工的时间。九张图能不能像一篇文章，往往在第 1 步切图位的时候就定了。你平时做图文笔记，是先写文案还是先找图？

如果你也经常要做这件事，欢迎在评论区说说你的卡点和做法；也可以留言告诉我，你想看哪个岗位的哪件活怎么用 AI 拆。

admin 普通

收藏 海报 链接