导演视角：为什么分镜是瓶颈
分镜将剧本转化为一系列视觉计划：摄像机放在哪里，角色在做什么，角度如何变化。在短剧制作中，这一阶段直接决定场景的生动程度。但专业分镜师依赖的是难以用语言传达的经验。这种隐性知识，正是自动化在此停滞不前的主要原因。
乍看之下，似乎可以通过示例教会大语言模型分镜。然而，这条路上面临三个障碍：
- 知识获取。 导演的技艺并不浮于表面：它隐含在示例中，而手动记录既耗时又昂贵。
- 知识精炼。 手动创建的规则未经实践检验。当模型生成分镜时，无法判断是哪条规则导致了错误，而不透明的生成过程也无法将反馈关联到具体决策。
- 知识落地。 即使收集了完整的规则集，它也放不进模型的上下文窗口。而为每个类型或剧情组手动筛选规则，耗时得令人无法接受。
正因如此，分镜仍然是行业中的“瓶颈”：它需要昂贵专家的参与，拖慢了整个流程。如果能让模型学会处理导演规则，短剧制作就能大幅提速——这正是这项新开发所解决的问题。
SAGE：进化的规则
一个由八位作者组成的研究团队在arXiv上发布了框架 SAGE（Self-Evolving Storyboard Skills via Attribution-Guided Rule Evolution）。论文发表于2026年8月18日，编号2608.17468，类别cs.AI。核心理念不是让模型死记硬背他人的示例，而是教会它提取并更新导演规则。
首先，SAGE分析“剧本—专家分镜”配对，从中提炼出不绑定具体情节的规则。这就像实习生观察大师的作品并总结原则：“对话中让两位角色都保持在画面内”、“紧张时刻拉近景别”。这些规则可以迁移到不同故事之间，无需从头重新训练模型。
在生成过程中，模型会记住每个叙事组使用了哪些规则。为什么需要这样？如果最终分镜不理想，反馈会精确关联到参与决策的那些规则，而不是整个规则集。这样系统就能知道哪条规则“掉了链子”，并只更新它。这解决了不透明性问题：每个决策都可以归因到具体知识。
进化后的规则被收集到带路由索引的剧本包中。对于每个新情节，系统自动挑选紧凑的规则集，无需专家介入。这就形成了一个闭环：模型学习、归因错误、发展规则、按任务分发。无需针对每个类型手动调参——路由机制决定具体场景需要哪个包。
与简单的示例提示不同，SAGE并不试图把全部导演经验塞进一个请求中。相反，它像知识管理系统一样运作：规则独立存在，随着反馈积累而更新，只在需要时才被调用。这让整个过程更加透明、更具可扩展性。
数字说明一切
为了验证SAGE，研究人员使用了经专家验证的评分标准，并在三个类型的18个测试剧集中将系统与专业导演进行了对比。结果：SAGE得分77.8，人类得分77.1。虽然差距不大，但重要的是AI首次达到了高于普通专业水准的水平。而且SAGE并非简单复制他人作品——它应用的是自己发展出来的规则。
需要强调的是，测试覆盖了不同类型，因此结果不能归因于与某一类剧情的偶然契合。系统在全部三个方向上都表现出了稳定且高质量的水平。
随后，该框架在Virtual Film Studio中部署了14天。在此期间，SAGE为叙事组生成了1,344个输出，其中87.2%无需重大修改即被采纳。这意味着编辑和导演几乎不需要返工生成的计划——只需做细微调整。制作团队表示，每集的作者工作时间减少了83%以上。这不仅是实验室成果，更是实践验证：分镜不再是瓶颈。
开放数据集与前景
与框架一同发布的还有数据集 PROSE——首个公开的、剧本与专业导演分镜配对的集合，包含68个剧集。这对整个社区意义重大：其他团队现在可以在统一材料上比较各自的方法，而不必自创指标。此外，这也是未来模型微调的优质基础——无需从零收集标注数据。
PROSE的发布还促进了研究的可复现性。此前每个团队都使用自己的私有数据，导致结果难以比较。现在社区有了共同的参照点。
当然，分镜只是制作流程中的一个环节。但SAGE基于将反馈归因到具体规则的方法，也可能在其他创意任务中发挥作用——从剪辑到动态分镜。模型越能理解自己为何做出某个决策，就越容易控制和改进。或许下一步，就是将这一原则推广到电影制作中同样充满隐性技艺的其他环节。
论文共11页，包含9张图和4张表。完整版本可在arXiv上通过编号2608.17468查阅。
