它在剪辑台上做的事
插入镜头在画面上很小，在剪辑里很大。它同时干四件活。
交付信息：信封上的名字、袖口的血、刻度上的数字。这些东西宽画面装不下，而用一句台词解释出来几乎总是更差的选择。
压缩时间。 从有人开始一件长活切到工具的细节，再切回来时活已经快干完了，观众会接受中间过了几分钟。这是连贯性剪辑里最老的一招，它至今有效，因为它从不让人注意到自己。
藏问题。 两条素材之间表演接不上、有话筒阴影、视线剪不到一起、走路中间踉跄了两帧 —— 在接点上盖一个细节镜头，不连贯就消失了。
控制节奏。 全是脸的一场戏只有一种速度。切进一只手、一个杯子、一块手机屏，节奏就变了，而分镜结构没变。这也是剪辑师要补拍时最常开口要插入镜头的原因。
什么样的插入镜头能用
- 光要对上。 同方向、同色温、同质感。这一项失手最多，因为插入镜头往往是最后拍的，甚至改天补拍。
- 画面方向要对上。 主镜头里手从画左进来，这里也从画左进来。
- 要有一点运动。 完全静止的物件读起来像照片，会把整场戏顶停。手伸进来、液体晃平、蒸汽升起、翻页，任何小动作都能让画面活着。
- 尺度要合适。 太紧，物体变成认不出的抽象图形；太松，它就不再是插入镜头，而是一个带着道具的中景。
- 声音要接得住。 插入镜头无同期声是常态，但盖在它上面的声音必须从周围的场景延续下来，否则接点会自己宣告出来。
为什么这是最适合生成的一类镜头
让 AI 视频不可靠的因素全都随复杂度上升：多个人、持续走路、时长、大幅机位运动、需要长时间稳定的脸。插入镜头一个都没有：一个物件、固定机位、一到两秒、没有需要维持的表演。它的成功率远高于其他任何镜头类型，所以它既是性价比最高的生成对象，也是给拼出来的场景补上质感最快的手段。
具体的提示词建议：
- 写出构图尺度，不要只写主体：
extreme close-up、tight detail shot、100mm macro。缺少尺度线索时，模型倾向退回到一个舒服的中景。 - 锁死机位（
static camera），并且只给物件指定一个小动作。a hand setting a mug down只给模型一件事要动，而「一件事」正是它做得好的。 - 把光写进每条提示词，这是你唯一的连戏控制手段：同一场戏的所有插入镜头都写
warm side light from a window on the left。 - 手要小心。 手是最常见的插入主体，也是最常见的翻车点。降低风险的办法：让手部分出画、让它一开始就已经接触到物体，或者从一张你已经确认过的静态图去生成，而不是从文字。
- 文字尽量避开。 字条或屏幕上要清晰可读的印刷字至今不稳，所以让表面留空、文字后期合成；或者拍成静态图再让静态图动起来。
- 做短。 要两秒，不要八秒。多数细节素材前 40 帧完美，之后开始蠕动。
用得有意识的话，插入镜头还是一种搭场景的策略而不是点缀。一场你在宽景里生成不好的对话，常常可以用三个插入镜头加一个干净的单人镜头讲完，而观众读到的会是「分镜」，不是「变通」。