当前的视频生成技术在单镜头视频片段的生成上表现优异，但在生成具有叙事性的多镜头视频方面仍面临挑战。这类视频需要灵活的镜头编排、连贯的叙事逻辑，以及超越文本提示的可控性。为应对这些挑战，我们提出 MultiShotMaster——一种高度可控的多镜头视频生成框架。该框架通过在预训练的单镜头生成模型基础上，引入两种新型的RoPE（旋转位置编码）变体，实现对多镜头视频的精准控制。首先，我们提出多镜头叙事RoPE（Multi-Shot Narrative RoPE），在镜头切换处引入显式的相位偏移，既支持灵活的镜头顺序安排，又能有效保持时间上的叙事连贯性。其次，我们设计了时空位置感知RoPE（Spatiotemporal Position-Aware RoPE），通过引入参考标记（reference tokens）和定位信号（grounding signals），实现基于时空位置的参考信息注入，从而增强生成内容的语义一致性与空间可定位性。此外，为缓解多镜头视频数据稀缺的问题，我们构建了一套自动化的数据标注流程，能够从现有视频中高效提取多镜头视频片段、对应字幕、跨镜头定位信号以及参考图像，为模型训练提供高质量的多模态数据支持。本框架充分利用模型的内在架构特性，支持多种可控生成能力：基于文本驱动的镜头间一致性、对特定主体及其运动的定制化控制，以及由背景引导的场景定制。同时，镜头数量与每段视频的时长均可灵活配置。大量实验结果表明，所提框架在生成质量与可控性方面均显著优于现有方法，展现出卓越的性能与灵活性。