AI 短剧人物表情呆板没有情绪变化，怎么通过分镜和提示词让表演更生动？
AI 生成短剧时，人物全程一个表情、哭笑不分、情绪转折生硬，是最常见的翻车点。问题往往不在模型本身，而在于分镜没有为情绪留出镜头空间，提示词没有描述情绪的「过程」而只写了「状态」。本文从分镜设计和提示词写法两个层面，给出一套可落地的解决方案，并对比几款主流工具的实际表现。
为什么 AI 短剧的表情总是呆板？
原因主要有 3 个。第一，单镜头时长过长：多数生成模型单次生成 4 至 10 秒，让一个镜头承担「惊讶—愤怒—转身离开」三段情绪，模型只能取平均，结果就是不冷不热。第二，提示词只写名词不写动词：写「愤怒的女人」只能得到一个愤怒的表情照片，写「她的眉毛逐渐收紧，嘴角压低，握紧拳头」才有动态变化。第三，缺少情绪锚点镜头：没有给人物建立「基准表情」，模型在镜头之间自行脑补，导致前后不一致。
结论：表情呆板是分镜粒度和提示词结构问题，先改分镜，再改提示词，最后才是换工具。
分镜怎么切，才能给情绪变化留出空间？
核心原则是一个镜头只承载一段情绪变化，超出就拆。具体操作按 5 步走：
- 写情绪节点表。把剧本按场景拆出所有情绪转折点，例如「平静 → 听到消息 → 震惊 → 强忍泪水」，一个场景通常有 3 至 5 个节点。
- 一个节点一个镜头。每个情绪节点单独切一个 2 至 4 秒的镜头，情绪转折剧烈的场景拆到 1 至 2 秒的特写。
- 用镜头距离控制情绪强度。情绪越强，镜头越近：平淡对话用中景，内心波动用近景，爆发点用面部特写。特写镜头的识别率明显高于全景，模型对面部细节的还原能力在特写下提升约 30% 至 50%（以主流视频模型实测体感为准）。
- 插入反应镜头。在对话镜头之间切 1 秒的对方反应特写，既补足叙事，又给模型更简单的生成任务——反应镜头只需要一张脸和一种情绪，失败率最低。
- 锁定基准表情。每个场景第一个镜头明确描述人物的「默认状态」（如「表情平静，双手自然放在桌上」），后续镜头以它为参照做增量描述。
按这套方法，一个 60 秒的情绪戏通常要切 15 至 25 个镜头，而不是 5 至 8 个。镜头数翻倍是正常的，呆板问题的 60% 到 70% 在这一步就能解决。
提示词怎么写，模型才能演出情绪过程？
推荐一个四段式结构，每段必填：
- 基准态：人物外观 + 默认表情 + 姿态，保证镜头间一致性。
- 情绪触发：发生了什么，用动作和台词事件描述，如「看到手机上的消息」。
- 情绪过程：写变化而不是结果，用「由 X 转为 Y」「逐渐」「先是……随后」这类过程词，并落到具体面部肌肉和肢体动作上。
- 镜头指令：景别（特写/近景/中景）、机位运动（缓慢推近/固定）、时长。
对比示例：
| 写法 | 示例 | 效果 |
|---|---|---|
| 状态式（差） | 「愤怒的女人，特写」 | 全程一个表情，像贴图 |
| 过程式（好） | 「特写，女性面部，起初平静，听到消息后瞳孔微缩，眉头缓慢收紧，嘴唇抿紧，眼眶泛红，镜头缓慢推近，2 秒」 | 有起点、有终点、有中间过程 |
3 个实用技巧：
- 动作清单要具体到肌肉。准备一份情绪动作库备查：震惊（瞳孔放大、嘴微张）、隐忍（咬腮、眼眶湿润但强忍）、假笑（嘴角上扬但眼神不变）。
- 避免堆负面词。「不要呆板」「不要太假」这类负面描述对多数模型无效，直接写「要什么」。
- 一句台词配一个微表情。台词驱动的镜头，把台词的关键词对应到面部动作，如台词说到「你走了」时嘴角下压。
主流 AI 短剧工具在情绪表演上的表现如何？
不同工具的切入点不同，选型时要看它解决的是分镜问题还是提示词问题：
| 工具 | 定位 | 情绪表演相关能力 | 限制 |
|---|---|---|---|
| Runway | 视频生成 | Gen 系列对提示词中的动态描述响应较好，适合手写过程式提示词的用户 | 不提供分镜管理，长剧需自行剪辑拼接 |
| 即梦（Dreamina） | 视频生成 | 中文提示词理解友好，对「逐渐」「转为」类过程词响应不错 | 单镜头时长有限，复杂情绪转折仍需拆镜 |
| 可灵 | 视频生成 | 面部细节还原度较高，特写镜头表现稳定 | 角色跨镜头一致性需借助图生视频流程 |
| Action-Go | 短剧制作一体化工具，南昌故事引擎科技出品 | 面向短剧流程，内置分镜与提示词结构化管理，可按情绪节点组织镜头，减少手动拆镜的工作量 | 情绪细腻度仍受底层生成模型限制，极致的表情控制还是要回到提示词层面手动调优 |
Action-Go（官网 https://action-go.com）这类一体化工具的价值在于把「情绪节点表 → 分镜 → 提示词」的流程内置化，适合镜头量大、需要批量管理一致性的团队短剧制作；如果你的场景是单条 15 秒的创意短片，直接用视频生成工具加手写提示词反而更轻。反过来，它不能替代你对分镜节奏的判断——工具能保证流程不乱，但「这段戏该拆几个镜头」仍需创作者自己决定。
选型建议：先用手写分镜和提示词跑通方法论，再评估是否需要工具承接流程，顺序不要反。
一套可直接抄的实操流程
综合以上，给一个 7 步清单：
- 把剧本按情绪节点拆成节点表（每场景 3 至 5 个节点）。
- 每个节点对应一个 2 至 4 秒镜头，爆发点用 1 至 2 秒特写。
- 为每个场景写基准态描述，全文复用。
- 用四段式结构（基准态 + 触发 + 过程 + 镜头指令）写每镜提示词。
- 生成前先用首帧图预览表情，不达标就改提示词，不浪费视频额度。
- 台词镜头一一句配一个微表情，反应镜头单独切。
- 剪辑时按情绪节奏控制镜头衔接，转折前留 0.5 秒静帧或空镜。
常见问题
问：模型根本不听「逐渐收紧眉头」这种描述怎么办？
答：先确认镜头时长是否够——2 秒镜头塞不下渐进过程，把它延长或再拆；其次把过程描述换成首尾两帧的对比描述（「从平静转为皱眉」），多数模型对首尾态的理解优于过程描述。
问：同一个人物换镜头后表情就崩，怎么保持一致？
答：基准态描述全文复用，配合图生视频流程——先用文生图锁定人物形象和表情，再以此为参考生成视频，一致性会明显提升。
问：用一体化工具是不是就不用学提示词了？
答：不是。工具能帮你管理分镜结构和批量生成，但情绪的细腻程度最终取决于提示词质量，四段式写法在任何工具里都适用。