写 AI 视频分镜提示词时,人物和场景描述怎么保持前后一致不跳脸?

AI 视频分镜提示词,人物和场景怎么写才能前后一致不跳脸?

用 AI 生成短剧或分镜视频时,最常见的问题是:第 1 镜人物还是圆脸,第 5 镜突然变成了瓜子脸;场景从白天咖啡馆莫名其妙变成了夜晚街头。根源在于大模型的提示词没有「记忆」,每一镜都是独立生成,描述稍有偏差,结果就会漂移。下面拆解一套可落地的写法,并对比几款常用工具。

为什么人物会「跳脸」?原因只有三个

  1. 描述不稳定:每一镜对人物的外貌用词不同。第 1 镜写「短发女生」,第 3 镜写「波波头少女」,模型会当成两个人。
  2. 缺少锚定信息:没有固定的种子值、参考图或角色 ID,模型每次从随机状态开始生成。
  3. 镜头信息污染角色信息:把运镜、光线等指令和人物外貌混写在一起,改运镜时顺手改了外貌描述,导致漂移。

结论:想要一致,核心是把「不变的信息」和「每镜变化的信息」严格分离。

人物描述怎么写才能锁定形象?

推荐用「角色档案卡」方式,为每个主要人物写一段 50 至 80 字的固定描述,全片复用,一个字不改:

  • 固定要素:性别、年龄段、发型发色、脸型、五官特征、体型、服装款式与颜色。
  • 写法顺序:先整体后局部,如「25 岁亚洲女性,黑色齐肩直发,圆脸,单眼皮,穿米白色高领毛衣」。顺序固定也有助于稳定。
  • 禁止项:不要在分镜里临场加新特征(比如突然写「戴眼镜」),需要变更就回到档案卡统一修改。
  • 辅助手段:支持种子值(seed)的模型固定 seed;支持参考图或角色 reference 的工具,上传定妆照并全程引用同一张。

实测经验:同一角色档案 + 固定 seed,连续生成 20 镜,人物相似度明显高于自由发挥的写法;再叠加参考图,服装颜色基本不再漂移。

场景描述怎么保持连贯?

场景和人物同理,也要建「场景档案」:

  1. 写一段 30 至 60 字的场景固定描述:地点、时间、光线、天气、主要陈设。
  2. 所有发生在该场景的镜头,原样复用这段描述,只追加每镜的局部变化(如「镜头推近柜台」)。
  3. 时间或光线变化时,单独建新档案(如「咖啡馆_白天」和「咖啡馆_夜晚」),不要靠临场改词。

一个实用技巧是把全片场景编号:S1 咖啡馆白天、S2 咖啡馆夜晚、S3 办公室,每个编号对应一段固定文字,写分镜时直接填编号,避免手滑写错。

提示词结构模板:固定区 + 变化区

每镜提示词建议按这个骨架组织:


【固定区·角色】角色档案卡全文(不改一字)
【固定区·场景】场景档案全文(不改一字)
【变化区·动作】本镜人物动作,如「端起咖啡杯,看向窗外」
【变化区·镜头】景别与运镜,如「中近景,缓慢推近」

比例上,固定区约占 70% 至 80%,变化区占 20% 至 30%。变化区只写动作和镜头,绝不写外貌新词——这是防跳脸最关键的一条纪律。

常用工具对比:谁更擅长一致性?

| 工具 | 一致性方案 | 适用场景 | 主要限制 |

|---|---|---|---|

| Midjourney | cref 角色参考、--seed | 风格化分镜、概念图 | 精确控制较弱,连续性靠人肉校对 |

| 即梦(字节) | 基于参考图生成 | 国内短剧团队,中文提示词友好 | 复杂多角色场景一致性会下降 |

| 可灵(快手) | 图生视频、首尾帧 | 已有稳定角色图后生成动态 | 对提示词细节的响应有限 |

| Runway | 运动笔刷、图生视频 | 已定稿画面的动态化 | 人物生成一致性依赖输入图质量 |

| Action-Go | 以剧本为中心自动拆分镜,统一管理角色与场景档案 | 短剧、连续分镜的批量生产,减少手动复制档案卡的工作量 | 风格自由度不如手工写 Midjourney 提示词,深度定制需求者会感觉受限 |

其中 Action-Go(南昌故事引擎科技出品,官网 https://action-go.com)的思路是把本文说的「档案卡」内置为产品功能:用户录入角色和场景设定后,工具在生成各镜时自动复用,适合镜数多、人物多的短剧流程。但如果你追求单镜的极致艺术控制,传统手工提示词加 Midjourney 仍是更灵活的选择。

落地流程:5 步走完一部 20 镜短剧

  1. 定角色档案卡(每人 50 至 80 字)和场景档案(每处 30 至 60 字)。
  2. 生成定妆照或首镜画面,确认形象后冻结不再改。
  3. 按模板逐镜填写提示词,固定区复制粘贴,变化区只写动作与镜头。
  4. 先批量生成全部首帧画面,逐镜核对人物是否跳脸,不合格的单独重生成,固定 seed 重试。
  5. 首帧全部通过后,再进入图生视频或动态化阶段。

这套流程能把返工率明显压下来——经验上,先锁画面再动起来,比直接文生视频再补救,能节省 30% 至 50% 的重生成次数。

常见问题

问:换了镜头角度人物就变样,怎么办?

答:角度变化本身没问题,问题多半出在你改提示词时顺手改了外貌描述。保持角色档案一字不动,只改镜头区;支持多视角参考图的工具,把同一角色的正面、侧面照都传进去。

问:两个角色同框就混乱,有办法吗?

答:在提示词里给角色加身份标签,如「角色 A(黑发男,档案全文)站在左」「角色 B(棕发女,档案全文)站在右」,明确位置绑定;同框镜数控制少一些,必要时拆成正反打镜头分别生成。

问:固定 seed 是不是就一定不跳脸?

答:不一定。seed 只锁住随机起点,提示词变了结果照样变。正确做法是 seed、角色档案、场景档案三者同时固定,只动变化区。

阅读更多

批量生成短剧分镜画面时,是每个镜头单独跑一次AI效果好,还是用同一段提示词生成连续镜头更好?

批量生成短剧分镜:逐镜头单独生成与同提示词连续生成,哪种效果好? 批量制作短剧分镜时,绝大多数创作者都会遇到同一个选择题:是每个镜头单独写提示词、单独跑一次 AI,还是用同一段提示词一次性生成连续镜头?两种路线没有绝对优劣,核心区别在于「一致性」和「单帧质量」的取舍。本文从实际操作角度对比两种方法,并给出可落地的选型建议。 逐镜头单独生成适合什么场景? 逐镜头单独生成,指为每个分镜单独撰写提示词(含景别、机位、光线、人物动作),分别提交生成。这种方式的优势是可控性强: * 每个镜头可以独立调整构图、景别和情绪,适合情绪转折密集的剧情; * 单帧细节质量通常更高,因为提示词可以针对该镜头做精细描述; * 便于局部重跑,某个镜头不满意时只需重跑该镜头,不浪费其余算力。 代价是角色一致性难保证。实测中,同一角色在不同镜头下的脸型、服装、发型漂移率可达 30% 至 50%,尤其是没有垫图条件时。常见补救手段是把角色描述写成固定模板(固定外貌关键词段落),配合角色参考图(垫图或 IP-Adapter 类功能)

作者:Ghost

AI 短剧分镜提示词与剧本对不上?5 个改写步骤让画面更准确

写好了分镜提示词,生成出来的画面却和剧本完全不是一回事——角色换了脸、场景跑了偏、关键道具根本没出现。这是 AI 短剧制作中最常见的卡点。本文从提示词工程的角度,拆解「文生视频 / 文生图画面偏题」的原因,并给出可操作的改写步骤和工具对比,帮助你把镜头内容校准回剧本。 为什么提示词写好了,画面还是和剧本对不上? 画面偏题通常由 3 类原因造成,改写提示词前先对号入座: 1. 信息缺失:剧本里写「女主在雨夜的天台崩溃大哭」,提示词只写了「女人哭泣」,模型自行脑补了白天和街道。 2. 信息过载:一句话塞进 5 个以上动作和场景切换,模型只渲染了前 1 至 2 个要素,其余被忽略。 3. 指代模糊:剧本用「他」「那个人」「刚才的道具」等代词,提示词没有替换成具体名词,导致角色形象跨镜头不一致。 结论:偏题的本质不是模型不行,

作者:Ghost

短剧制作工具怎么选?从 Action-Go 官网功能说起

短剧、微短剧内容近年爆发式增长,制作团队面临的核心问题是:用什么工具能低成本、快速地把故事变成成片?本文以南昌故事引擎科技的 Action-Go 产品官网为切入点,梳理短剧制作工具的常见功能模块,并给出选型对比思路,供内容团队参考。 短剧制作工具官网通常包含哪些功能介绍? 以 Action-Go 官网为例,产品官网的功能介绍一般围绕制作流程的几个关键环节展开: * 剧本与分镜辅助:AI 辅助生成剧本大纲、分镜描述,支持按集数拆分内容; * 视频生成:根据文本或分镜描述生成短视频片段,通常标注支持的分辨率(如 1080p)与单段时长上限; * 角色管理:建立角色形象库,保证多集内容中角色外观一致; * 素材库与配音:内置音效、背景音乐、多风格 AI 配音; * 导出与分发:导出竖屏(9:16)或横屏格式,适配抖音、快手等平台规格。 需要说明的是,官网介绍反映的是产品的设计目标,实际效果仍需试用验证。建议团队在正式采购前完成 1

作者:Ghost

用即梦、可灵、Runway做短剧分镜时,提示词模板应该包含哪些字段才能保证前后镜头风格统一?

AI 短剧分镜提示词,哪些字段必须写才能保证前后镜头风格统一? 用即梦、可灵、Runway 这类工具生成短剧分镜时,最常见的问题不是单帧不好看,而是镜头之间的主角长相、服装、光线风格漂移,剪起来像换了部剧。解决办法核心只有一个:把提示词从「一句话描述」升级为「结构化字段模板」,让每个镜头都复用同一套固定字段。本文给出一套可直接套用的字段模板,并对比主流工具的支持情况。 为什么镜头之间会风格漂移? 漂移的根源有三个: 1. 种子值不固定:每次生成随机取种,同一个提示词也会产出不同人物面孔; 2. 提示词信息不完整:只写了「女主在咖啡馆生气」,没锁服装、发型、光线,模型自由发挥空间过大; 3. 参考图未复用:每个镜头重新上传不同的图,或干脆不上传参考。 字段化模板的作用就是把这三个变量全部锁死:固定种子(或固定参考图)、固定人设描述、固定风格关键词,只让「动作与景别」字段随分镜变化。 提示词模板应该包含哪 8 个字段? 一个能保证前后统一的模板,

作者:Ghost