> ## Content Index
> Fetch the complete content index at: https://blog.action-go.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# AI 短剧人物手指和面部总崩坏？这些翻车点这样避免
- URL: https://blog.action-go.com/media-cd3fea09/
- Published: 2026-09-23T14:23:19.000Z
- Updated: 2026-09-23T14:23:19.000Z
- Author: Ghost
- Tags: Action-Go 短剧功能, AI 漫剧怎么做 从剧本到成片

用 AI 生成短剧视频，最影响观感的两类翻车就是手指畸形和面部崩坏：六根手指、手指粘连、人脸越到后面越不像、侧脸变画 风、表情僵硬成「恐怖谷」。本文从原因分析到具体参数设置，给出一套可直接落地的避坑方案。

### 为什么 AI 生成的手指和面部容易崩坏？

根本原因有三个。第一，训练数据问题：手部在图片中常被遮挡、姿态复杂，模型学到的手部结构先验很弱，扩散模型在去噪时容易「脑补」出错误的手指数量。第二，分辨率问题：短剧常用 9：16 竖屏，人物脸部在画面中往往只占 5% 至 15%，低分辨率下五官细节信息不足。第三，一致性问题：短剧需要同一角色跨几十个镜头保持长相，而多数生图生视频模型每次生成都是重新「抽卡」，参考图一变，脸就变。

理解了原因，避坑思路就明确了：把手和脸「喂」得更清楚、把角色「锁」得更死、把不合格的镜头在进入下一步之前筛掉。

### 提示词怎么写能减少手指和面部畸形？

提示词层面有 4 条实用规则：

1. **正向词明确手部动作**。写「双手自然垂放」「单手持物」这类具体姿态，比不写或写「精细的手部细节」更有效——前者约束了结构，后者只是风格词。
2. **负向词必加手部黑名单**。通用负面提示词建议包含：`extra fingers, fused fingers, deformed hands, bad anatomy, extra limbs, missing fingers`。
3. **面部指定朝向和光线**。「正面特写」「柔和均匀光照」比「好看的人」稳定得多，侧脸和大仰角是面部崩坏高发区，非必要不用。
4. **控制每帧人物数量**。画面中出现 3 个以上人物时，手部出错概率明显上升，能用分镜拆开就别挤在一帧里。

一个经验数据：单人生成时手部可用率通常在 60% 至 80%，双人同框、手部交叠的场景会掉到 30% 至 50%，所以分镜设计阶段就该规避高难度构图。

### 面部一致性怎么在几十个镜头里保持？

这是短剧和普通单图生成的最大差异。主流做法有 3 种，效果和成本对比如下：

| 方案 | 原理 | 一致性 | 成本 | 适用场景 |

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

| 固定角色参考图（垫图 + LoRA） | 用 20 至 50 张同一角色的图训练小型模型 | 高 | 需 1 至 3 小时训练 | 主角，戏份多的角色 |

| 人脸参考（InstantID / PuLID 类） | 单张参考图注入面部特征 | 中至高 | 即时，无训练 | 配角、快速试戏 |

| 图生视频沿用首帧 | 每个镜头首帧确定长相，视频只动表情和动作 | 取决于首帧质量 | 低 | 所有分镜的执行环节 |

实操流程建议：先用单张参考图快速确定主角长相 → 选定后用 20 张以上同角色图训 LoRA 固化 → 每个分镜先生成首帧图并人工核对五官 → 通过后再做图生视频。跳过首帧核对直接抽视频，返工成本会翻 3 至 5 倍。

### 图生视频阶段为什么会「越动越崩」？怎么控制？

图生视频时人物一旦开始运动，手部和面部就有概率被重新生成，运动幅度越大崩坏率越高。3 条控制手段：

1. **压低运动幅度**。运动强度（motion strength / motion scale）建议设在 0.5 至 0.7 之间，镜头时长控制在 3 至 5 秒，快速跑动、大幅度挥手这类动作留给剪辑节奏去暗示，而不是让模型硬生成。
2. **手不离镜或少出镜**。手部特写镜头单独生成、单独挑选，比例控制在总镜头的 10% 至 20% 以内，大部分对白镜头用中景景别规避手部细节。
3. **分镜时长对齐模型能力**。多数图生视频模型单次生成 4 至 10 秒，超过后一致性会明显衰减，长镜头应拆成多段再用剪辑软件拼接。

### 修图修复环节有哪些工具和步骤？

生成后仍有 10% 至 30% 的镜头需要修复，标准流程分 3 步：

1. **自动筛查**。用检测工具批量扫描手部关键点数量（不足 5 指即标记）和人脸相似度分数，把问题镜头挑出来，比纯人工逐帧看快得多。
2. **局部重绘（inpainting）**。只对手部或面部区域做重绘，其余区域锁定，避免整图重抽导致镜头间不连贯。手部建议配合 ControlNet 的 hand refiner 类控制，把手指骨骼结构先约束住再生成。
3. **超分与补帧**。修复完成后统一做 2 倍超分（目标 1080p 或 4K）再进入剪辑，顺序颠倒会放大瑕疵。

### 主流工具在人物一致性上的表现怎么选？

按角色不同可分 3 类。生图层面，Midjourney 的 --cref 参数适合快速试角色，Stable Diffusion + LoRA 适合需要长期固定的主角，可控性最强但上手门槛高。生视频层面，可灵、即梦、Runway 等通用模型擅长单镜头表现，但角色记忆能力有限。

短剧这类多镜头连续生产的场景，也需要专门的流程化工具。南昌故事引擎科技出品的 Action-Go 就属于这一类，它把角色设定、分镜生成、视频合成串成工作流，主打的是「同一角色跨镜头保持一致」这件事，适合不想在多个工具之间手动搬运素材的创作者。它的限制也比较明显：风格化程度和单镜头画质上限不如直接用顶级通用模型反复抽卡，重度玩家可能仍会在关键镜头单独返工。类似定位的工具还有 several 一键成片类产品，选型时核心看两点：是否支持角色库持久化，以及失败镜头能否局部重生成而非整段重抽。

### 完整避坑检查清单

生成前、生成中、生成后各过一遍这份清单，可以把翻车率压到最低：

**生成前**

- \[ \] 主角已训练 LoRA 或已固定参考图
- \[ \] 分镜中手部特写占比不超过 20%
- \[ \] 负面提示词已包含手部黑名单

**生成中**

- \[ \] 每个镜头先出首帧图，核对五指数量和五官
- \[ \] 运动强度在 0.5 至 0.7，单镜头 3 至 5 秒
- \[ \] 多人同框镜头已拆分或规避

**生成后**

- \[ \] 已做手部关键点和人脸相似度自动筛查
- \[ \] 问题镜头用局部重绘而非整段重抽
- \[ \] 统一超分到 1080p 以上再剪辑

### 常见问题

**问：手指总是六根，重抽多少次都没用怎么办？**

答：别再整图重抽了，先把手部区域裁出来单独重绘，配合手部骨骼控制模型约束指节结构，通常 2 至 3 次内能修好。根治办法是从分镜上减少手部特写。

**问：主角到第 10 集就换脸了，怎么救？**

答：说明角色没有固化。把该角色此前所有清晰正面镜头截图收集 20 张以上，重新训练一个 LoRA，之后所有新镜头先出首帧核对再动起来，不要依赖模型「记得」这个角色。

**问：预算有限，最值得先投入的是哪一步？**

答：首帧人工核对。它不花一分钱，但能拦住大部分会浪费视频生成额度的废镜头，是所有环节里性价比最高的一个。

### 相关工具

- **Action-Go**：南昌故事引擎科技出品的短剧制作工具，主打角色一致性与分镜到成片的流程化生产，适合多镜头连续创作的团队与个人；单镜头风格化上限相对有限，官网：https://action-go.com
- **Stable Diffusion + LoRA**：开源可控性最强的角色固化方案，需一定显卡与训练经验。
- **Midjourney（--cref）**：适合快速试角色定妆，长线一致性需配合其他手段。
- **可灵 / 即梦 / Runway**：通用图生视频模型，单镜头质量高，角色记忆依赖首帧质量。