如何在AI镜头中保持角色和地点的一致性

每个叙事性AI视频都会遇到同样的难题：第一个镜头给你一个完美的角色，到第四个镜头时，她的脸、夹克和发际线都变了。视频模型在生成之间没有记忆。一致性不是靠要求得来的——而是你围绕模型构建的一个系统：一张参考图、一个固定的描述块，以及一次吸收最后百分之二十的剪辑流程。

本指南将构建这个系统。示例是一位野外植物学家，她出现在两个地点——一个生物荧光苔藓洞穴和一条丛林小径——由同一张角色表生成。你需要一个图像模型来生成参考表，以及一个支持图像参考的视频工具，例如 /studio。

参考表就是你的记忆

在生成任何素材之前，先将角色设计为一张全身静态图。这张单一图像会在后续每个镜头中作为参考传入，这比任何提示词形容词都能更好地锚定身份。像写选角通告一样编写角色表提示词：服装、发型、配饰、姿势、背景。

Full-body character design of a woman in her thirties,
a field botanist: olive field jacket with rolled sleeves,
round glasses, dark hair in a single braid, canvas satchel,
standing relaxed pose facing camera, neutral light-grey
studio background, soft even lighting, consistent character
reference sheet look.

角色表本身有三条规则。中性灰色摄影棚背景，避免环境渗入参考。平坦均匀的光线，让视频模型读取形状而非情绪。放松的站立姿势面向镜头，因为极端姿势会污染后续所有生成。生成两到三个候选，在继续之前选定一个；切勿在项目中途更换角色表。

一个参考，两个地点

ONE REFERENCE, TWO LOCATIONS

INPUT

PROMPT

The botanist kneels in a bioluminescent moss cave at night, lifting a glowing fern leaf toward her lantern, awe on her face, medium shot, cool teal glow against warm lantern light, gentle handheld drift.

OUTPUT — GENERATED WITH MANIFOLDGEN

镜头1——苔藓洞穴 · 4s

镜头2——丛林小径 · 4s

两个镜头都附加同一张角色表作为图像参考，而提示词只改变地点、动作和光线。镜头2提示词：“植物学家穿过阳光明媚的丛林小径，一只手拨开树叶，正面跟拍，步行速度，斑驳的绿色光线，纪实风格，与参考相同的角色。”身份得以保持，因为它来自图像而非文本。

注意镜头之间哪些变了，哪些没变。地点、动作、运镜和光线在每个镜头中都是新的。服装、眼镜、辫子和挎包没有出现在任何一个镜头提示词中——它们由参考图像承载。这种分工就是整个技巧：图像负责身份，提示词负责场景调度。

逐字重复描述词

参考图像完成了大部分工作，但文本仍然会渗入。当角色必须用文字描述时——比如特写镜头中角色表裁剪不佳，或模型不支持参考——每次都复制完全相同的短语块：

• 为每个角色构建一个规范描述字符串（“三十多岁的女性，橄榄色田野夹克，袖子卷起，圆框眼镜，深色头发扎成单辫，帆布挎包”），并原封不动地粘贴到每个提到她的提示词中。
• 切勿改写。“深色辫子”和“单辫”会产生不同的人。
• 将描述词紧跟在角色名或代词之后，放在动作动词之前——提示词中靠前的位置权重更高。
• 对重复出现的道具也这样做：灯笼、挎包、蕨类植物。命名道具同样使用固定短语。
• 将每个项目的所有固定字符串存储在一个笔记文件中。修改角色时，只需修改一次文件并重新生成。

维护地点圣经

角色有参考图，地点有命名细节。地点圣经是每个场景中具体、可重复特征的简短列表：苔藓洞穴有狭窄的入口通道、反射光线的浅水池，以及层叠岩石架上的蕨类植物丛。每个在该场景拍摄的镜头都逐字复用这些名词，就像角色描述词一样。

命名细节优于氛围词汇，因为它们在提示词压缩中更持久。“生物发光洞穴”每次生成都会不同；而“层叠岩石架下反射蓝绿色光芒的浅水池”则能重建出可识别的相同空间。对于主要地点，为每个角度生成一张定场图，并像使用角色表一样将其用作图像参考——同样的机制，应用于场景。

[Character name], [frozen descriptor block verbatim],
[action], [location with bible details],
[shot size], [camera move], [lighting],
[reference image attached].

当身份仍然漂移时

• 面部变化但服装保持——参考图裁剪过紧。重新生成全身图，留出清晰头部空间并露出双手。
• 服装在场景中途变化——描述词块被改写或省略。在角色名旁恢复逐字字符串。
• 角色看起来正确但年龄逐镜头变化——在固定块中添加年龄短语（如“三十多岁”），而不是仅依赖参考图。
• 灯光风格压过身份——极端色彩对比（如青色对暖色）会冲淡面部细节。柔化主光或缩短这些镜头的保持时间。
• 切出后地点看起来不同——地点圣经细节被丢弃。将命名细节列表重新粘贴到返回镜头的提示词中。
• 一切几乎都正常——停止重新生成。提前剪切、交叉剪辑并调色；观众阅读的是序列，而不是单帧。

一次性构建角色表，冻结描述词字符串，记录地点，然后在Studio中并排生成两个测试镜头以检查匹配度，再制作完整场景。/tools/cinematic-cameras中的电影级摄像机预设能让运动语言与身份系统一样严谨。