AI 漫剧角色一进分镜就变脸？把提示词升级成“角色 ID + 镜头合同”
一张角色图生成得很漂亮，不代表它已经能用于 AI 漫剧。真正的难点出现在第二个、第三个镜头：脸型漂了，道具换手了，人物明明刚坐下，下个镜头却又站在门口。
这些问题表面上是模型不稳定，本质上是生产输入没有表达“状态”。只用自然语言描述剧情，模型不知道哪些信息必须继承。
第一步：给角色一个稳定主键
不要让分镜通过“穿蓝衣服的女孩”引用角色。颜色会变，衣服会换，描述也可能被改写。应该使用稳定的 character_id，例如 heroine_v1。
这个 ID 绑定角色基准图、图片哈希、脸部和体态锚点、服装版本、标志物以及允许变化的属性。后续每个镜头只引用 ID 和版本。
这和数据库主键的思路很像：展示字段可以变化，但实体身份不能靠某个容易变化的字段来猜。
第二步：把分镜文本变成镜头合同
传统分镜写“女主把文件放到桌上，镜头推进”。对人类团队来说可能够用，对生成系统来说仍然缺少大量约束。
一份可执行的镜头合同至少要包含：
{
"shotId": "S03",
"duration": 4,
"characterRefs": ["heroine_v1"],
"sceneRef": "meeting_room_v2",
"camera": {"framing": "medium", "move": "slow_push_in"},
"action": {
"start": "standing beside table, folder in right hand",
"end": "folder placed at table center"
},
"continuity": {
"screenPosition": "left",
"windowDirection": "behind character"
}
}
合同不是为了增加文档工作量。它可以同时服务于提示词组装、生成任务、资产命名和自动检查，减少多人协作时的口头解释。
第三步：关键帧通过后再做运动
文字直接生成长视频时，身份、构图、动作、物理状态和时间连续性一起进入黑盒，失败后很难定位。
更可控的方式是先产出关键帧：起始状态、必要的动作节点和结束状态。先验收角色身份、构图与道具，再用通过的关键帧生成运动。
如果运动结果不好，只重做运动层。如果结束帧的文件夹位置错误，只修该状态，不需要重新抽角色。这就是合同化流程带来的故障隔离。
第四步：做两次一致性检查
第一次检查镜头内部：四秒视频中，脸和发型是否漂移，手指数是否异常，道具是否消失，背景结构是否突变。
第二次检查镜头之间：S03 结束和 S04 开始是否衔接。角色刚把文件夹放在桌上，下一个镜头它就应该仍在桌上；人物从画面左侧离开，反打镜头也要遵守轴线与方向。
可以为每个镜头保存一个轻量状态快照：
type ShotState = {
characterVersions: string[]
propOwnership: Record<string, string>
screenPositions: Record<string, 'left' | 'center' | 'right'>
sceneVersion: string
timeOfDay: string
}
下一个镜头在生成前读取上一个镜头的结束状态，生成后再比较预期状态。这比最后剪辑时凭肉眼救火便宜得多。
第五步：保留可追溯的生成记录
每个镜头至少记录角色资产哈希、场景版本、合同版本、模型与工作流版本、提示词、种子和输出哈希。这样遇到“昨天能生成，今天为什么不一样”时，团队有证据定位变化。
对客户交付而言，证据链还可以明确区分：哪一版只是本地预览，哪一版通过技术检查，哪一版通过内容确认，哪一版是最终发布资产。
一个更稳的落地顺序
我建议先选三到五个代表性镜头跑闭环：单人近景、双人对话、带道具动作、场景切换和一个复杂运动镜头。通过后再扩展整集。
如果基准角色没确认、动作终点没写清、空间方向不确定，就暂停生成。前置确认慢十分钟，往往能避免后面几十个镜头一起返工。
总结
AI 漫剧跨镜头稳定，靠的不是一句“保持一致”，而是可执行的状态管理：角色 ID 管身份，镜头合同管意图，关键帧管边界，两层验收管连续性，版本和哈希管追溯。
它也适用于企业宣传视频、产品演示和小游戏剧情。更多视觉参考可查看如意图库，智能体工程方法可参考《大鹏 Codex 智能体软件工程》。
