AI短剧总在“换演员”？人物、场景、道具资产实战

小言 • AI2026．09

AI短剧总在“换演员”？

人物、场景、道具资产实战

人物一致空间连续道具状态

用一套虚构项目做实操，再拆《千秋诗颂》《三星堆》《山海奇镜》的真实制作经验。

一部短剧，从三张能反复调用的图开始

GAN GAI LAB

这类翻车，常被归咎于模型。更常见的原因，是创作者每个镜头都从零开始抽卡。

影视制作会先定演员、搭景、做道具，再安排拍摄。AI短剧同样需要一间“资产部”：把人物长相、场景空间、关键物件和它们的变化规则固定下来。模型负责生成，资产负责让生成结果属于同一个世界。

今年北京国际电影节 AIGC 单元收到来自 14 个国家的 2840 部作品，《圆满满的一天》同时拿下最佳美术设计与最佳人物塑造。评委关注的关键词已经从“会不会生成”走向角色一致、连续叙事与类型化生产。漂亮单帧依然重要，能否稳定复用，开始决定一部作品能走多远。

下面用虚构悬疑短剧《零点列车》做一遍实操，再拆三部真实作品：人物、场景、道具分别怎么建，哪里最容易崩，生成到什么程度才算能开拍。

一张好看的定妆照，还称不上人物资产。可用资产至少包含四样东西：

可以把它理解成剧组的“视觉户口本”。每次生成前先查户口，模型少猜一次，后期就少救一次。

《零点列车》的最小资产包只有三件：记者林雾、一座废弃小站、一枚黄铜罗盘。数量不大，但每一件都经过多视角和极端镜头测试。第一集开工前，这三件必须冻结版本。

很多人一上来就生成“女主冒雨冲进车站”。这句话同时塞进了身份、服装、动作、场景、天气和镜头，脸很容易成为最先被牺牲的变量。

更稳的顺序，是先做一张干净的正面半身照：光线均匀、表情中性、五官清楚。确认后再扩出全身、45 度、侧面、背面和表情组。单人先过关，群像再进场；身份先过关，动作再加码。

图｜原创人物资产板：同一角色的正侧背、全身与表情组

先写“不可变项”：年龄区间、脸型、五官比例、发型、体型、肤色、标志物。再写“可变项”：表情、姿势、脏污、伤痕、天气和剧情服装。

《零点列车》的不可变项是：25 岁上下、窄鹅蛋脸、黑色低马尾、深灰围巾、橄榄色旧夹克、黑色相机背带。雨水、疲惫、血迹都能变化；脸部骨相、发型轮廓和服装剪裁要守住。

生成多视图时，提示词可以这样写：

让同一人物依次经历：正面特写、侧脸、全身运动、低照度、与另一人物同框。五镜里只要有两镜明显变脸，就回到角色板修正；别指望视频阶段把身份救回来。

短篇、角色少，用参考图和局部编辑通常更灵活。二十集以上、换装和动作很多，再考虑为主角训练 LoRA 或建立节点化工作流。模型越重，前期标注与维护成本越高，小团队没必要一开始就上满配置。

央视频《千秋诗颂》在制作中使用可控图像生成、人物动态生成和文生视频等技术。上海人工智能实验室披露，团队为第二季标注了 40 万张图片与 20 万分钟自有版权素材，并用少样本风格学习、二维动作序列控制人物动态，目标正是让人物纹理、动作和画风更稳定。

图｜《千秋诗颂》人物风格采样：角色先形成可控样本，再进入连续镜头

这个案例最值得学的地方，是先把“李白长什么样、处在哪种美术风格、动作由谁控制”拆开处理。对个人创作者而言，不必复制它的数据规模，方法可以直接搬走：脸、动作、风格分层验收，哪里坏了就只重做哪一层。

AI 很擅长创造气氛，也很擅长悄悄挪门。第一镜站台右侧有钟，第二镜反打钟跑到左侧；观众未必说得出错在哪里，心里却会感觉空间不可信。

场景资产要从“空景母版”开始。先别放演员，把门、窗、楼梯、柱子、长椅、挂钟、出入口的位置钉死。随后从同一母版扩出大全景、反打、中景和关键细节，再派生白天、暮色、停电、雨夜等光线版本。

图｜原创场景资产板：同一车站的大全景、反打、室内、细节与暮色版

《零点列车》的车站只记五个锚点：轨道朝东北延伸；候车室在站台右侧；老钟挂在售票窗上方；三张长椅平行轨道；女主从南门进入。每次生成都继承这些锚点，镜头只能在空间里移动，空间本身不跟着镜头重建。

最实用的检查方法，是把正打和反打并排看：出入口是否还能接上，角色目光方向是否成立，标志物有没有镜像。如果三项中有一项说不通，这个场景还没通过。

文件名也要说人话：

APPROVED 只给一张母版。其余图片从母版派生，避免团队里同时流通四个“最终版”。

这部 13 集、每集 3—4 分钟的 AIGC 短剧，把三星堆文明放进未来叙事。主创查阅资料、实地走访三星堆，并邀请历史学者和科幻作家参与。人民日报海外版报道也提到，人物微表情与场景一致性仍需要人工反复介入和后期修正。

图｜《三星堆·未来启示录》剧照：建筑、服饰与金色视觉母题共同建立世界

它给小团队的提醒很直接：世界观不能只靠一句“神秘东方感”。把建筑轮廓、材质、色彩、照明、纹样分别做成参考库，场景才会像同一座城。新华社还提到，剧中主角已成为出品方可继续开发的数字资产——一套稳定角色与世界观，价值可以越过单集，延伸到续作、海报和衍生内容。

悬疑短剧里，一把钥匙、一张照片、一枚戒指，往往比群演更重要。它们要被拿起、放下、摔碎、特写，还要在十几个镜头里保持同样的形状和磨损。

核心道具至少做六张图：正面、背面、侧面、开启或闭合状态、手持比例、材质微距。再加一条“状态线”：完好、划伤、破裂、发光。每个状态都编号，分镜只调用对应版本。

图｜原创道具资产板：同一罗盘的结构、手持比例与连续状态

手与道具接触仍是高危镜头。实操时可以先把手持静帧修到正确，再做图生视频；一个长镜头里少安排“掏出—打开—翻转—破裂—发光”五次变化。拆成手部动作、人物反应、道具特写三镜，成功率通常更高，剪辑也更有节奏。

《小儿垂钓》中的陶罐参考了陕西历史博物馆的唐三彩罐，《早发白帝城》里的船则以唐代船舶复原模型为依据。模型提供生成能力，历史资料给出形制边界，道具因此能服务时代感，而非随手生成一件“古风物品”。

图｜《小儿垂钓》陶罐与文物参考：形制先有依据，画面再做风格化

图｜《早发白帝城》船舶资产与成片画面：道具需要经得住远景和运动镜头

个人创作者也能做这一步：找可靠资料确认年代、比例和结构，留下参考出处，再做风格化。涉及真实文物、品牌、展陈图片或他人设计时，还要核对授权范围；用于商业宣传与衍生品，更需要单独确认权利。

资产库能锁住人和物，却不会自动解决多人打斗、精细物理和长时间遮挡。

《山海奇镜之劈波斩浪》共 5 集、约 15 分钟，采用 Midjourney 做图像设计，并用可灵、PixVerse 等工具制作动态画面。导演在采访中提到：水火二神的复杂打斗试了数百次仍难完全满意；水神从山间升起这类动作更单纯的镜头，不到 10 次便得到 4—5 条可用结果。

图｜《山海奇镜之劈波斩浪》剧照：巨物、山体与人物比例共同制造压迫感

这组差异很有价值。角色板锁定了水神的样子，场景板锁定了山海关系；真正拖慢制作的，是两个角色高速交互、火焰与水体碰撞、肢体遮挡同时发生。

解决办法很像现场导演：把大动作拆成因果链。先拍水神抬手，再拍火焰扑来，再拍水幕受击，最后给人物反应。每镜保留一个主动作，复杂度下降，画面反而更有冲击力。

通读剧本，把带名字的人、重复出现的地点、推动剧情的物件全部标出来。按重要性分三档：A级要做完整资产板，B级保留正面与使用状态，C级只在单镜出现，现场生成即可。

别急着把 60 集角色都画完。先挑一场戏，限制为一名主角、一个固定场景、一个关键道具，做 30—60 秒测试。它能最快暴露角色变脸、空间跳轴和道具失真。

人物过五镜，场景过正反打，道具过手持和状态变化。通过后加 APPROVED；此后的镜头继承资产，只描述本镜新增变化。

脸对了、动作错了，就保留角色参考，只重做动作；空间对了、灯光错了，就锁住结构，只调整照明。一次推翻所有提示，往往会换来一套全新的问题。

剧本资产提取可以用大模型配合表格或 Notion；人物与场景图可用支持参考图、多图控制和局部编辑的图像工具；长连载再考虑 LoRA、ComfyUI 等可复用流程；镜头生成可在 Seedance、可灵、Runway 等平台中按动作、时长和预算选择。

工具会频繁更新，资产方法更耐用。无论换哪家平台，都要带着同一套母版、状态表和验收标准走。这样模型升级带来的是效率提升，项目不会跟着重新开机。

AI短剧最迷人的时刻，是一个人也能搭起过去需要大团队才能完成的世界。世界想要让观众相信，就得记得自己上一秒长什么样。

人物资产让观众认得“谁”；场景资产让观众知道“身在何处”；道具资产让剧情留下可追踪的证据。把这三件事做扎实，画面会少一点抽卡感，多一点真正的导演感。

如果你准备开一个新项目，今天只做三张表：一张人物卡、一张空景母版、一条道具状态线。先用 30 秒样片把它们打穿，再去拍更大的故事。

漂亮单帧像海报，稳定资产才能长成一部剧。

— Gang仔说AI