核心结论

1. 不要把视频模型当“读完整剧本的导演”，而要当“按镜头执行的多模态导演”。

2. 先锁角色、场景、风格、动作和运镜，再用画质与约束词收口。

3. AI漫剧最怕风格漂移、设定图误用、特效乱跑；AI真人剧最怕换脸、表演抽象、台词音频不稳。

4. 共同解法是：少素材、强绑定、分镜头、低复杂动作、明确风格与约束，把复杂戏交给剪辑流程，而不是用一条Prompt 硬扛。

坑点

典型表现

解决方法

把完整剧本直接丢给模型

模型理解混乱，角色行为、镜头、情绪随机；长剧本导致成片不稳定。

把剧本拆成“镜头1/镜头2/镜头3”。每个镜头只写：谁、在哪、做什么、镜头怎么拍、有什么声音。

主体指代不清

同一角色前后长相、服装、站位漂移；多人场景中模型分不清人物。

先定义角色标签，如“女主A”“男主B”。每次提到人物都使用同一标签，并绑定参考图。

素材给太多或功能混乱

风格冲突、主体识别模糊、生成结果偏离预期。

按功能配素材：角色图1-2张、场景图1张、运镜视频1段、音频1段。不要把素材上限用满。

人物 ID 漂移或换脸

人物中途换脸，真人剧里容易撞脸明星或被审核拦截。

准备人脸特写图 + 全身照；提示词明确“面部参考图片1，妆造参考图片2”；重要参考素材前置。

多人场景出现“双胞胎”

同一人物被复制，或出现外形、服装完全一致的重复角色。

每个角色绑定单人参考图；末尾加全局约束：“禁止出现同款分身、双胞胎效果”。

动作写得太抽象或太猛

“很伤心”“激烈打斗”导致表演僵硬、穿模、错位。

把情绪外化为动作细节，如低头、肩膀颤抖、眼眶泛红；优先使用低缓、连续的小动作。

一个镜头塞多种运镜

画面抖动、主体丢失、空间关系混乱。

一个镜头尽量只指定一种运镜，例如“中景平稳跟拍”或“缓慢推近”。

强行指定精确秒数

0-3秒、3-5秒控制不稳定，节奏异常。

用镜头顺序组织事件，不强制每段精确时长，让模型自然分配节奏。

文戏和武戏使用同一种生成方式

长对话容易断，动作戏容易崩。

文戏、单一场景、情绪递进适合视频延长；追逐、打斗、蒙太奇适合分段生成后剪辑。

延长视频衔接跳变

拼接处突然跳变、内容回退、动作不连贯。

后期对齐关键帧：前段末尾删约6帧，后段开头删约1帧；续写尽量停在切镜或转场点。

延长多次后画质劣化<o:page>

脸部斑驳、纹理变糊、色块增多。

控制续写次数；优先用高清参考素材；必要时先白模化再续写。

自动出现字幕、Logo、水印

未要求字幕却生成字幕，或出现平台 Logo/水印。

加入约束：“保持无字幕”“不要生成Logo”“不要生成水印”；参考素材中的文字先清除。

音频翻车

片尾咔哒声、旁白被截断、多音字读错、音色不准。

剪辑软件做淡出；多音字或生僻字改成同音常用字；补充具体音色描述。

特效只靠文字描述

魔法、粒子、翅膀、数字滚动等效果逻辑混乱。

提供目标特效视频作为参考，明确参考特效的形态、运动逻辑和节奏。

参数或素材规格不合规

API 报错、比例/时长不对、参数被忽略。

在 request body 中正确传 resolution、ratio、duration、seed、watermark 等参数，并确认素材格式与时长限制。

人脸稳定性敏感

换脸、五官漂移、撞脸明星或角色不连续。

人脸大头照单独给，全身妆造照单独给；在提示词中明确面部参考和妆造参考。

表演只写情绪词<o:page>

“难过”“愤怒”生成空泛，演员像摆拍。

写可见表演：眼眶泛红、低头、肩膀微颤、手指攥紧衣角、下颌紧绷等。

对话和声音不稳定

台词断句错误、音色不准、多音字读错。

台词语言统一；用 {} 标识台词；多音字换成同音常用字；补充“低厚、温润、中年男声”等音色描述。

过度追求一镜到底

争吵、追逐、打斗、转场容易崩，节奏拖沓。

单一场景文戏可延长；动作转折、追逐、打斗用分段生成 + 后期剪辑。

参考素材污染成片

短视频素材中的水印、字幕、Logo 被模型学进去。

先清理参考素材；提示词加“保持无字幕、不要Logo、不要水印”。

真人剧坑点

典型表现

解决方法

人脸稳定性敏感

换脸、五官漂移、撞脸明星或角色不连续。

人脸大头照单独给，全身妆造照单独给；在提示词中明确面部参考和妆造参考。

表演只写情绪词

“难过”“愤怒”生成空泛，演员像摆拍。

写可见表演：眼眶泛红、低头、肩膀微颤、手指攥紧衣角、下颌紧绷等。

对话和声音不稳定

台词断句错误、音色不准、多音字读错。

台词语言统一；用{} 标识台词；多音字换成同音常用字；补充“低厚、温润、中年男声”等音色描述。

过度追求一镜到底

争吵、追逐、打斗、转场容易崩，节奏拖沓。

单一场景文戏可延长；动作转折、追逐、打斗用分段生成+ 后期剪辑。

参考素材污染成片

短视频素材中的水印、字幕、Logo 被模型学进去。

先清理参考素材；提示词加“保持无字幕、不要Logo、不要水印”。