夜雨聆风
QUOTE
角色资产锁住“是谁”，位置关系图锁住“在哪里”。
做 AI 视频时，我遇到过一种很隐蔽的穿帮。
单看每一帧，人物没有变，服装没有变，场景也都挺漂亮。可一剪到一起，问题就来了：上一镜还在人物左边的飞机模型墙，下一镜跑到了右边；圆形舷窗忽远忽近；人物明明在对话，正反打之后却像各自站进了不同的房间。
问题不一定出在人物一致性，而是我们只告诉了模型“画面里有什么”，却没有告诉它“这些东西彼此在哪里”。
这次我用自己制作的一组素材，演示一个很实用的方法：先建立人物和场景资产，再做一张位置关系图，用它锚定人物与人物、人物与场景之间的空间关系，最后才拆成具体镜头。
位置关系母图：女飞行员固定在左侧并朝右看，老人固定在右侧并朝左看
本文人物、场景、关系图与视频案例均为作者自制。
本文看点
01
锁定人物与空场景
02
关系母图固定空间
03
拆出全景与正反打
01
PROBLEM
为什么角色没变，空间还是会穿帮？
人物参考图通常只能回答一个问题：这个人是谁。
它能帮助模型稳定发型、五官、服装和体态，却不会自动记住女飞行员应该站在飞机模型墙前，老人应该坐在长桌右侧，也不会主动维护两人的视线方向和拍摄轴线。
我后来把这类穿帮拆成三层关系：
人物与人物
谁在左，谁在右，彼此距离多远，视线朝向哪里。
人物与场景
每个人靠近哪个地标，处于前景、中景还是后景。
场景与场景
舷窗、楼梯、长桌和陈设之间的相对位置是否稳定。
背景一致性并不是让每个镜头复制同一张背景，而是让不同景别都遵守同一组空间关系。
02
ASSETS
先锁什么，才能让模型知道这个房间没变？
我的第一步不是写分镜提示词，而是把人物和空场景分开制作。
人物资产要尽量包含正面、四分之三侧面和背面。它们不是为了展示好看，而是为了让人物在转身、过肩和反打时仍然保留同一套脸型、发型与服装结构。
人物资产：女飞行员的正面、四分之三侧面和背面
人物资产：老人角色的正面、四分之三侧面和背面
场景资产则尽量先做成一个没有人物的完整空镜。把未来会反复出现的地标交代清楚，比堆满装饰细节更重要。
在这个案例里，我选择了四个固定地标：左侧的飞机模型墙、中央的圆形舷窗、右侧的螺旋楼梯，以及横向贯穿画面的工作长桌。后续镜头不管远近，都要能从这些地标中找到空间依据。
空场景资产：飞机模型墙、圆形舷窗、螺旋楼梯与长桌构成稳定地标
人物资产锁身份，空场景资产锁环境。但两者仍然是分开的，模型还不知道人物进入这个房间后应该站在哪里。
到这里，人物和房间之间仍然没有坐标。
03
SPATIAL MAP
位置关系图到底要锁住哪些东西？
我把两个人物放回空场景，做了一张双人关系母图。也就是文章开头看到的那张画面。
这张图不是某个镜头的最终成片，而是后续所有镜头共同遵守的空间依据。它至少锁住五件事：
• 女飞行员在画面左侧，靠近飞机模型墙，站立，视线朝右。
• 老人在画面右侧，靠近工作长桌，坐着，视线朝左。
• 圆形舷窗位于两人之间的后方，承担冷色月光来源。
• 猫在前景左侧，收音机和灯具留在桌面右侧。
• 两人之间形成一条对话轴线，后续机位始终留在轴线同一侧。
「位置关系图不是最终成片，它是全片的空间宪法。」
关系图不用做得像最终画面，但一定要明确。人物左右位置、视线方向和固定地标必须一眼就能看懂。如果关系母图本身含糊，后续生成再精细，也只是在放大歧义。
04
PROMPT
怎么把一张关系图翻译成提示词？
把多张参考图交给生成工具时，不要只说“参考这些图片”。每张图承担的职责必须写清楚，尤其要把位置关系图放在空间控制的最高优先级。
我在这个案例里使用的提示词逻辑，可以抽象成下面这份模板：
以 @位置关系图 作为双人位置与构图参考：
A 位于画面左侧的 [场景地标] 前，
B 位于画面右侧的 [场景地标] 旁。
两人保持参考图中的站位与轴线关系：
A 看向画面右侧，B 看向画面左侧，全片不越轴。
场景环境与陈设参考 @场景资产；
A 的外观、发型和服装参考 @人物资产A；
B 的外观、发型和服装参考 @人物资产B。
切换景别时，只改变机位距离、焦点和景深，
不改变人物左右关系、视线方向与关键背景地标。
避免：交换人物左右位置、改变视线方向、
移动舷窗、飞机模型墙和长桌，新增主要道具，跨越轴线。
提示词截图：位置关系图负责构图和轴线，场景图负责环境，两张人物图分别负责角色外观
这段提示词里有一个很容易被忽略的顺序：
先声明位置关系图负责构图和轴线，再声明场景图负责环境，最后说明人物图只负责外观。这样能减少模型把某张人物参考图误当成构图参考，或者为了还原脸部而擅自改变人物站位。
“不越轴”也不能只写成一个术语。最好把它翻译成可见动作：女飞行员始终看向画面右侧，老人始终看向画面左侧。模型对具体画面关系的理解，通常比对抽象摄影术语更稳定。
05
SHOT DESIGN
三个镜头为什么没有跳轴？
关系母图确定以后，我才从它拆出三个镜头。拆镜头时只改变景别和焦点，不重新发明空间。
全景先交代空间
第一个镜头保留两个人物和主要地标。女飞行员仍在左侧，老人仍在右侧，圆形舷窗位于中央后方，长桌连接两人。
镜头一：全景先向观众交代人物站位、桌面方向和背景地标
老人过肩，前景仍然有方向
第二个镜头从女飞行员一侧拍老人。女飞行员的肩部留在左下前景，老人位于画面右侧，继续朝左看。即使背景被景深虚化，观众仍能知道摄影机站在空间的哪一边。
镜头二：女飞行员肩部位于左侧前景，老人位于右侧并朝左看
反打女飞行员，左右关系不交换
第三个镜头反打女飞行员。老人的肩部出现在右下前景，女飞行员仍位于画面左侧并朝右看。前景肩部、面部位置和视线方向共同维持了轴线。
镜头三：老人肩部位于右侧前景，女飞行员位于左侧并朝右看
这三个镜头看起来变化很大，但真正变化的只有景别、焦点和表演重点。人物左右关系、视线、长桌方向和背景地标都没有被重写，所以剪在一起仍然属于同一个空间。
把三个镜头接起来，15 秒成片里的空间关系可以从下面这组连续画面直接看出来。
视频｜15 秒完整成片：女飞行员始终位于画面左侧，老人始终位于画面右侧，三次景别切换均未越轴
06
PITFALLS
哪些写法最容易让空间再次失控？
第一种，只上传人物参考图，不提供完整场景。模型可能记得脸和衣服，却会在每个镜头里重新布置房间。
第二种，每个镜头从头描述一次场景。提示词看似详细，但不同段落里的用词稍有变化，模型就可能把它们理解成三个不同空间。
第三种，只写“A 在左，B 在右”，却不绑定背景地标。人物可能没有换位，但墙面、门窗和桌子仍然会漂移。
第四种，为了追求某个单镜头更好看，临时交换左右站位。单帧或许更漂亮，剪辑时却会让两个人突然改变面对方向。
所以我更愿意把提示词写成一套“不变量”：哪些可以变，哪些绝对不能动。机位距离、景别、焦点、动作可以变化；人物身份、左右关系、视线、轴线和关键地标必须保持。
07
CHECKLIST
生成前，最后检查哪五件事？
在正式生成多镜头视频前，我会快速检查下面五项：
• 能不能用一句话说清楚每个人物在谁的左边或右边。
• 每个人物是否绑定了一个不会移动的场景地标。
• 正反打中的视线方向是否互相对应。
• 过肩镜头的前景肩部是否出现在正确一侧。
• 不同景别中是否至少保留一个可识别的共同背景地标。
如果这五件事还需要靠猜，说明位置关系图还不够明确，先别急着生成。
「角色资产锁住身份，场景资产锁住环境，位置关系图锁住叙事空间。」
AI 影像的一致性，并不是让模型记住画面里的所有细节，而是先告诉它哪些关系不能动。关系一旦稳定，镜头才有自由变化的空间。
你做 AI 短片时，最常遇到的是人物穿帮、道具穿帮、背景穿帮，还是轴线穿帮？
往期推荐