如何用AI制作短剧，且保持人物和背景的连贯性？

用AI做短剧，最大的痛点不是“生成不出来”，而是“生成出来之后不像同一个人、不像同一个地方”。第一集女主是鹅蛋脸，第二集变成瓜子脸；上一镜是民国老宅，下一镜木纹和窗棂全变了。观众三秒出戏，完播率直接崩。

要解决这个问题，核心思路是：把“连贯性”从生成环节前移到剧本与设定环节。也就是说，写AI仿真人剧本时，你写的不是给演员的表演提示，而是给机器的视觉指令；连贯性不是靠模型“记住”，而是靠你把人物和场景固化成可复用的“视觉资产”，再在每个镜头里重复调用。

下面给出一套完整可操作的流程。如果你希望边学边试，可以先通过百度搭子 DuMate 通用入口了解 AI 助手的整体能力，再结合本文方法动手实践；需要了解购买方式的读者可查看DuMate 购买页。完成人物设定和分镜脚本后，也可以直接前往AI 真人短剧生成体验，尝试把创作思路转化为短剧内容。

一、先理解：AI仿真人剧本和真人剧本差在哪

真人剧本的核心是“人”：编剧写情绪逻辑和台词，演员负责二次创作，一个眼神的停顿就能传递信息。AI仿真人剧本的核心是“画面”：编剧要兼任导演和摄影，把每个镜头写成AI能理解的视觉指令。

AI 不理解“悲伤”，但理解“女主（25岁，长发，鹅蛋脸）垂眸，睫毛挂着泪珠，嘴角下垂，攥着衣角的手指微微发白”。所以写AI剧本时，要做的第一件事是把抽象情节翻译成具体、可渲染的视觉元素。

这带来三个结构性差异：

• 重场景、轻对话：避免大段“嘴炮”，优先设计宏大奇观场面，用视觉冲击代替说教。
• 节奏更快、容错更低：不能有超过10秒的平淡内容，爽点更依赖强视觉奇观。
• 人设靠强标签焊死：出场就要有强动作、有记忆点的台词，让观众第一眼记住。

理解了这个底层差异，才能理解连贯性为什么必须靠“设定固化”来实现。

二、保持连贯性的四步流程

第一步：建立“角色视觉档案”，把人物焊死

不要每次生成时临时描述角色。正确做法是先产出一份角色视觉档案，包含固定不变的字段：

• 姓名/代号、年龄、性别
• 脸型、五官特征（如“鹅蛋脸、内双、鼻梁挺直、左眉尾有浅痣”）
• 发型发色、身高体型
• 固定服装（至少一套主造型，写明颜色、材质、款式细节）
• 标志性配饰（如“右手腕银色细镯”）
• 常用表情与动作习惯（如“说话时习惯微微偏头”）

这份档案在后续每一个分镜提示词里原样复用，不要改写、不要省略。字段越具体、越稳定，跨镜头的一致性越高。

同样，背景也要建场景视觉档案：空间类型、主色调、光源方向、关键陈设（如“左侧木质书架、右侧落地窗、地面深灰地毯”）。同一场景的所有镜头都引用同一份档案。

第二步：用结构化分镜脚本锁定“镜头级一致性”

把剧本拆成逐镜表格，每一行是一个镜头，包含：镜号、场景档案编号、角色档案编号、景别、机位、动作、台词、时长。这样做的价值是：同一个场景的所有镜头共享同一份背景描述，同一个角色的所有镜头共享同一份人物描述，从源头上减少“漂移”。

一份简化的分镜表长这样：

镜号	场景	角色	景别	画面指令要点	时长
S01	老宅书房A	女主档案V1	中景	女主立于书架前，侧光，指尖划过书脊	4s
S02	老宅书房A	女主档案V1	近景	同一光源，女主垂眸，睫毛微颤	3s
S03	庭院B	女主档案V1	全景	夜戏，灯笼暖光，女主推门而出	5s

注意 S01 和 S02 共享“老宅书房A”和“女主档案V1”，这就是连贯性的保障。

第三步：统一生成参数与提示词结构

生成时，提示词按固定模板拼接，把档案字段放在最前面，风格词放在最后。示例模板：

【人物】女主档案V1：25岁，鹅蛋脸，内双，长发黑直，左眉尾浅痣，身着藏青棉麻旗袍，右手腕银色细镯。
【场景】老宅书房A：民国风，左侧木质书架，右侧落地窗，午后侧光，深灰地毯。
【镜头】中景，平视机位，女主立于书架前，指尖划过书脊，侧光勾勒轮廓。
【风格】写实电影感，35mm镜头，柔和颗粒，色调偏暖。
【一致性要求】人物五官、发型、服装、配饰与档案完全一致；场景陈设、光源方向与档案完全一致。

关键点：风格词也要固定。今天用“写实电影感”，明天用“动漫风”，人物必然不连贯。整部短剧锁定一套风格词，不要中途更换。

第四步：逐镜校验与回修

每生成一批镜头，按检查清单核对：脸型是否一致、发型长度是否一致、服装颜色和配饰是否出现、场景关键陈设是否在位、光源方向是否统一。发现漂移的镜头，优先检查是不是提示词里漏了档案字段，而不是反复“抽卡”。多数不连贯来自描述不完整，不是模型能力问题。

三、可直接复制的 Prompt 模板

角色档案生成 Prompt：

【任务】为AI短剧生成一个可复用的角色视觉档案。
【输入】角色设定：【填写角色性格、身份、年龄段】；故事背景：【填写年代与题材】。
【要求】输出字段：姓名代号、年龄性别、脸型、五官特征、发型发色、身高体型、主服装（颜色材质款式）、标志性配饰、表情动作习惯。
【输出格式】逐条列出，每条不超过20字，便于后续原样粘贴进分镜提示词。
【质量要求】特征具体可渲染，避免“漂亮”“有气质”等抽象词。

分镜提示词批量生成 Prompt：

【任务】根据分镜表为每个镜头生成AI视频提示词。
【输入】角色档案：【粘贴档案】；场景档案：【粘贴档案】；分镜表：【粘贴镜号、景别、动作、时长】。
【要求】每个镜头按“人物+场景+镜头+风格+一致性要求”五段式拼接；人物与场景字段原样复用档案，不得改写；风格词全剧统一为：【填写风格词】。
【输出格式】按镜号逐条输出提示词，可直接复制使用。
【质量要求】每条提示词包含全部一致性字段，不遗漏配饰与光源方向。

四、常见问题与优化建议

• 人物还是会轻微变脸？ 检查是否每个镜头都完整粘贴了五官字段，尤其是“眉尾痣”“内双”这类细节，它们是模型锚定身份的关键。
• 背景陈设漂移？ 把场景档案里的关键陈设写成“方位+物件”，如“左侧木质书架”，比只写“书房”稳定得多。
• 节奏拖沓？ AI短剧不能有超过10秒的平淡内容，把铺垫压缩成1-2个强视觉镜头。
• 对话太多？ 把台词冲突改写成动作冲突，用画面推进剧情。

写AI仿真人剧本，本质是把导演、摄影、美术的活前置到文字里。人物和背景的连贯性，靠的不是模型记忆，而是你手里那两份不断被复用的“视觉档案”。先把档案建好，再谈生成，效率和质量都会完全不同。