角色一致性 on 拾光集

AI 漫剧制作 Skill 工作流：用剧本、资产和分镜提高创作效率

Wed, 29 Jul 2026 11:47:00 +0800

制作 AI 漫剧，真正困难的通常不是生成一张图片，而是如何让剧情节奏、人物形象和镜头衔接保持一致。

目前 GitHub 上已经出现多套面向 Claude Code、Codex 等 AI Agent 的开源 Skills。虽然不同项目的命名并不完全相同，但核心流程基本可以归纳为三类：

剧本创作 Skill
图像资产 Skill
分镜制作 Skill

这三类 Skill 可以把小说或创意逐步转换为剧本、角色资产、分镜表和图像或视频提示词。

一、剧本创作 Skill

剧本 Skill 负责把小说、故事大纲或简单创意，整理成适合短剧和漫剧制作的结构化剧本。

常见输出包括：

故事背景与核心冲突
角色身份、动机和人物关系
分集大纲
场景编号与场景说明
人物动作和对白
每集开头的吸引点
结尾悬念或下一集钩子

它的价值不是单纯“把文字写长”，而是提前解决剧情节奏问题。

很多 AI 漫剧画面并不差，但播放数据不理想，常见原因是开头进入剧情太慢、冲突不明确，或者每集结尾缺少继续观看的理由。

因此，剧本生成后仍然需要人工检查：

前几秒是否出现核心事件
主角目标是否明确
冲突是否能够通过画面表现
对白是否过多
每个场景是否有存在的必要

二、图像资产 Skill

图像资产 Skill 会从剧本中提取需要反复使用的视觉元素，例如：

主要角色
次要角色
服装造型
场景
道具
交通工具
特殊物品
关键视觉符号

随后，它会为每项资产生成结构化说明和图像提示词。

一份实用的角色资产档案，至少应包含：

年龄范围
脸型与五官特征
发型和发色
身材与体态
服装款式、颜色和材质
常用表情
正面、侧面和背面参考
中文与英文提示词
不允许变化的角色特征

这一步的重点是解决**角色一致性**。

同一个人物在不同镜头中出现时，应尽量复用相同的角色描述和参考图，而不是每次重新生成一套提示词。否则容易出现脸型、发型、服装颜色和年龄不断变化的问题。

三、专业分镜 Skill

分镜 Skill 负责把剧本转换成可以直接执行的镜头清单。

它通常会为每个镜头标注：

镜头编号
场景与时间
出场人物
景别
摄影机角度
人物位置
人物动作
表情变化
灯光与色调
镜头运动
台词或旁白
建议时长
首帧或关键帧提示词

例如，剧本中只有一句：

主角发现桌上的合同被人替换。

分镜需要进一步明确：

先用近景展示主角翻开合同
再切换到合同签名位置的特写
主角手指停顿，表情从疑惑变为警觉
镜头缓慢推进
背景声音逐渐减弱
最后切到门外模糊的人影

只有完成这样的镜头拆解，图像模型和视频模型才能获得更明确的执行信息。

三类 Skill 如何组成完整工作流

一套基础的 AI 漫剧生产流程可以按照下面的顺序执行：

第一步：导入故事

输入小说章节、故事大纲或原创创意，明确：

视频类型
目标平台
单集时长
画面比例
目标观众
视觉风格

第二步：生成分集剧本

使用剧本 Skill 输出分集大纲和单集剧本，并人工确认剧情逻辑、冲突和结尾钩子。

第三步：建立资产库

使用资产 Skill 提取角色、场景和道具，先生成角色参考图或三视图。

资产确认后再进入批量分镜阶段，避免后期不断返工。

第四步：生成分镜

使用分镜 Skill 将剧本拆解为逐镜头表格，并生成每个镜头的关键帧提示词。

第五步：生成图片和视频

把已经确认的角色参考图、场景资产和分镜提示词交给图像或视频模型。

生成过程中应优先检查：

人物是否一致
服装是否变化
场景空间是否连续
人物动作能否衔接
镜头景别是否过于重复

使用 Skill 不代表可以完全自动化

Skill 的作用是把经验和制作规则整理成可重复执行的流程，但它不能自动保证作品质量。

实际制作中仍然需要人工完成：

判断故事是否值得制作
修改生硬对白
选择最终角色形象
检查人物和场景一致性
筛选生成结果
控制节奏、配音和音乐
处理版权及人物肖像风险

更准确地说，Skill 能够减少重复整理和提示词编写工作，让创作者把更多时间放在剧情判断和成片质量上。

总结

AI 漫剧制作的关键，不是一次生成多少张图片，而是能否建立稳定的生产流程。

剧本 Skill 负责解决故事和节奏问题，资产 Skill 负责保持人物与场景一致，分镜 Skill 负责把文字转换为可执行的镜头。

将这三类 Skill 串联起来，可以明显减少重复工作，但最终作品是否好看，仍然取决于创作者对剧情、画面和节奏的判断。

AI 复刻爆款视频提示词模板：逐镜头拆解并生成视频提示词

Tue, 28 Jul 2026 16:02:00 +0800

看到一条节奏、运镜或视觉效果出色的视频，如何让 AI 帮助我们学习它的制作方法？

比较实用的方式，不是让 AI 简单描述“视频里有什么”，而是要求它按照时间顺序进行逐镜头拆解，分析人物动作、摄影机运动、光线、构图、节奏和转场，再将分析结果整理成适用于 AI 视频生成模型的提示词。

这种方法更适合用于：

分析短视频的镜头节奏
学习广告片的视觉表达
提取电影感运镜方法
生成多镜头视频提示词
优化 Seedance、Kling、Veo、Sora、Runway 等模型的输入内容

重点是学习镜头逻辑和视觉方法，而不是直接复制原视频中的人物、品牌、台词或受版权保护的创意内容。

一、这套提示词解决什么问题？

普通的 AI 视频分析通常只会输出：

画面中出现了什么
人物做了什么
视频大概是什么风格

这些信息不足以重新制作一条结构完整的视频。

真正影响生成效果的内容还包括：

每个镜头持续多长时间
人物动作如何开始和结束
摄影机从哪里移动到哪里
前后镜头如何衔接
主体位置和背景关系
光线方向与材质表现
角色、服装和场景如何保持一致
环境音、动作音效和音乐节奏如何配合

因此，需要让 AI 同时担任视频提示词架构师、电影镜头分析师和多模态视频逆向工程师。

二、可直接复制的完整提示词

你现在是一名专业的视频提示词架构师、电影级镜头语言分析师和多模态视频逆向工程师。

我会向你提供一段参考视频。你的任务不是简单概括视频内容，也不是照搬其中的人物、品牌、台词或受版权保护的创意，而是分析它使用的镜头逻辑、动作设计、视觉结构和节奏方法，并将其转化为一套可用于 AI 视频生成模型的原创提示词。

请严格按照以下步骤执行。

# 第一阶段：视频基础识别

首先识别并说明：

1. 视频总时长
2. 画面比例
3. 视频类型
4. 核心主体
5. 主要场景
6. 整体视觉风格
7. 色彩倾向
8. 剪辑节奏
9. 可能使用的生成或拍摄方法
10. 视频最值得学习的镜头设计

# 第二阶段：逐镜头拆解

按照时间顺序拆分视频，不要遗漏明显的镜头变化。

每个镜头需要分析以下内容：

- 时间范围
- 镜头时长
- 主体身份与外观
- 人物服装
- 人物动作轨迹
- 表情与视线变化
- 主体与道具的互动
- 场景空间关系
- 前景、中景和背景
- 景别
- 摄影机机位
- 拍摄角度
- 推测焦段
- 景深
- 构图方式
- 摄影机运动
- 运镜方向
- 运镜速度
- 光源方向
- 光线软硬
- 色温
- 材质与表面反射
- 画面色彩
- 特效
- 环境声音
- 动作音效
- 音乐节奏
- 转场方式
- 镜头结束时的画面状态

请使用以下格式输出：

## 镜头 01

- 时间范围：
- 镜头时长：
- 画面内容：
- 主体外观：
- 人物动作：
- 表情与视线：
- 场景与空间：
- 景别与机位：
- 镜头焦段：
- 构图方式：
- 摄影机运动：
- 光线与色彩：
- 材质表现：
- 声音设计：
- 结束画面：
- 镜头衔接：

# 第三阶段：提取可复用的视觉方法

完成逐镜头分析后，总结视频中可以迁移到其他原创内容中的方法，包括：

1. 开场如何吸引注意力
2. 主体如何进入画面
3. 动作高潮如何设计
4. 运镜如何配合人物动作
5. 不同镜头如何保持方向连续
6. 如何利用前景、中景和背景建立空间感
7. 如何通过光线和材质提升质感
8. 如何控制镜头节奏
9. 如何设计结尾画面
10. 哪些元素属于通用方法，哪些元素不应直接复制

# 第四阶段：生成原创视频方案

根据以上分析，设计一套保留相似镜头方法、但主体、场景和内容均为原创的新视频方案。

请先输出：

- 原创视频主题
- 主体设定
- 角色外观设定
- 服装设定
- 场景设定
- 道具设定
- 光线设定
- 色彩设定
- 视频时长
- 镜头数量
- 整体节奏
- 声音设计

# 第五阶段：生成成品视频提示词

将原创视频方案转换为适用于 AI 视频生成模型的分镜提示词。

每个镜头必须使用以下结构：

[镜头编号]

[镜头时长]
明确镜头持续时间。

[人物与主体]
描述人物身份、年龄范围、外观、发型、服装、道具以及需要保持一致的特征。

[人物动作]
按照时间顺序描述人物动作，避免在一个镜头中安排过多复杂动作。

[摄影机运动]
明确景别、机位、拍摄角度、焦段、运动方向、运动速度和稳定方式。

[场景与构图]
描述主体位置、前景、中景、背景、空间关系和构图方式。

[光线与材质]
描述光源方向、光线软硬、色温、阴影、材质、反射和环境氛围。

[结束画面]
明确镜头最后一帧的人物姿态、主体位置、摄影机位置和画面状态。

[镜头衔接]
说明如何连接下一镜头，例如直接切换、动作匹配剪辑、遮挡转场、运动方向匹配或声音提前进入。

[声音]
描述环境音、动作音效、对白、旁白或音乐节奏。

# 第六阶段：一致性限制词

在每个镜头末尾加入与当前镜头相关的稳定性要求，并在整套提示词末尾加入全局限制词。

全局限制词参考：

保持同一人物身份、面部特征、发型、年龄、体型和肤色一致；
保持服装款式、颜色、材质和配饰一致；
保持场景结构、背景物体位置和光线方向一致；
人物动作连续自然，运动轨迹清晰；
保持正确的人体比例和关节结构；
双手结构自然，手指数目正确；
无多余肢体，无肢体融合，无关节扭曲；
无面部变形，无身份切换，无五官漂移；
无服装变色，无服装漂移，无纹理闪烁；
无背景闪烁，无物体随机出现或消失；
无画面跳帧，无动作断裂，无速度突变；
保持真实重力、碰撞、惯性和物体接触关系；
人物与道具之间不存在穿透、漂浮或错误遮挡；
镜头运动平滑稳定，不产生无意义抖动；
保持曝光、白平衡、色彩和景深连续；
避免字幕、文字、水印、品牌标志和界面元素；
避免低清晰度、过度锐化、塑料质感和明显 AI 伪影。

可以同时生成一份适合模型使用的英文限制词：

consistent character identity, stable facial features, same hairstyle, same body proportions, consistent clothing and accessories, no face morphing, no identity change, no outfit change, no clothing flicker, correct anatomy, natural hands, correct fingers, no extra limbs, no fused limbs, no twisted joints, stable background, no background flicker, no object popping, continuous motion, smooth action trajectory, no frame skipping, no sudden speed change, realistic gravity, realistic collision, correct object interaction, no penetration, no floating objects, consistent lighting, consistent exposure, stable camera movement, no watermark, no subtitles, no logo, no visual artifacts

# 第七阶段：最终输出格式

请依次输出：

1. 视频整体分析
2. 逐镜头拆解表
3. 可复用的镜头方法
4. 原创视频方案
5. 中文成品提示词
6. 英文成品提示词
7. 全局限制词
8. 生成时可能出现的问题
9. 针对问题的二次优化建议

如果无法确认某项镜头参数，请明确标注“推测”，不要将推测内容写成确定事实。

三、成品镜头提示词格式

实际生成视频时，可以把每个镜头单独整理成下面的结构：

[镜头编号] Shot 01

[镜头时长]
4 秒。

[人物与主体]
一名穿深灰色夹克的年轻男性站在雨后的城市街道上。保持人物面部、短发、身材比例、服装颜色和材质在所有镜头中一致。

[人物动作]
人物先低头看向手中的金属装置，随后缓慢抬头，将视线转向画面右侧。动作连续自然，不出现突然转身。

[摄影机运动]
中近景，略低机位，50mm 镜头。摄影机从人物正前方缓慢向前推进，运动平滑稳定。

[场景与构图]
人物位于画面左侧三分线。前景有轻微虚化的雨滴，中景为人物，背景为带有散景灯光的城市街道。

[光线与材质]
右后方冷色轮廓光，左前方柔和暖色补光。夹克表面呈现轻微湿润反光，金属装置具有真实高光和细小划痕。

[结束画面]
人物抬头看向画面右侧，摄影机停在中近景位置，背景灯光保持稳定。

[镜头衔接]
通过人物视线方向直接切换至下一镜头，下一镜头主体从画面右侧出现。

[声音]
轻微雨声、远处车辆声、衣料摩擦声和低频悬念音乐。

[限制词]
保持人物身份与服装一致，无面部变形，无服装漂移，无背景闪烁，无肢体错误，动作连续，摄影机运动平滑，物理关系真实。

四、使用方法

将参考视频上传给支持视频理解的 AI。
复制完整提示词并发送。
让 AI 先完成逐镜头分析，不要立即生成最终提示词。
检查镜头数量、人物动作和时间轴是否正确。
要求 AI 将参考内容改写为原创主体和原创场景。
根据使用的模型，调整镜头时长和提示词长度。
最好逐镜头生成，再通过剪辑软件完成拼接。
人物一致性要求较高时，应同时使用角色参考图、首帧图或上一镜头结束帧。

五、为什么要逐镜头生成？

一次性要求 AI 生成包含大量动作和多次转场的长视频，容易出现：

人物突然变脸
服装颜色改变
动作前后不连续
背景物体随机变化
摄影机方向混乱
多个人物位置互换
道具穿过人物身体
结尾画面无法衔接下一镜头

将视频拆成多个独立镜头，可以更准确地控制动作、构图、运镜和角色一致性。

生成完成后，再利用剪辑软件按照时间顺序拼接，通常比直接生成一整段长视频更稳定。

六、需要注意的版权问题

这套方法适合分析和学习：

镜头运动
构图方式
光线设计
剪辑节奏
动作组织
视觉叙事方法

不建议直接复制：

原视频中的人物肖像
品牌标志和产品设计
原创角色形象
完整台词和旁白
具有明确识别度的剧情
受版权保护的音乐和画面

更合理的做法是保留镜头方法，重新设计人物、场景、动作和故事内容。

七、相关 GitHub 资源

目前没有找到与本文这套中文模板完全对应的唯一开源项目，但以下项目和资料可用于学习 AI 视频提示词结构：

Video-As-Prompt https://github.com/bytedance/Video-As-Prompt
HunyuanVideo 1.5 Prompt Handbook https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5
Seedance 2 Prompt Library https://github.com/gracech0322-cmd/seedance-2-prompt-library

这些项目与本文模板并非同一个项目，主要作为视频提示词、镜头控制和视频生成方法的延伸参考。