AI 短剧画面为什么每镜都在重画：一致性漂移的四层资产账

猫斯卡编辑部 ｜ 最后更新日期 2026 年 8 月 3 日

AI 短剧里角色换脸、场景串味、道具失踪，本质不是模型一次抽风，而是每生成一镜都在重新「想象」资产。解法是把角色、场景、道具、风格变成可引用、可校验、可回退的资产账。

先说结论：漂移不是偶发 bug，是资产没有被锁定

很多团队把 AI 短剧的一致性问题理解成「这一镜没抽好，重抽一次」。但只要你把成片逐镜拆开看，会发现问题往往不是随机的：主角的衣领每场都变，办公室一会儿现代一会儿轻奢，关键证据上一场是文件袋，下一场变成了 U 盘。

这些问题的共同点是：每一镜都在重新发明画面里的东西。

传统剧组不会这样拍戏。演员进组先定妆，场景先搭好，道具由道具组编号管理，美术风格由视觉总监统一。镜头可以重拍，但不会每次重拍都换一个演员、换一间办公室、换一件证物。

AI 短剧要稳定，也必须先补这堂「资产管理课」。

什么是一致性漂移

一致性漂移，是指同一部短剧在不同镜头、不同集数之间，角色外貌、场景空间、道具形态或美术风格出现非剧情需要的变化。

它和「画面不好看」不是一回事。漂移的核心不是审美问题，而是身份问题：观众能不能确认「这个人还是刚才那个人」「这个地方还是刚才那个地方」「这件东西还是推动剧情的那件东西」。

在竖屏短剧里，漂移的伤害尤其直接。因为单集时长短、信息密度高，观众没有时间替你解释「这可能是同一个人，只是画风变了」。一旦脸、衣服、空间或关键道具不稳定，代入感会立刻断掉。

四层资产账：角色、场景、道具、风格

把一致性问题看成一本账，会比笼统说「保持一致」清楚得多。

这四层不能混在一起解决。角色一致性靠定妆，场景一致性靠场景图，道具一致性靠道具编目，风格一致性靠统一画风路径。任何一层缺失，都会在镜头里暴露。

第一层：角色资产——先定妆，再开拍

角色漂移最常见，也最伤。原因很简单：如果没有一张被锁定的定妆图，模型每次看到「年轻女主」「黑衣总裁」「中年警官」这类文字，都会重新生成一个符合描述的人。

文字描述只能给出类型，不能给出身份。

稳定的角色链路应该是：

1. 在故事档案里确认人物身份、性格、关系和当前状态；
2. 根据选定画风生成人物定妆图；
3. 阵容确认通过后，定妆图进入可引用资产库；
4. 每场戏根据出场人物绑定对应定妆图；
5. 有参考图的人物，不再用文字重复描写服装和外貌。

最后一条尤其关键。很多团队以为提示词写得越细越稳，于是在每镜提示词里继续写「女主穿白色西装、长发、红唇」。如果参考图里她穿的是黑色外套，文字和参考图就会打架，模型只能在两套指令之间折中，结果就是换装、换脸或细节崩坏。

正确做法是：参考图负责外观，文字只负责动作、表情、伤情和调度。

第二层：场景资产——空镜必须是空镜

场景漂移经常被忽视，但它会让一部剧显得「很 AI」。上一镜办公室是冷色调玻璃幕墙，下一镜变成暖色木质书柜；上一镜医院走廊狭长，下一镜突然像酒店大堂。

场景要稳定，首先要有独立的场景参考图，而不是从人物图里「顺便」截背景。

这里有一条片场规则很有用：场景图严禁出现人物。

原因有两个：

• 人物一旦进入场景图，后续生成时可能被误识别为本场角色，造成多余人物或分身；
• 场景图的任务是交代空间、材质、光线和氛围，不是替演员站位。

场景信息最好从剧本结构里直接解析，比如「内 / 外 | 地点 | 日夜」。这样同一场所不会因为编剧写法不同而被系统当成两个地方：「总裁办公室」「陆总办公室」「陆氏集团办公室」如果剧情上是同一空间，就应该归到同一场景资产。

第三层：道具资产——关键道具必须有编号意识

短剧非常依赖道具推进剧情：合同、亲子鉴定、录音笔、病历、玉佩、钥匙、手机截图。道具一旦漂移，不只是穿帮，而是剧情逻辑会断。

道具管理要像道具师拍戏，而不是像模型看图说话。

稳定做法包括：

• 按剧本原始称呼提取道具，不随意改名；
• 全剧合并成道具目录，避免同一物品在不同集变成不同东西；
• 关键道具生成独立参考图；
• 每场只纳入本场真正出现的道具，避免无关物品挤占参考槽位；
• 允许手动排除误提取道具，防止模型把无关名词视觉化。

道具不是越多越好。一场戏的参考图如果堆满无关物品，模型反而不知道什么是重点。真正的专业流程，是让镜头里的视觉焦点和剧情焦点一致。

第四层：风格资产——人物、场景、视频必须走同一条画风路径

还有一种漂移很隐蔽：单看每个镜头都不差，但连起来不像同一部剧。人物立绘是一种质感，场景是另一种质感，视频生成时又变成第三种光影。

这通常是因为风格没有被当成资产统一管理。

成熟做法是选定一套画风手册后，让人物立绘、场景立绘、道具立绘和视频提示词共用同一条风格路径。画风手册至少要覆盖人物面容锚点、材质、气质、视图一致性，以及场景、道具和视频风格标签。

这不是为了限制创作，而是为了避免「人物是日漫、视频变写实」的断层。竖屏短剧的沉浸感，很大程度来自观众默认眼前所有画面属于同一个世界。

为什么「多写提示词」不能解决漂移

提示词很重要，但它不是一致性的替代品。

如果底层没有资产引用，提示词再长也只是在反复描述。描述会被模型重新解释，参考图才是更直接的视觉约束。两者冲突时，漂移就会发生。

可以把它理解成分镜表和定妆照的关系：

• 分镜表告诉摄影师这场怎么拍；
• 定妆照告诉所有人这个角色长什么样；
• 你不能只靠分镜表里的文字，就让每个部门自动还原同一个演员。

所以，镜头提示词应该写动作、运镜、光影、场景氛围和约束条件，而不是把角色外貌、服装、道具颜色每镜重写一遍。

工程化镜头提示词怎么减少漂移

一套稳定的视频提示词，通常包含八个要素：

1. 精准主体；
2. 动作细节；
3. 场景环境；
4. 光影色调；
5. 镜头运镜；
6. 视觉风格；
7. 画质；
8. 约束条件。

其中有几条规则对一致性特别重要：

• 一镜一运镜：不要在单个镜头里叠加推、拉、摇、移，动作越复杂越容易崩；
• 用镜头序号，不用绝对秒数：让模型按分镜结构理解画面，而不是按时间码硬切；
• 多人场景加分身兜底：减少同一张脸复制成多个人；
• 非写实题材加风格锚定：避免画风在镜头中间滑向写实；
• 本场只给本场素材：禁止把别的场景、别的道具、别的角色信息串进来。

一句话说，系统要教模型用分镜表语言说话，而不是写小说。

从「整集生成」到「场块管理」

一致性差的另一个根源，是把一整集当成一次生成任务。集数越长，模型需要同时维持的角色、空间、道具和动作越多，漂移概率越高。

更稳的生产方式，是把剧本切成约 10 秒的视频场块。每个场块有自己的：

• 剧本正文；
• 场景参考图；
• 本场道具参考图；
• 出场人物定妆图；
• 镜头提示词；
• 成片版本与历史 takes。

这就像剪辑台上的 clip 列表。你不是在等一条巨大的视频自己变完美，而是在管理一个个可检查、可重拍、可替换的镜头单元。

需要说明的是，约 10 秒的场块是工程启发式，不是时间码精剪。超长场会继续拆，但仍可能出现偏长的块；精剪、串场和完整成片节奏，仍然需要后续剪辑环节。

开拍前的齐套检查

专业流程和玩具式生成的差别， often 出现在开拍前。

如果某场戏缺场景图、人物定妆图或关键道具图，系统应该明确提醒，而不是静默硬生成。创作者可以选择跳过，走纯文字路径，但要知道：纯文字路径通常更不稳定，专业流程应当先补齐资产再开拍。

开拍前至少检查四件事：

这一步看似慢，实际是在减少后期反复重拍。

重拍不是重来，而是保留资产、改变指令

片场里的重拍，不是每天换一批演员重新搭景，而是在同一套资产基础上调整表演、机位和调度。AI 短剧也应该如此。

如果一个场块不满意，应该能区分：

• 是提示词动作不对；
• 是参考图绑定不对；
• 是角色定妆本身需要换版本；
• 是场景或道具图缺失；
• 还是模型档位、时长、分辨率设置需要调整。

同一场保留历史 takes，改词后再生成才是新版本。这样创作者才能像导演看回放一样，多 take 择优，而不是每次都从零开始。

猫斯卡固化了哪一步

猫斯卡是 AI 竖屏短剧生产操作系统。它没有试图用一次生成替代剧组，而是把短剧工业里已经被验证的质量顺序固化下来：先故事与连续性，再定妆，再分场，再镜头指令，再多 take 择优。

在一致性这件事上，它主要固化的是「资产账」：

• 用故事档案管理人物身份、关系、当前状态和伏线；
• 用 17 套画风手册统一人物、场景、道具和视频风格路径；
• 每场按「场景图 → 道具图 → 人物定妆图」的顺序构建参考素材；
• 有参考图的人物，禁止再用文字描写服装和外观；
• 开拍前检查缺失资产，提醒先定妆再开拍；
• 每场保留独立提示词、参考图映射和历史 takes。

但边界也要说清楚：猫斯卡没有成片自动打分或自动择优重拍引擎，质量终审仍在创作者和监制手里；参考图不是强制门禁，缺图可以跳过，但纯文字路径通常质量更差；角色一致性依赖定妆资产链路，不是人脸嵌入校验，最终观感仍取决于立绘质量和提示词是否遵守规范。

它适合把重复、易漂移、易失控的部分变成可约束流水线；审美判断、表演取舍和最终剪辑，仍然坐在人这边。

关于猫斯卡 ｜ 猫斯卡 · 专业AI视频自动生产系统。把创意评估、剧本写作、人物场景道具定妆、镜头提示词与出片串成一条可审、可改、可回退的生产链。官网：www.maosika.com