群演和泛指角色该怎么处理：AI 短剧里的「路人甲」工艺
群演不是「少画几张图」那么简单。AI 短剧里路人甲一旦被当成主演去占参考槽位，主演的脸反而会被挤掉。正确做法是把群演从可绘制主演名单里剥离，用文字和镜头调度去承载，而不是给每个人都出定妆。
为什么群演是 AI 短剧的高频翻车点
在真人剧组里，群演是副导演拉来的活人，站在哪、穿什么、走什么路线，现场调度就解决了。但在 AI 短剧的生产链里，每一个被剧本点名的「人物」，都可能被下游当成需要绑定参考图的角色去处理——这就是问题的起点。
典型翻车路径是这样的：
- 剧本里写了「围观群众议论纷纷」「几个保安冲了上来」「餐厅里其他客人侧目」
- 系统在解析人物时，把「围观群众」「保安」「客人」也当成了角色条目
- 这些条目没有定妆图，要么被强行生成随机脸，要么反过来挤占主演的参考图槽位
- 出片时主演脸漂了，群演反而每人一张清晰但毫无连续性的脸
群演处理的核心原则：可绘制的主演名单和剧本里出现的所有人物，不是同一个集合。 前者是要做定妆、要跨场保持一致的资产；后者只是叙事功能。把二者混在一起，是 AI 短剧一致性崩盘的常见原因之一。
这也是为什么在猫斯卡的场块切分逻辑里，群演和泛指角色会被明确从可绘制主演名单里剥离——不是忽略他们，而是把他们放回「环境与氛围」的层级去处理。
第一步：在剧本阶段就把「谁需要定妆」分清楚
剧本是所有下游环节的源头。群演问题如果拖到出图或出片阶段再处理，成本会成倍放大。编剧在写的时候就应该有一个隐性分类：
| 类别 | 例子 | 是否需要定妆 | 处理方式 |
|---|---|---|---|
| 主演 | 林晚、顾沉、苏晴 | 必须 | 出定妆图，跨场绑定参考 |
| 有名有姓的配角 | 王管家、李警官、陈医生 | 视戏份 | 出场 ≥3 场或有台词推动剧情的，出定妆；否则降级为功能角色 |
| 功能角色 | 前台、司机、服务员、护士 | 一般不需要 | 用职业 + 动作描写，不起名字，不给特写 |
| 群演 / 泛指 | 围观群众、保安们、食客、路人 | 不需要 | 作为环境元素处理，不给个体台词，不给近景 |
判断标准很简单：这个角色跨不跨场、观众需不需要记住他的脸。 需要，就进定妆链路；不需要，就留在文字层。
编剧常犯的一个错误是给功能角色起名字。剧本里写「前台小张说……」和「前台抬头说……」，对剧情没有任何区别，但前者会让下游以为「小张」是个需要建档的人物。除非小张后面还要出场并推动剧情，否则不要起名。
第二步：写群演的台词和动作，有专门的写法
群演不是不能有声音，但他们的声音是「环境声」，不是「角色表演」。
错误写法（把群演当角色写）：
【人物】围观群众甲、围观群众乙、围观群众丙
围观群众甲：这女的是谁啊？
围观群众乙：听说就是她把顾总气走的。
围观群众丙：真不要脸。
这种写法会触发三个问题：系统要为三个人物找参考图；镜头可能给其中某个人切近景；下一场「围观群众」又会生成三张全新的脸。
正确写法（把群演当氛围写）：
【人物】林晚
人群里传出细碎的议论声，没人站出来，也没人散开。
林晚攥紧了包带，抬眼看向门口。
要点：
- 群演不出现在【人物】行里，只出现在动作描写里
- 群演的台词用「议论声」「窃窃私语」「有人喊了一句」这种概括式处理，不拆成个体
- 镜头焦点始终在主演身上，群演是背景层
- 如果确实需要某一句群演台词推动剧情（比如有人喊「他来了！」制造悬念），写成「人群里有人喊了一声」，不要给说话人起身份
第三步：场块切分时，群演不占定妆槽位
剧本进入拍摄链路后，会被切成约 10 秒一个的视频场块。这一步有一个关键动作：把群演和泛指角色从可绘制主演名单里剥离。
这意味着什么？
- 每一场在构建参考素材表时，只会绑定主演和已出定妆的配角
- 群演不占参考图槽位，也就不会和主演抢「人脸锚点」
- 提示词里群演以「背景人群」「模糊的路人」等方式存在，不要求个体面部一致性
这里有一个容易被忽略的细节：参考图槽位是有上限的，每场绑定多张参考图，按「场景图 → 道具图 → 人物定妆图」的顺序占位。如果群演占了人物槽位，主演的定妆图反而可能排不进去——这才是群演问题真正的破坏力：不是群演自己画不好，是他们把主演挤掉了。
第四步：提示词里怎么写群演
提示词层面，群演的处理遵循一个原则：写群体状态，不写个体特征。
工程化镜头提示词的八大要素里，群演属于「场景环境」这一项，不属于「精准主体」。
| 写法 | 示例 | 效果 |
|---|---|---|
| ✅ 群体 + 状态 | 「背景里三两个模糊的食客低头吃饭，面部虚化」 | 群演是氛围，不抢焦点，不要求一致性 |
| ✅ 群体 + 动作 | 「走廊里几名保安快步跑过，只拍背影和侧影」 | 有动感但不触发面部生成 |
| ⚠️ 群体 + 数量模糊 | 「周围站满了人」 | 可用，但模型可能生成过多人脸，建议加「虚焦背景」 |
| ❌ 个体 + 穿着 | 「左边一个穿红裙子的女人惊讶地看着主角」 | 模型会给这个女人生成一张清晰的脸，下一场无法复现 |
| ❌ 个体 + 台词 | 「一个戴帽子的男人说：快跑！」 | 触发特写 + 个体面部，跨场必漂 |
还有一个实用技巧：如果群演必须出现在中近景（比如主角在人群中穿行），提示词里加「背景人群面部虚焦、景深外模糊」这类约束，把模型的注意力预算集中在主演脸上。
第五步：什么时候需要手动绑定
大多数情况下，群演走自动剥离就够了。但有三种情况需要人工介入：
1. 功能角色反复出场，需要升级为配角。
比如一个前台，第一场只是抬头说了句话，第三场又出现并递了一封信，第八场还帮主角挡了一下。这种情况下，应该在角色阵容里补建这个角色，出定妆图，后续场次手动绑定。判断信号：当你发现某场的「前台」开始有连续动作或情绪反应，就该升级了。
2. 剧本里的称呼和档案里的名字对不上。
剧本里写「那个警官」，但档案里这个角色叫「李强」。系统支持手动角色绑定，就是为了处理这种指代不一致。不要让「警官」被当成一个新的泛指角色生成随机脸。
3. 道具师视角提取的「人物道具」需要排除。
某些剧本描写里，群演可能被误提取为视觉元素（比如「人群里举着的牌子」「保安手里的对讲机」是道具，但「保安」本人不是）。道具的纳入和排除是手动可控的，确保无关元素不挤占本场的视觉焦点。
边界：群演处理做不到什么
诚实讲，有几件事目前的工艺做不到，也不该指望系统自动解决：
- 大场面全景群演的精细控制。 如果你要的是《指环王》式的千军万马，单场多模态生成的当前能力上限就在那里，群演数量和个体动作的精细度都有限。这类镜头建议用远景 + 剪影 + 音效叙事，不要指望看清每个人。
- 群演跨场的服装一致性。 因为群演没有定妆资产，同一家咖啡店的服务员在第 3 集和第 10 集穿的制服可能不一样。如果这个服务员是观众会注意到的，他就不该是群演——给他出定妆。
- 群演的「表演」。 AI 目前擅长的是动作和姿态，不是群演之间的微妙互动。不要写「两个路人在角落里窃窃私语并交换眼神」这种需要群体编排的调度，写出来也出不来。
一条可操作的检查清单
写完一集剧本、准备进入拍摄链路之前，花两分钟过一遍这个清单：
- 【人物】行里，有没有不起名的功能角色或群演？有就清出去。
- 有没有只出场一次却被起了名字的角色？有就降级为职业指代。
- 群演的台词是不是被拆成了个体？是就合并为概括式。
- 需要跨场出场的功能角色，有没有建档并出定妆？没有就补。
- 剧本里的角色称呼，和档案里的名字能不能对上？对不上就手动绑定。
- 群演出现在中近景时，提示词里有没有加「虚焦 / 背景 / 模糊」约束？没有就加。
群演处理本质上是一个「分类问题」：谁是资产，谁是氛围。把这条线在剧本阶段就画清楚，后面的定妆、分场、出片环节会省掉大量返工。高质量短剧从来不是一条长生成硬剪出来的，而是一条条可控单元堆起来的——群演这种「看起来不重要」的细节，恰恰是可控单元能不能成立的分界线。
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