群像戏里的第二张脸：AI 短剧多人镜头的分身兜底与重拍策略
多人场景的双胞胎问题，本质是模型在同一镜头里无法稳定区分多个相似主体。真正有效的做法不是反复抽卡，而是把角色绑定、动作差异、参考图顺序和分身兜底约束一起做进镜头指令。
为什么群像戏比单人戏更容易翻车
AI 短剧里的多人同框，常见问题不是“画得不好”，而是“人分不清”：两个角色长得像、衣服像、动作像，甚至同一个人在画面里出现两次。这类问题在竖屏短剧里尤其明显，因为近景和中近景会放大面部与服装细节。
多人镜头的分身通常来自四个源头：
- 参考图顺序混乱：场景、道具、人物没有按固定顺序进入镜头说明。
- 角色称呼漂移：剧本里写“警官”“大哥”“她”，系统没有稳定对应到具体角色。
- 动作描述同质：多人都写“站着、看着、愤怒”，模型容易复制姿态。
- 缺少兜底约束：提示词没有明确禁止复制脸、复制服装和重复肢体。
所以，群像戏不能只靠“多给几张参考图”。它更像片场调度：谁站左、谁站右、谁先动、谁有明显视觉差异，都要在开拍前说清楚。
先分清三种“多人翻车”
不是所有双胞胎问题都一样。处理前先判断类型，否则很容易改错地方。
| 问题类型 | 典型表现 | 主要原因 | 优先处理 |
|---|---|---|---|
| 撞脸 | 两个角色五官接近 | 面部锚点不足、画风趋同 | 强化定妆差异与角色绑定 |
| 分身 | 同一角色出现两次 | 主体指代不清、群演未剥离 | 明确主演名单与动作归属 |
| 复制姿态 | 多人动作像镜像 | 动作描述太笼统 | 给每人不同动作与机位关系 |
| 服装串用 | A 穿了 B 的衣服 | 文字外观与参考图打架 | 有参考图后不再写服装外观 |
这张表的意义在于：如果问题是“分身”，换画风未必有用；如果问题是“撞脸”，只改运镜也解决不了。先定位，再重拍。
角色绑定：让“警官”永远是同一个人
多人场景最容易被忽略的一步，是剧本称呼和角色资产之间的对应。剧本可能写“警官”“队长”“那个男人”，但拍摄时必须知道这些词指的是哪一张定妆图。
可执行的做法是：
- 开拍前检查本场出场角色是否都有对应定妆。
- 对客串、泛指、群演进行剥离，不要让“路人甲”占用主演参考槽位。
- 遇到称呼不一致时，手动把剧本称呼绑定到档案里的具体角色。
- 同一角色有不同时代造型时，按场景地点选择对应造型，避免古装场绑到现代定妆。
角色绑定不是为了填表，而是为了让镜头指令里的每个动作都有明确主人。模型一旦不知道“谁在说话”，就会用相似脸去补位。
参考图顺序：场景、道具、人物不要乱
稳定的多人镜头，需要稳定的参考素材顺序。一个可靠顺序是：
- 场景图：先告诉模型这是哪里。
- 本场道具图：再告诉模型画面里有哪些关键物件。
- 人物定妆图：最后绑定出场角色。
这个顺序的价值在于减少模型“自由联想”。如果人物图先入为主，模型可能把角色服装、发型甚至面部特征扩散到场景里的其他人身上；如果道具图缺失，关键物件可能随机生成，抢人物焦点。
还要注意一条硬规则：有参考图的人物，不要再用文字描写服装和外观。
文字只负责动作、表情、伤情和站位。比如不要写“李强穿着黑色皮夹克，短发，眼神锐利”，因为这些已经在定妆图里；再写一遍，反而可能和参考图冲突，造成换装、撞脸或分身。
给每个人不同的“动作任务”
群像戏里，最容易导致复制人的，不是脸，而是动作。
低效写法通常是这样的：
三人站在房间里，表情愤怒，看着对方。
这类描述把三个人变成了同一种视觉元素。模型为了省事，可能生成相似站姿、相似手势、相似表情。
更稳的写法是给每人分配明确任务：
- A 站在左侧，单手按住桌面，身体前倾。
- B 站在右侧，后退半步，手握文件，目光躲闪。
- C 坐在后方，抬眼观察，不急着说话。
动作差异不需要夸张，但必须可区分。短剧镜头往往只有几秒，观众需要在第一眼认出谁是谁。站位、朝向、手部动作、视线方向，都是比服装更稳定的识别信号。
分身兜底：把禁止项写进约束包
多人场景应在镜头提示词末尾加入兜底约束。它不是创作亮点，而是防事故的安全带。
建议覆盖以下内容：
- 每个角色只有一张清晰可辨认的脸。
- 禁止同一人物重复出现。
- 禁止角色之间互换服装、发型和五官。
- 多人不要使用镜像式对称动作。
- 面部稳定，手部自然，画面无水印、无额外文字。
- 非写实画风要保持风格统一，不要突然变成真人质感。
这类兜底要放在本场镜头说明之后，作为统一约束包。它不能替代前期定妆和角色绑定，但能在生成阶段降低复制人概率。
需要强调的是，提示词里的参考代号主要靠规范引导，不会替创作者做二次硬拼。正式提交前，仍应人工检查参考代号、角色名和动作归属是否齐全。
重拍时不要只点“再来一次”
多人镜头出问题后，最浪费成本的做法是原样反复生成。同一个提示词、同一组参考图、同一种动作描述，连续抽卡只会重复同类错误。
更有效的重拍顺序是：
- 查绑定：确认每个称呼都绑到了正确角色。
- 查参考图：确认场景、道具、人物图状态完整，没有混入半成品。
- 查外观描述：删除与参考图重复的服装、发型、五官描写。
- 查动作：给每个角色不同动作、站位和视线。
- 查兜底：补充分身、双胞胎、换装、镜像动作禁止项。
- 再生成新 take：保留历史版本，择优使用。
这和真实片场的逻辑一致：不是让演员“再演一遍一模一样的”，而是导演先调整调度、走位和台词重点，再拍下一条。
哪些情况不要硬拍多人镜头
有些多人场景本身就不适合一次生成，硬拍只会增加返工。
以下情况建议拆分：
- 超过三人同时做复杂动作。
- 需要多人快速打斗、追逐、拥抱、转身等高动态。
- 角色之间有大量遮挡和换位。
- 必须展示清楚每个人的微表情。
- 同一镜头里既有主演又有大量群演。
可以拆成“全景建立空间”“近景拍反应”“特写拍关键动作”，再在剪辑阶段组合。竖屏短剧本来就依赖快节奏切换，不必执着于一镜到底。
也要承认：当前产品单元是“单场多模态参考到单段成片”，不做跨场自动续写或延长视频的产品化工作流。约 10 秒的场块是工程启发式，不是时间码精剪；复杂群像的精剪、串场和节奏，仍需要后续剪辑环节完成。
从“抽卡”回到“调度”
多人场景的双胞胎问题，不能靠某一个神奇参数解决。它考验的是整条链路是否把短剧工业里的基础工序做扎实：先有稳定角色，再有清晰绑定；先有参考图纪律，再有镜头动作；先有约束兜底，再多 take 择优。
系统能做的，是把这些重复、易漂移、易失控的步骤固化成可检查的流程；但谁是主角、谁该站左、谁该先动、哪一条 take 能用，仍然是人来判断。
一致性靠资产，不靠运气。群像戏尤其如此。
常见问题
为什么 AI 短剧多人同框总是出现双胞胎？
通常是因为角色绑定不清、参考图顺序混乱、多人动作描述过于相似，以及提示词缺少分身兜底。模型无法稳定区分多个主体时，就容易生成相似脸、重复人和镜像动作。
多人场景里参考图应该怎么排？
建议按场景图、本场道具图、人物定妆图的顺序进入镜头说明。先确定环境，再确定关键物件，最后绑定人物，有助于减少角色外观扩散和串戏。
有了人物定妆图，还要在提示词里写服装吗？
不要。有参考图的人物，应禁止再用文字描写服装和外观；文字只写动作、表情、伤情、站位和视线，否则容易与参考图冲突，造成换装或撞脸。
AI 短剧多人镜头重拍时先改哪里？
先查角色绑定，再查参考图是否完整，然后删除重复外观描述，给每个角色分配不同动作，最后补充分身、双胞胎、换装和镜像动作禁止项，再生成新的 take。
所有多人场景都适合一次生成吗？
不是。超过三人复杂互动、高动态打斗、大量遮挡换位，或需要同时看清多人微表情的镜头，建议拆成全景、近景和特写，再通过剪辑组合。
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