AI 短剧参考图槽位分配：为什么顺序错了就会换脸、串戏、道具失忆
AI 短剧里参考图翻车，往往不是图不够多，而是槽位顺序错了。场景、道具、人物按固定优先级占位，文字只补动作和表情，才能让模型每一场都在拍同一部戏。
参考图是槽位，不是素材堆
很多团队第一次用 AI 拍短剧，会把所有能找到的图一股脑塞进去：人物立绘、场景照片、道具参考、风格图、甚至剧照。结果反而更容易出问题——人物换脸、服装漂移、道具凭空出现或消失，场景里冒出不该有的人。
问题不在参考图数量，而在槽位顺序。
参考图绑定本质上是给每场戏分配有限的视觉约束位。模型在生成单场视频时，能稳定跟随的参考信息是有上限的。谁先占槽、谁后补位、谁没图就只用文字，决定了这一场最终听谁的。
故事档案是一份贯穿全剧的结构化设定记录，包含人物身份、当前状态、人物关系、每条伏线的开启与收束状态、按集出场表和分批剧情纪要。它让第 100 集还记得第 1 集埋了什么；而参考图槽位，决定的是第 1 场和第 100 场拍出来的是不是同一个人、同一个房间、同一件关键道具。
固定顺序：场景 → 道具 → 人物
专业流程里，每场戏的参考素材表按一个固定顺序构建：
- 场景图：先定空间。这一场发生在哪里，内景还是外景，白天还是夜晚。
- 本场道具图：再定这一场必须出现或不能出现的物件。
- 人物定妆图：最后放本场出场角色的定妆立绘。
这个顺序不是随意排的，它对应着 AI 视频生成时视觉注意力的分配逻辑：先建立环境，再放入关键物件，最后让人物在这个环境里行动。
| 槽位 | 作用 | 常见翻车 | 正确做法 |
|---|---|---|---|
| 场景图 | 锁定空间、光线、内外景、日夜 | 每集房间长得不一样；外景变内景 | 场景图严禁出现人物；一场景一张主图 |
| 道具图 | 锁定关键信物、武器、文件、手机等剧情物件 | 道具失忆、关键证据换样子 | 只绑本场出现的道具，无关道具排除 |
| 人物定妆图 | 锁定面容、服装、造型、时代感 | 换脸、换装、穿越造型错乱 | 有参考图的人物，文字不再描写服装外观 |
有图才占槽位，无图标明「仅文字」，不要强行编造绑定。 缺一张场景图，宁可先补画再拍，也不要随手拿一张风格接近的图凑数——凑数的图会把模型带偏到另一个空间里。
为什么人物要放在最后
这是最容易被搞反的一点。很多人直觉上觉得人物最重要，应该把人物图放第一个。但在单场视频生成里，人物图如果过早、过多地占据视觉锚点，模型会倾向于把人物特征「糊」到整个画面上：背景里出现同款衣服的路人、墙上的画像长成主角的脸、甚至场景本身被人物色调污染。
正确的逻辑是：
- 场景图先把「舞台」搭好：房间的结构、窗外的光线、家具的位置。
- 道具图把「戏眼」放进去：那封遗书、那把钥匙、那部手机，是这场戏剧情推进的支点。
- 人物定妆图最后让「演员」上场：在已经确定的空间和道具之间，人物只需要做动作、说台词、出表情。
这和真实片场的工作顺序是一致的：美术先布场，道具师摆好物件，演员穿着定妆好的衣服走进来开拍。没有人会让演员先站在绿幕前，再凭空想象房间长什么样。
有图不写外观：最硬的一条规则
参考图绑定里有一条优先级最高的约束，值得单独拎出来：
有参考图的人物，禁止再用文字描写服装 / 外观；以参考图为准，文字只写动作、表情、伤情。
这条规则直接针对 AI 短剧最经典的翻车模式：提示词里写了「穿着红色连衣裙的女人」，参考图里她穿的是黑色风衣。模型在两套指令之间摇摆，结果可能是红裙子黑外套混搭，也可能直接换了一张脸。
同理，有场景图就不要在提示词里重复描述房间的装修风格；有道具图就不要用大段文字去刻画道具长什么样。文字的工作是调度，不是重复美术设定。
| 情况 | 错误写法 | 正确写法 |
|---|---|---|
| 有人物定妆图 | 「穿着黑色风衣、长发披肩的林晚推门进来」 | 「林晚推门进来，眉头紧锁，手里攥着病历袋」 |
| 有场景图 | 「在一间北欧风、白色沙发、落地窗的客厅里」 | 「客厅里，窗帘被风吹动」 |
| 有道具图 | 「桌上放着一封泛黄的、盖着红印章的旧信」 | 「桌上的旧信被风吹动一角」 |
文字省下的篇幅，全部留给动作细节、镜头运动、情绪变化——这些才是参考图画不出来、必须靠语言调度的部分。
道具：只绑本场，不要全剧堆砌
道具是最容易被过度绑定的槽位。一部短剧里可能有几十件道具：手机、车钥匙、合同、玉佩、药瓶、刀……如果每场都把全部道具图塞进去，模型会不知道这一场的视觉焦点在哪里，可能让角色凭空掏出一件根本不在这场的东西。
正确做法是用「道具师」的视角工作：
- 每场只提取本场剧本里实际出现的道具。
- 全剧道具合并成统一目录，按集管理，不丢集、不串集。
- 支持手动纳入 / 排除：某件道具虽然在目录里，但这一场不该出现，就明确排除。
- 道具称呼以剧本原始叫法为准，不要在提示词阶段重新命名（剧本里叫「那封信」，就不要改成「泛黄的旧信件」）。
关键道具（比如贯穿全剧的玉佩、遗嘱）一旦定妆，后续每一次出现都绑定同一张参考图，不要重新生成、不要换版本。这是道具不「失忆」的唯一办法。
人物绑定：处理称呼、客串和时代造型
人物槽位的坑主要在三个地方：
第一，剧本称呼和档案姓名不一致。 剧本里可能写「警官」「那个女人」「他」，但档案里角色叫「李强」。这时需要手动做角色绑定，把剧本指代映射到档案里的具体人物，再拉取对应的定妆图。系统可以辅助识别，但最终确认在人。
第二，群演和泛指角色不要占主演槽位。 「围观群众」「保安甲」「服务员」这类角色，不需要单独出定妆图，也不应该挤占主演的参考位。把他们从可绘制主演名单里剥离，用文字带过即可。
第三，穿越 / 闪回 / 年代戏的时代造型路由。 同一个人物在现代场景和古代场景里造型不同。专业流程会按场景地点关键词判定时代，取人物定妆图时优先匹配对应造型版本。不要让古装戏里的角色带着现代发型出场，也不要让现代戏里的人穿着古装在街上走。
缺图怎么办：可以跳过，但要知道代价
开拍前应该做齐套校验：生成提示词前，检查这一场缺不缺场景图、缺不缺道具图、缺不缺人物定妆图，弹出清单引导先去绘制。
但参考图不是强制门禁。缺图时允许跳过，走纯文字路径——只是质量通常更差，尤其是人物一致性会明显下降。专业流程的原则很简单：
- 主角定妆图：尽量不要缺，这是一致性的底线。
- 主场景图：尽量不要缺，否则每集空间都在漂。
- 一次性道具、群演、过场场景：可以用文字兜底。
如果选择跳过，就在提示词里接受这个事实，不要既不给图又要求「和上一场完全一致」——这是模型做不到的。
诚实边界：参考图解决不了什么
参考图绑定是一致性的核心机制，但它不是万能钥匙，有几件事它做不到，必须提前知道：
- 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本身的质量，以及提示词是否严格遵守「有图不写外观」。立绘画崩了，绑定再正确也救不回来。
- 参考图槽位有上限。 不是塞得越多越好，超过模型能稳定跟随的数量，反而会互相打架。按场景 → 道具 → 人物的顺序占位，无关图一律排除。
- 提示词里的参考代号靠规范引导，不做二次硬拼。 创作者在审词环节仍应确认参考代号齐全、对应正确，不要完全放手。
- 参考图不是真人照片的替代品。 如果参考图被识别为疑似真人照片，应改用平台绘制链路重绘定妆，再进入拍摄，不要直接拿真人照片当参考。
一致性靠资产，不靠运气。把场景搭好、道具摆对、人物定妆锁定，再让文字只做调度——这不是保守，这是让 AI 每一场都在拍同一部戏的前提。
把重复的、易漂移的、易失控的部分变成可约束的流水线，审美判断仍然坐在人这边。在猫斯卡（www.maosika.com）里，参考图绑定、槽位顺序、有图不写外观的规则，以及开拍前的齐套校验，都被固化进了从定妆到场块出片的流程里；但哪些道具该出场、哪张定妆图更符合角色、哪一场需要补画，判断始终在创作者手里。
常见问题
AI 短剧参考图为什么要按场景、道具、人物的顺序绑？
因为这个顺序对应视觉注意力的分配：先定空间，再放关键物件，最后让人物在已确定的环境里行动。顺序反了容易出现人物特征污染背景、道具失忆、场景每集不一样的问题。
有参考图之后，提示词里还要描写人物长相和服装吗？
不要。有参考图的人物，文字只写动作、表情、伤情，不再重复描写服装和外貌。文字描述和参考图打架，是换脸、换装最常见的原因。
一场戏可以塞多少张参考图？
每场绑定多张参考图，按场景 → 道具 → 人物的顺序占位，有上限。不是越多越好，只绑本场实际需要的，无关道具和角色一律排除，避免模型注意力被分散。
缺场景图或道具图能不能直接开拍？
可以跳过走纯文字路径，但质量通常更差，尤其是人物一致性和空间稳定性会下降。专业流程建议主角定妆图和主场景图尽量先补齐，再进入拍摄。
穿越或闪回戏怎么处理同一个人物的不同造型？
按场景地点关键词判定现代 / 古代等时代，取人物定妆图时优先匹配对应造型版本。同一个人物需要为不同时代各出一套定妆，不要用一张图硬套所有场景。
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