AI 短剧场景为什么会「漂移」：从定妆到分场的资产纪律
AI 短剧场景漂移，本质是把「场景」当成了每集现写的文字描述，而不是像人物一样先定妆、再引用。解法是给场景建立可复用的视觉资产，并在拍摄时禁止文字再去改写它。
场景漂移不是「模型画错了」，是流程漏了一道锁
很多团队第一次做 AI 短剧，会把精力全放在人物不换脸上：主角先出定妆图，每场绑参考，提示词里反复强调「同一人」。结果人物稳住了，场景却开始飘——同一间客厅，第 2 集成了冷色调极简风，第 5 集沙发换了方向，第 8 集墙上突然多了一幅不存在的画。
观众不会用「一致性」这种词来吐槽，他们只会觉得「这剧看起来很便宜」。
场景漂移是指：同一处剧本地点，在不同集、不同场块之间，其空间结构、陈设、色调、光线方向出现无剧情依据的变化。
它和人物换脸是同一种病，只是病灶换了位置：人物有定妆链路兜底，场景往往没有。
三类漂移，对应三个没做的动作
| 漂移类型 | 观众看到的现象 | 根因 | 没做的动作 |
|---|---|---|---|
| 结构漂移 | 客厅 L 型变一字型、门窗位置变了 | 提示词每次重写空间布局 | 没有锁定一张场景立绘作为唯一参考 |
| 陈设漂移 | 沙发颜色变了、桌上多了花瓶、挂画换了 | 模型自由发挥填充细节 | 没有把「本场道具」从「场景固定陈设」里拆出来 |
| 光影漂移 | 日戏拍成夜戏、暖光变冷光 | 镜头提示词里的光影描述和场景设定打架 | 没有把日夜 / 内外作为结构化字段，而让模型猜 |
表里三类问题，归结到一句话：场景没有被当作资产，而是被当作描述。
人物之所以能稳，是因为流程里有「定妆图 → 每场绑定 → 文字不再描写外观」这条纪律。场景要稳，也必须走同一条路。
场景立绘：给地点也拍一张「定妆照」
人物定妆大家都懂：先出一张立绘，确认脸、发型、服装、气质，之后所有场次都引用这张图。
场景定妆的逻辑完全一样：
- 一场景一张立绘，剧本里出现的每个关键地点（主角家客厅、公司办公室、医院走廊、古代书房）都单独出图。
- 空镜纪律：场景图里严禁出现人物。人物一旦入画，后续绑参考时模型会把「人物站位」也当成场景的一部分，导致换演员就换布局。
- 从剧本结构化解析地点，不靠手填表格。场次信息里的「内 / 外 | 地点 | 日夜」是硬字段，日戏夜戏、内景外景不交给模型临场判断。
- 画风统一：人物、场景、道具共用同一条风格路径，避免「人物是日漫、场景变写实」的断层。
场景立绘确认后，它就是这个地点在整部剧里的唯一视觉真相。后续所有写到这个地点的场次，都引用这张图，而不是每次重新写「一个现代简约的客厅，有落地窗和灰色沙发」。
参考图映射：场景、道具、人物各占各的槽
场景定妆只是第一步，真正决定会不会漂移的是每场戏的参考图怎么排。
工程化的做法是，每场自动构建一张参考素材表，顺序固定：
场景图 → 本场道具图 → 人物定妆图
这个顺序不是随便排的，它解决的是「谁压过谁」的问题：
- 场景图排第一：告诉模型「这间房长这样，别重新设计」。
- 道具图排中间：本场剧本里出现的、会被演员拿在手上或放在桌上的关键物件（手机、合同、玉佩、刀），单独出图、单独绑定，和场景的固定陈设分开。
- 人物定妆图排最后：告诉模型「谁在这间房里」。
这里有一条和人物侧完全对称的硬纪律，值得单独拎出来：
有参考图的场景，禁止再用文字描写空间结构与固定陈设；以参考图为准，文字只写人物动作、表情、道具互动和光影氛围。
违反这条的典型翻车：提示词里写了「一个暖色调的温馨客厅，墙上挂着全家福」，但场景参考图是冷色调极简风、墙上没挂画——模型会在两者之间和稀泥，结果就是哪头都不像。
道具师视角：把「会动的东西」从场景里拆出来
陈设漂移最常见的诱因，是把「本场出现的道具」混进了「场景的固定装修」。
举个例子：第 3 集客厅桌上有一份离婚协议书，第 7 集同一张桌上有一束花。如果协议书和花都被写进场景描述，模型会认为它们是客厅的一部分，从此每集桌上都长协议书、都开花。
正确做法是用「道具师」的视角处理：
- 按集提取剧本里的道具原始称呼，全剧合并成一份道具目录，不丢集。
- 道具单独出立绘，单独绑定到具体场次。
- 每场支持手动纳入 / 排除道具——这集出现的才绑，没出现的不占参考槽位。
- 场景立绘只管「不动的东西」：墙、地、窗、固定家具、硬装。
把「会动的」和「不会动的」拆开，场景才不会被每集的剧情道具污染。
场块粒度：别让一整集的场景描述挤在一个提示词里
场景漂移还有一个容易被忽略的放大器：场块太粗。
如果一集 1–2 分钟的内容被当成「一个大场景」丢给模型，提示词里要同时交代客厅、门口、厨房三个位置，模型只能在一张图里硬塞，或者自己编一个折中空间。
工程化的切分是把剧本切成约 10 秒一个的视频场块，每场独立提示词、独立参考图、独立成片：
- 正文超过约 200 字就按动作节拍再拆。
- 群演和泛指角色从主演定妆名单里剥离，不挤占参考槽位。
- 用户看到的是「第 3 集 → 场 1、场 2、场 3……」，像剪辑台上的 clip 列表，而不是一整集一个大黑盒。
粒度对了，每个场块只需要描述「这个 10 秒里，谁在这间房的哪个位置做什么」，场景本身不需要再被介绍一遍——因为参考图已经替它说了。
镜头提示词里，光影是唯一允许「改写」场景的维度
场景立绘锁定了结构和陈设，但有一件事它锁不住：光。
同一场客厅，日戏是自然光从落地窗进来，夜戏是暖黄台灯加窗外冷色，争吵戏可能是顶光硬阴影。光影是剧情语言，必须允许随场次变化。
所以在提示词的八大要素里，光影色调是唯一可以、也应该在场次层面重新指定的维度。但要注意两件事：
- 只写光，不写空间。「暖黄台灯光，人物侧脸半明半暗」是合法的；「一个暖黄色调的温馨客厅」是非法的——后者会让模型重新想象客厅。
- 一镜一运镜，不要在单个镜头里堆「先推再摇后拉」，动作越复杂、光影越跳脱，场景结构越容易被带歪。
系统在教模型用分镜表语言说话，而不是写小说。
诚实边界：场景稳到什么程度，取决于你做了多少
讲完解法，也要把做不到的地方说清楚：
- 参考图不是强制门禁。缺场景图时系统会提醒，但允许跳过走纯文字路径——这种情况下场景漂移几乎是必然的，专业流程应该先定妆再开拍。
- 约 10 秒的场块是工程启发式，不是时间码精剪。超长场会再拆，但仍可能出现偏长的块，精剪与串场需要后续剪辑环节。
- 角色与场景一致性依赖定妆资产链路，不是人脸或几何嵌入校验。最终观感仍取决于立绘质量，以及提示词是否遵守「有图不写外观」。
- 当前不做跨场自动续写 / 延长视频的产品化工作流，产品单元是「单场多模态参考 → 单段成片」。
一致性靠资产，不靠运气。场景和人物一样，先定妆、再引用、不重写——这三条做到了，同一个客厅就不会拍出三个样子。
---
猫斯卡是 AI 竖屏短剧生产操作系统，把「场景立绘 → 参考图映射 → 场块切分 → 镜头提示词」这条链路固化进了产品：17 套画风手册统一美术语言，每场按「场景 → 道具 → 人物」顺序绑定参考，有参考图的场景禁止文字再描写外观，剧本自动切为约 10 秒场块独立出片。把重复、易漂移、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。
常见问题
为什么我给场景写了很详细的文字描述，出来还是每次都不一样？
因为文字描述每次都被模型重新「想象」一遍，没有任何机制保证两次想象的结果相同。稳定的做法是出一张场景立绘作为唯一参考，后续场次只引用这张图，文字不再重复描写空间结构和固定陈设。
场景图里能不能带人物？
不建议。场景立绘应该是空镜，人物一旦入画，模型会把人物的站位、姿势甚至服装颜色当成场景的一部分，后续换演员或换动作时容易连带改变场景布局。
每集桌上的道具不一样，怎么避免被模型当成场景的一部分？
把「会动的」道具从「不动的」场景里拆出来：场景立绘只管硬装和固定家具，道具按集单独出图、单独绑定到具体场次，没出现的道具不要占参考槽位。
日戏和夜戏用同一张场景立绘会不会冲突？
不会。场景立绘锁定的是结构和陈设，光影是在场次层面的提示词里单独指定的。只写光的方向、色温和强度，不要重写空间描述，就能在同一场景里打出不同的戏剧光。
场块切多细才合适？
目标粒度约 10 秒一个场块，正文软上限约 200 字。超过就按动作节拍、空段、句号再拆。粒度越细，每个场块的参考图和提示词越聚焦，场景越不容易漂移。
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