用户为什么需要这个方案
人物每集换脸、宫殿每集换样、光色在镜头之间跳动——单看每张图都成立,连起来不是同一个世界。

人物每集换脸、宫殿每集换样、光色在镜头之间跳动——单看每张图都成立,连起来不是同一个世界。
把剧本先拆成角色与场景两类资产,人物按基准图复用、场景从底图派生,再用图生视频把确定的画面推成运动。
古风短剧的产能瓶颈不在生成速度,在跨集复用。一张图生成得再快,如果第 20 集的主角不是第 1 集那张脸,前面 19 集的工作都要重做。所以这套流程要解决的不是「怎么出一张好看的图」,是「怎么让第 30 个镜头和第 1 个镜头属于同一个人」。
动手之前先把剧本拆成两类资产:角色和场景。角色按正面、侧面、半身、特写四个机位各留一张基准图;场景按全景、中景、局部各留一张底图。这一步做完,后续每一集只是调用资产,不是重新创作。反过来做——每集都从提示词开始写——等于每集都在重新定义这部剧长什么样。
角色基准图里真正要固定的是形制。本站作品《虞美人:舞袖扶摇揽京华》的做法是先锁定舞姬的身份、服装、妆造与时代氛围,再进入镜头生成;发冠、领口、袖型这三处写进固定的角色描述,每集开头复用同一段文字,而不是凭记忆重述。这三处是古风造型里信息密度最高、也最容易在两次生成之间跑偏的地方。
相关页面《虞美人:舞袖扶摇揽京华》
场景同理。虞美人围绕京华、舞台、宫阙、街巷建立统一的视觉基准,同一座宫阙先出一张全景底图,机位变化从这张底图外扩或局部重绘派生,不要每个景别都重新生成。两集之间换三次宫殿的形制,观众未必说得出哪里不对,但会感觉不是同一个世界。
镜头生成走图生视频,不走文生视频。文生视频每次都在重新解释你的描述,人物自然会漂;图生视频的输入是一张已经确定的画面,模型只需要把它推成运动。本站教程《用一张图生成短剧镜头视频》讲的就是这一步,配合《角色一致性:人物图、参考图和镜头复用》与《影视画布:从剧本到分镜节点》两篇,构成从人物到场景到镜头的完整链条。
这套流程的边界要说清。它适用于需要连续多集、且人物与场景高度重复的题材;如果是一部单集短片,固定资产的前期投入收不回来,直接写提示词更快。另外,服饰与器物的考据仍然需要人工判断——模型不会告诉你唐代的幞头和宋代的差别,它只会把两种都生成得很像。
Video Slices
正面、侧面、半身、特写各留一张,之后所有镜头从这四张出发。
同一场景只出一张全景,机位变化用外扩或局部重绘派生。
按景别与动作拆节点,每个节点只回答一个画面问题。
用已确定的画面推运动,不用文字重新描述一遍。
Bilibili Pack