最近接了个做文化演出的客户，他们团队正在筹备一部以《红楼梦》为题材的大型舞台剧，想用指令辅助生成可供主创参考的剧本初稿。他们之前试过通用指令，让AI写“黛玉进贾府”这场戏，生成出来的东西读着完全不像舞台剧，更像是小说改写。
没有舞台提示，没有灯光调度，对话平铺直叙，人物上场下场没有任何视觉设计感，群演和丫鬟婆子只是背景板，根本无法指导实际排演。他们自己改了三稿，越改越觉得方向不对。
他们遇到的问题，本质上是用写小说或小剧场的逻辑，去生成大剧院文本。两者之间有几个根本性的差异。
大剧院的观众距离舞台远，演员的每一个动作、每一次灯光变化，都需要在文本层面有明确的设计指令，否则导演和演技指导根本无从落地。而通用指令生成的剧本，对这些执行层面的细节几乎完全忽视。
另一个差异是群像调度。大型舞台剧不只是几个人的对话，歌队、群演、丫鬟婆子这些群体力量，是构成“贾府规矩、阶层壁垒”等主题最直接的视觉语言。通用指令不知道如何处理这些群体，生成出来的剧本里他们要么缺席，要么只是两个字的通报台词。
我在指令里做了两个层面的核心设计。
第一个层面：把“视觉思维“写进角色设定和场景描述里。
通常指令只要求生成台词和动作，但大型舞台剧的文本需要在每一个关键节点，同时回答导演、灯光设计、舞美、演员四个对象的问题。因此我在指令里要求每一场景开头必须包含：布景状态、灯光起始氛围、群演调度站位、主要道具的位置。这不是装饰性的内容，而是让整个文本从一开始就具备可排演性。
以“宝黛初会”这场戏为例，通用指令生成的版本只写“宝玉进来，看到黛玉，感觉似曾相识”。
用这套指令生成的版本，要求在宝玉登场时，音乐切换为轻柔的笛声，灯光聚焦在两人身上并让全场静止，同时用舞台提示注明“灯光渐暗，只留两束追光，渐渐拉长交错”来收尾这场戏。这种视觉节奏的设计，是让这场戏能在大剧院里真正感动观众的关键。
第二个层面：把“群像功能”作为独立的设计模块前置。
我在指令里专门设立了一个“群体/歌队设定”的输出板块，要求明确说明群演代表什么力量，他们的形象基调是什么，在哪些场次里他们的调度需要具备雕塑感或爆发性动作。这一设计彻底改变了群演在剧本里的位置，从可有可无的背景，变成了推动主题的视觉力量。
在“黛玉进贾府”这个剧本里，仆人婆子们的设计是“如同雕塑般一动不动”，通过这种静态的群体形象，外化贾府规矩的压迫感，与黛玉孤身入府的脆弱形成对比。这不是台词能做到的，是群演调度赋予的。
此外，指令里还要求每一个高潮场景必须包含一次震撼的舞台效果。宝玉摔玉这个关键情节，指令要求配合“啪”的脆响音效、追光骤然聚焦在通灵宝玉落地处，用声音和光线的突变，将整个荣庆堂的气氛瞬间凝固。这种“视听高潮”的设计要求，是让生成的剧本文本真正具有剧场感的核心机制。
用通用指令生成的版本，王熙凤出场的描写是：“王熙凤走进来，穿着华丽，对黛玉说：你就是林妹妹吗？真是标致。”这完全丢失了原著里那个经典的“未见其人先闻其声”的剧场时刻，也没有任何关于灯光如何配合这个强势登场的设计。
用这套定制指令生成的版本，王熙凤登场前，先有一句画外音穿透屋内的沉闷气氛，接着灯光骤亮，指令明确要求追光聚焦在她身上，并在舞台提示里注明她的服饰配色和登场动势要形成“满屋亮堂”的视觉冲击。
这种设计直接告诉导演和舞美，这个角色的登场需要什么级别的技术配合，大幅减少了主创团队在排演阶段的沟通成本。
客户反馈，拿到这版初稿之后，导演第一次没有在“格式和视觉逻辑”上花时间，而是直接进入了对人物解读和台词打磨的讨论。这对一个剧本初稿来说，已经是很高效的起点了。
如果你也在做戏剧、演出、影视相关的内容创作，却总是卡在指令生成的文本“能读但不能演”这个问题上，不妨重新审视你的指令有没有真正把剧场的执行逻辑写进去。
热门跟贴