打开网易新闻 查看精彩图片

一个做古风短剧文生图的客户找到我，她跟我吐槽，旧版的指令，每次生成的画面人物外形飘忽不定，同一个女主，这一帧是高髻玉簪，下一帧变成散发，服装颜色也对不上，根本没法用。

我看了她用的旧版指令，问题很集中，出在三个地方，也是我优化的主要发力点。

1、人物描述分散在剧情里，AI每次都在"猜"

通用指令的写法是跟着剧情走，人物描述混在场景里，这一句写背景，那一句顺带提一下服装，AI每次读取的信息是碎的，生成时自然会"脑补"补全，补出来的结果就是每次都不一样。

我给她定制的新指令，核心改动是把人物外形从剧情里剥离出来，单独建立视觉档案，性别、年龄、发型、服饰、气质，每一项都固定死，写成标准格式，不允许模糊描述。

档案建好之后，后面每一条画面提示词都强制调用这份档案，不是"婉婉走进来"，而是"一位少女（18岁，黑长发高髻、淡玉簪，穿着月白色淡雅长裙，神情冷漠）走进来"，完整描述跟着人物走，AI没有发挥空间。

2、提示词结构不统一，场景信息缺失导致画面飘

她用旧版指令跑出来的画面提示词格式不统一，长短不一，有的只写了动作，有的只写了环境，没有固定结构，AI生成时会随机填充缺失的信息，风格和光影每张都在变。

我在指令里加了场景结构模板，强制要求每一条画面的提示词必须包含五个要素：人物含括号描述、动作加神态、时间光影、背景环境、镜头语言，缺一不可。

这样每条提示词的信息密度是齐的，AI生成时没有可以自由发挥的空白，画面风格才能稳下来。

3、没有空镜头规范，非人物画面处理混乱

短剧里有大量转场和空镜，比如院落、烛光、马车远景，这类镜头原来的指令没有专门的写法，客户要么跳过，要么随便写几个字，生成出来的空镜和主镜头风格完全对不上。

我加了空镜头的标准写法，遇到无人画面，格式固定为"无人，空镜头，……"，后面照样写完时间光影和背景环境，保持和主镜头一致的信息结构，整体视觉才连得上。

优化前（客户用的旧版指令）："婉婉站在院子里，天色将暮，她看着远处发呆。"

优化后（定制指令输出）："一位少女（18岁，黑长发高髻、淡玉簪，穿着月白色淡雅长裙，神情清冷疏离）静立院中，侧身望向远处，黄昏暖光从侧面打来，青砖院落、远山剪影，中景构图，逆光侧拍。"

客户用新的指令跑了一组50张连续画面，人物外形一致率显著提高。文生图的人物一致性，不是靠模型记忆，是靠指令把信息锁死。