之前接了個做古風短劇的單子，對方手里有一部宋朝背景的古風小說，想把原著場景逐段轉(zhuǎn)成文生圖提示詞，做成分鏡素材，再配合短視頻剪輯出來。

她之前自己試過，跑了十幾張，人物造型每張都不一樣，有的頭發(fā)散了，有的服飾變成了明朝款，有的背景莫名出現(xiàn)了玻璃窗，整體看下來根本不是同一部劇。

我看了她原本的指令，問題出在三個地方：

第一沒有建立固定的人物視覺檔案，每次描述人物靠臨時發(fā)揮；

第二沒有約束畫面朝代風格，AI默認走它對"古風"最寬泛的理解；

第三沒有規(guī)定提示詞的結構，輸出格式有點隨機，不適合批量用。

這三個問題，是古風文生圖指令里最典型的坑，也是最容易被忽視的。

我給她重新做了一套指令，核心思路分享一下：

1. 人物視覺檔案是地基，不是備注。

多人物的古風小說，最難控制的就是人物一致性。你跟AI說："歐陽春，女主，黑發(fā)"，AI每次生成對這三個字的理解都不同，發(fā)型、服飾、年齡感全靠它自由發(fā)揮，跑出來的圖里同一個人可以有五種長相。

解法是在指令最前面強制建立一份人物視覺檔案，格式鎖死到具體參數(shù)：年齡、發(fā)型款式、發(fā)飾、服裝顏色、材質(zhì)、款式，外貌特征一條不漏。

然后規(guī)定一條死命令：只要畫面里出現(xiàn)這個人物，必須在名字后緊鄰位置用括號重新復述一遍完整描述，哪怕上下句只隔一個逗號，也要重復。這不是啰嗦，是給AI每次生成鎖一次視覺坐標，不重復就會飄。

2. 朝代風格約束要落到"禁止清單"，不能只靠正向描述。

你在指令里寫"宋朝風格"，AI會給你古風，但它對"古風"的理解邊界很模糊，漢唐宋明清可能混著用，偶爾還會串入現(xiàn)代元素?？蛻裟桥鷪D里出現(xiàn)玻璃窗，就是這個原因。

正向描述告訴AI要什么，但AI在生成時會自動填充它認為"合理"的細節(jié)，這些細節(jié)往往就是出戲的來源。

所以指令里必須同時加一份硬性禁止清單，把所有可能破壞朝代感的元素逐一列出來，比如現(xiàn)代城市、玻璃、霓虹燈、手機、槍械、科幻光效，明確寫禁止出現(xiàn)，不是"盡量避免"。一旦變成禁令，AI在生成時的自由發(fā)揮空間就被壓縮了，出戲概率會明顯降低。

3. 提示詞結構必須標準化，批量使用才能穩(wěn)定。

古風短視頻的分鏡素材，少則幾十張，多則上百張，如果每張?zhí)崾驹~的結構都不一樣，生成結果的風格一致性就很難控制，后期剪輯也會發(fā)現(xiàn)畫面之間銜接感差。

我在指令里定了一個固定句式：人物加括號描述，接具體動作和神態(tài)，接時間和光影，接背景環(huán)境，最后是鏡頭語言和視角。

每一條提示詞按這個順序走，不斷行、不回車，一段小說內(nèi)容對應一行輸出。遇到純景物或特寫物品的空鏡頭，開頭強制標記"無人+空鏡頭"，和有人物的畫面做區(qū)分。結構固定之后，批量跑出來的提示詞在形式上是整齊的，AI處理的規(guī)律性也更強，生成結果的風格漂移明顯減少。

客戶用新指令跑了第一批二十張分鏡，發(fā)給我看了幾張，歐陽春的發(fā)型和服飾在每張圖里是一致的，背景維持在宋朝院落場景，沒有出現(xiàn)朝代錯亂。

她說這是她做這個項目以來，第一次覺得可以批量用，不用逐張去手動修改提示詞。后續(xù)她在這套指令基礎上繼續(xù)擴展了配角的視覺檔案，跑了第二批，穩(wěn)定性還在。