一個做古風短劇文生圖的客戶找到我，她跟我吐槽，舊版的指令，每次生成的畫面人物外形飄忽不定，同一個女主，這一幀是高髻玉簪，下一幀變成散發(fā)，服裝顏色也對不上，根本沒法用。

我看了她用的舊版指令，問題很集中，出在三個地方，也是我優(yōu)化的主要發(fā)力點。

1、人物描述分散在劇情里，AI每次都在"猜"

通用指令的寫法是跟著劇情走，人物描述混在場景里，這一句寫背景，那一句順帶提一下服裝，AI每次讀取的信息是碎的，生成時自然會"腦補"補全，補出來的結果就是每次都不一樣。

我給她定制的新指令，核心改動是把人物外形從劇情里剝離出來，單獨建立視覺檔案，性別、年齡、發(fā)型、服飾、氣質，每一項都固定死，寫成標準格式，不允許模糊描述。

檔案建好之后，后面每一條畫面提示詞都強制調用這份檔案，不是"婉婉走進來"，而是"一位少女（18歲，黑長發(fā)高髻、淡玉簪，穿著月白色淡雅長裙，神情冷漠）走進來"，完整描述跟著人物走，AI沒有發(fā)揮空間。

2、提示詞結構不統(tǒng)一，場景信息缺失導致畫面飄

她用舊版指令跑出來的畫面提示詞格式不統(tǒng)一，長短不一，有的只寫了動作，有的只寫了環(huán)境，沒有固定結構，AI生成時會隨機填充缺失的信息，風格和光影每張都在變。

我在指令里加了場景結構模板，強制要求每一條畫面的提示詞必須包含五個要素：人物含括號描述、動作加神態(tài)、時間光影、背景環(huán)境、鏡頭語言，缺一不可。

這樣每條提示詞的信息密度是齊的，AI生成時沒有可以自由發(fā)揮的空白，畫面風格才能穩(wěn)下來。

3、沒有空鏡頭規(guī)范，非人物畫面處理混亂

短劇里有大量轉場和空鏡，比如院落、燭光、馬車遠景，這類鏡頭原來的指令沒有專門的寫法，客戶要么跳過，要么隨便寫幾個字，生成出來的空鏡和主鏡頭風格完全對不上。

我加了空鏡頭的標準寫法，遇到無人畫面，格式固定為"無人，空鏡頭，……"，后面照樣寫完時間光影和背景環(huán)境，保持和主鏡頭一致的信息結構，整體視覺才連得上。

優(yōu)化前（客戶用的舊版指令）："婉婉站在院子里，天色將暮，她看著遠處發(fā)呆。"

優(yōu)化后（定制指令輸出）："一位少女（18歲，黑長發(fā)高髻、淡玉簪，穿著月白色淡雅長裙，神情清冷疏離）靜立院中，側身望向遠處，黃昏暖光從側面打來，青磚院落、遠山剪影，中景構圖，逆光側拍。"

客戶用新的指令跑了一組50張連續(xù)畫面，人物外形一致率顯著提高。文生圖的人物一致性，不是靠模型記憶，是靠指令把信息鎖死。