AI 短劇多角色對話分鏡：過肩鏡頭、視線對齊與面部防混淆

為什麼單句提示詞畫兩個人必崩：特徵均化與特徵污染

許多創作者在初次嘗試使用 AI 制作短劇對話場景時，往往傾向於在同一句提示詞中描寫兩個角色：“一個穿着炭灰色定制西裝的冷峻男主角，與一個穿着墨綠色丝绸長裙的紅發女主角隔着餐桌激烈爭吵”。然而在文字生影片的擴散模型潛空間中，這種多主體描述幾乎必然引發灾难性的“特徵均化（Identity Averaging）”與特徵污染。在去噪生成的迭代過程中，兩個角色的潛在表征互相混淆，模型最終往往生成出兩張五官極其相似的“混血雙胞胎臉”，或者在運動過程中發生發色交換、服裝變形與性別模糊。

這一現象的根本原因在於跨註意力機制（Cross-Attention）在缺乏嚴格空間邊界框時的語義纠缠。當單句文本提示詞向模型的空間註意力層同時註入多個主體屬性（發色 A、發色 B、男性下颌線、女性颧骨特徵）時，註意力權重會被分散在整張畫面畫布中。一旦畫面中的人物開始做出動作或手势，註意力熱圖就會在坐標間發生漂移，導致男性的西裝吸附了綠色丝绸質感，或者女性的面部輪廓突然粗犷化。在專業制作工作流中，寄希望於模型在單次連續生成中同時維持兩個獨立角色的面部與服裝一致性，在工程層面上是不可靠的。

工程化解決這一瓶颈的正確路徑，絕不是不斷堆疊無意義的負面提示詞或祈求概率抽卡，而是將經過電影工業百年驗證的經典分鏡法引入生成式 AI。導演與分鏡師不再試圖把兩張清晰的臉強塞進同一畫面，而是將整場對白拆解為專屬於單人的攝影機機位：一個交代空間關系的雙人全景中景，隨後切換為交替正反打鏡頭的過肩鏡頭（OTS）與單人情緒反應鏡頭。通過讓每個生成節點僅綁定一個核心角色參考，從根本上隔離潛空間擴散權重，徹底杜絕特徵污染。

AI 對白的三段式分鏡覆蓋法則：過肩鏡頭與正反打鏡頭

專業的影視工業將雙人對話分解為四個核心機位，這一逻輯能夠完美遷移至 AI 分鏡畫布中。Shot 1 為“關系全景/中景（Master Two-Shot）”，確立兩人的物理位置與動作軸線，此時畫面的核心在於空間關系而非微表情特寫，運動幅度保持平穩克制；Shot 2 為“過肩鏡頭 A（OTS on Character B）”，攝影機越過角色 A 的肩膀對準角色 B，將畫面焦點、主光與角色參考圖全額綁定至角色 B；Shot 3 為“反打過肩鏡頭 B（Reverse OTS on Character A）”，鏡像反打，將焦點與參考圖全額鎖定至角色 A；Shot 4 為“反應特寫（Reaction Close-Up）”，剝離對方身影，捕捉單人情緒停顿。

成功生成 Shot 2 與 Shot 3 的核心工程技巧，在於如何描述前景中虛焦的肩膀。如果在提示詞中直白书寫“角色 A 的後背與肩膀”，擴散模型常常會在前景人物的後腦勺上生成出诡異的半張臉、多餘的耳朵或雜亂的發束。正確的寫法是使用攝影學抽象詞匯：over-the-shoulder shot, out-of-focus dark foreground shoulder silhouette in lower corner, sharp focus on [角色B]。通過將前景人物定義為純粹的“光學虛化物”而非“被描繪的人體”，有助於模型將面部去噪註意力聚焦在處於焦點位置的清晰面部上。

Shot 4（單人反應特寫）則是豎屏短劇制作中的秘密武器。9:16 畫幅天然具備極強的肖像聚焦屬性，反應特寫在手機屏幕上能夠傳遞極高密度的情緒張力。一個時長 2 秒、僅表現角色 A 咬緊下颌或神情震颤的單人鏡頭避免了次要主體的分散干扰，有助於保持較高的面部穩定性與畫面質感。更重要的是，在後期剪輯環節，反應鏡頭是不可替代的“剪輯緩衝阀”——它能夠自如地吸收音頻交錯剪輯（J-cut 與 L-cut），掩蓋不同生成片段間微小的停顿不均或視線跳跃。

基於 Say Action 畫布節點綁定與經典正反打鏡頭攝影語法整理；適用於 9:16 豎屏短劇制作。

在 Say Action 畫布中構建獨立角色節點與連線

在 Say Action 無限畫布中實現這套多鏡對話工作流，需要建立結構清晰的節點編排。首先，在畫布空白處建立兩個獨立的“角色參考節點”：一個對應角色 A，另一個對應角色 B。每個角色節點應包含經過確認的視覺基準圖片——通常包括一張正面中性表情肖像（0° 正視）和一張體現發型與颌骨立體感的半側面視角（45°）。這些初始基準圖可以在畫布中直接使用 Nano Banana 等圖像節點預先生成，或匯入已獲授權的人物概念圖。將兩人的視覺資產分別封存在獨立的畫布節點中，確保在渲染影片之前，提示詞種子與面部嵌入向量完全物理隔離。

接着，通過劇本節點將對話劇本轉化為可編輯的分鏡表。將該場景拆解為與前述四鏡覆蓋方案相對應的交替分鏡行。當為第 2 行（Shot 2：過肩鏡頭對準角色 B）創建影片節點時，從畫布中僅拉出一條連線，將角色 B 的參考節點接入影片節點的參考輸入插槽，選用 Seedance 2.5 或 MiniMax H3 進行生成；當為第 3 行（Shot 3：反打過肩鏡頭對準角色 A）生成時，僅連接角色 A 的參考節點。單鏡時長嚴格控制在 2 至 4 秒之間。短時長的模块化生成不僅能有效遏制動作後期的形變漂移，還能讓創作者精準掌控每個鏡頭的視線方向與面部反應。

這種解耦的畫布節點架構提供了極高的迭代安全性與預算控制力。如果 Shot 3 在生成時出現了不自然的頭部旋轉，創作者只需調整該節點的運動提示詞並單獨重新生成，不會影響已經通過审核的 Shot 1、Shot 2 與 Shot 4。生成點數按每個鏡頭的分辨率與實際秒數獨立計算，提交任務前系統會顯示清晰的預估扣減值。平臺計費與退款規則以產品文案為準：上游明確返回失敗時會退回預留點數；網絡狀態不明確的任務先保留待核對狀態，避免重複結算。 可用模型、分辨率與生成前的點數估算，請在創作頁面查看；最終扣費以提交前顯示的報價為準。 服務費用於工作臺，不包含模型用量；第三方 API 費用另付。

豎屏 9:16 分鏡中的 180 度軸線法則：視線鎖定與機位禁忌

在傳統橫屏電影中，越過 180 度動作假想軸線（即“跳軸”）會導致空間混亂；而在 9:16 豎屏短劇中，跳軸對觀眾體驗的破壞力更甚。由於手機屏幕極其狭窄，對話兩人的站位間距被視覺壓縮，觀眾完全依赖穩定的水平視線方向來判斷交流對象。如果角色 A 在 Shot 2 中看向畫面右側，而反打鏡頭中角色 B 同樣看向畫面右側，空間錯覺會瞬間瓦解——在觀眾的直覺認知中，兩人變成了朝着同一方向並排看，而非面對面交谈。

為了在 AI 生成的鏡頭之間構建嚴密的視線對應，必須在分鏡表的每一行中寫入極具約束力的註視提示詞。先將假想軸線確立在對話兩人的一側，並將所有機位嚴格鎖定在軸線的同一半圓內。在 Say Action 分鏡表中，將提示詞語法標準化：對於角色 A，明確輸入 eye level, facing screen-right, gaze directed slightly right of camera toward off-screen listener；對於角色 B，明確輸入 eye level, facing screen-left, gaze directed slightly left of camera toward off-screen speaker。強調“微偏離鏡頭（slightly off-lens）”而非“正側面 90 度”，既能保證面部充分受光展現演技，又能確保面對面對視的幾何真實感。

同樣不可忽視的是對話場景中的攝影機運動纪律。在動作戲中，大幅度的跟拍或摇臂運鏡令人驚叹；但在對白場景中，躁動的虛擬攝影機會徹底摧毁空間坐標錨點。在過肩鏡頭與正反打鏡頭提示詞中，嚴禁寫入“圍绕角色環绕旋轉（orbit）”或“快速橫摇（fast pan）”，因為擴散模型在處理環绕軌跡時極易在影片中途颠倒左右坐標。應恪守克制的運鏡規範：採用固定三腳架機位（locked-off tripod shot）或極慢速的微弱推鏡頭（slow subtle dolly-in, 0.5x speed），在強化情緒壓迫感的同時，絕不破壞空間軸線。

素材匯出與剪輯軟件音頻對齊：建立自然對白節奏

當所有對白鏡頭在 Say Action 畫布中生成完毕後，便可有序轉入後期剪輯階段。利用 Say Action 的本地優先資產管理機制，將生成的 MP4 影片片段直接匯出保存至本地硬盤的規範工程目錄中。採用嚴格的鏡號命名規範：例如 Scene03_Shot01_Master、Scene03_Shot02_OTS_CharB、Scene03_Shot03_Reverse_CharA 與 Scene03_Shot04_Reaction_CharA。系統化的命名與本地化文件管理，確保在將素材匯入剪輯軟件（如剪映 CapCut、Premiere 或 DaVinci Resolve）時，時間線能夠清晰排列，絕不發生素材脫機或混淆。

在剪輯軟件的時間線上，運用經典的 J-cut 與 L-cut 音頻交叉剪輯技巧組裝對白。避免聲畫在硬切點上完全同步生硬切換，而是讓角色 A 的臺詞聲音在畫面切到角色 A 之前提前半秒響起，或者在角色 A 說完臺詞後，將聲音延續至角色 B 聆聽反應的畫面之上。在豎屏微短劇的高密度節奏下，每 1.5 至 3.0 秒進行一次鏡頭切換能夠維持極高的觀眾完播率。反應鏡頭在此刻發挥出核心效能：如果某個 AI 生成影片在臺詞句尾出現了微小的嘴型變形，只需提前切至聆聽者的反應特寫，同時讓臺詞在音頻軌上自然播完即可。

最後，將視覺畫面生成與最終聲音合成明確解耦。Say Action 專註於劇本拆解、分鏡管理、關鍵幀出圖與多模型影片生成，而最終的對白聲音合成則交由後期的真人配音軌、旁白或第三方對口型工具完成。如果剪輯師在成片裝配時發現某一鏡的情緒浓度不夠或視線略有偏差，團隊完全無需推倒整場戲：只需回到 Say Action 畫布中的對應節點微調運動提示詞或重新生成，幾分鐘內即可產出替換片段，無縫填入現有的剪輯時間線中。

串接自帶模型與第三方中轉站

在模型管道設定中填入 Base URL 和 API Key，依供應商文件設定協定、模型 ID 與所需 Header。先確認文字生圖、圖片轉影片等功能，再開始生成；介面路徑、解析度與首尾影格參數以實際管道為準。尚未支援的管道可提出適配申請，申請不代表已完成相容。

BYOK 支援自訂 API 網址、模型金鑰與 Header。使用 OneAPI、NewAPI 等中轉站時，需選擇與實際介面相符的 OpenAI、Gemini 或 Claude 協定，並核對模型 ID 及圖片、影片介面的支援情況；並非所有中轉站或私有協定都能直接使用。BYOK 模型呼叫不加收平台模型費用，也不扣平台生成點數；工作空間服務與上游模型費用仍分別收取。

只串接你信任的管道，正式環境使用 HTTPS。自訂請求會經登入後的後端轉送；必要的提示詞、參考素材與憑證會參與請求。不要將 API Key、密碼或含金鑰的 Header 放進公開畫布、截圖或客服申請。