AI 视频人物不一致、动作僵硬怎么改：角色参考、动作拆分、手部与漂移问题的实用解法
现在拿 AI 做剧情短片或者动画，大家最头疼的往往不是「单张画面不够惊艳」，而是连成片子之后的这四大硬伤：
- 换个镜头就像换了个人：第一镜女主还是黑长直，切到第二镜突然变成了棕发波波头；
- 动作僵得像提线木偶：抬手打招呼像生锈的机械臂，转个身像张硬纸片被生生拧过去；
- 手部崩坏：手指头动不动就六根、四根，拿杯子的时候手指直接融进了杯壁里；
- 脚底板打滑（漂移）：人明明在往前走，脚底下却像踩着溜冰鞋在地面上水上漂。
这几个毛病只要犯一个，观众一眼就能看出「又是 AI 糊弄的」，瞬间出戏。这篇文章把这四类问题的病根刨开，给出一套马上能上手改的实操办法。
一、人物老变脸：别每次重新形容，先把角色「焊死」
为什么换个镜头就变脸？
AI 模型本身是没有「剧组记忆」的——你每点一次生成，它都是照着你给的词或图，从零开始重新「脑补」一个大活人。要是你前后两个镜头的描述词稍微改了两个字，或者词写得太宽泛（比如只写「一个漂亮的年轻女孩」），模型每次脑补出来的肯定不是同一张脸。
解法 1：开机前，先给每个主角拍一张「标准定妆照」
在正式生成任何剧情镜头之前，先单独为每个主要角色生成一张干干净净的定妆照：
- 正面朝向镜头，半身或全身都行；
- 背后用纯色底（纯白或浅灰最好），千万别带花里胡哨的街景或房间，免得后续被模型误当成角色特征带进去；
- 打平光、柔光，别搞大片的阴阳脸暗影，不然脸部轮廓容易跑偏；
- 脸上表情放平，手脚自然垂放，别做夸张动作。
把这张图存好，后面生成这名角色的每一个镜头，只要工具支持垫参考图（Character Reference / Image Prompt），就老老实实把这张定妆照喂进去。
解法 2：写死一段「角色身份证描述」，全程复制粘贴
给每个角色写一段固定的外貌描述词，后面不管是第几个镜头，原封不动整段复制粘贴，一个字都别改：
写这段词有三个讲究：
- 只写长在身上、不会随便变的硬特征：年龄段、胖瘦体型、脸型、发型发色、身上穿的固定衣服（颜色 + 款式）、一眼能认出来的记号（黑框眼镜、眼角泪痣、银耳钉）；
- 千万别把当时的临时状态混进去：比如手里端着咖啡、正在擦眼泪、脸上挂着冷笑、袖口沾了泥点——这些是某一个镜头里发生的戏，不是这人的长相，混进固定描述里后面全得乱套；
- 少写空洞的漂亮话：写「长相甜美」「帅气逼人」「气质出众」对模型来说基本等于没写，它根本不知道甜美长啥样；直接写死「鹅蛋脸、齐刘海、穿军绿色工装夹克」才管用。
解法 3：从头到尾叫同一个名字
如果你在一个支持多镜头叙事的模型里写长提示词，同一个角色从头到尾必须叫同一个名字（比如全程都写「林夏」）。千万别第一句写「林夏」，第二句图省事写「女主」，第三句又写成「她」或者「那个穿白毛衣的女孩」——称呼一换，模型就会以为屋里又多出来一个人。
要是同一场戏里有两个打扮很像的人（比如两个穿同款蓝白校服的女生），一开始就得在词里拿一个显眼的外部特征把她们劈开（一个叫「红发卡女生」，一个叫「高马尾女生」），而且定妆照里也得把这个区别明明白白画出来。
解法 4：同一场戏里别折腾换衣服
只要还在同一个场景里演戏，就别让角色中途脱外套、换衣服。如果剧本里确实需要换一身行头，那就老老实实把换装后的他当成「二号造型」，重新出一张穿新衣服的定妆照。
解法 5：同一个地方，打光和画风别乱跳
哪怕是真人在棚里拍，前一秒打暖黄夕阳、后一秒打惨白冷光，看着都像换了个人。所以在同一个场景下的所有镜头，关于光线从哪边打过来、整体色调冷暖、画面风格的提示词，也得跟角色描述一样复制粘贴保持统一。
二、动作僵硬：把动作拆出「起势、发力、卸力」
为什么看着像木偶？
真人的任何一个动作，拆慢了看都有三截：起势（预备动作）→ 发力 → 收尾（带着惯性停下来）。而 AI 偷懒生成的动作，往往掐头去尾只剩中间那一下，看着就像把一个塑料假人从 A 点硬生生拖到了 B 点。
解法 1：别只写结果，把动作的来龙去脉拆开写
| 容易僵硬的笼统写法 | 顺畅的拆解写法 |
|---|---|
| 她挥手打招呼 | 她先抬起手肘，手掌自然张开，在空中左右轻轻晃动两下，随后手臂顺着惯性垂落下来 |
| 他转身离开 | 他先低头沉默了一秒，身体重心移到左脚，肩膀带着身体慢慢转过去，迈开步子走远 |
| 她坐下 | 她一只手先扶住椅背，上身微微前倾，慢慢落座，最后后背放松地靠回椅背上 |
解法 2：一个镜头只派一个活儿
很多人喜欢在一条提示词里贪多：「她推门走进房间，把包扔在桌上，脱掉风衣外套，一屁股坐进沙发里顺手拿起遥控器打开电视」——几秒钟的镜头塞进五个大动作，分到每个动作头上还不到一秒，模型肯定只能走马观花乱糊弄。老老实实拆成四五个短镜头，一个镜头只干一件事。
解法 3：顺手塞一两个「活人小动作」
大活人站在那儿说话，绝对不会像尊雕像一样除了嘴皮子哪儿都不动——他会眨巴眼、顺手摸一下衣角、稍微歪一下头；走路的时候胳膊会跟着晃、发梢会跟着弹。在提示词里顺手塞一两个这种不起眼的次要动作，木偶味儿能散掉大半：
解法 4：把动作节奏往慢了压
像武打过招、撒腿狂奔、快节奏劲舞这种剧烈运动，是目前所有 AI 视频模型最容易崩盘的重灾区。如果不是剧情非要不可，尽量把动作改成慢悠悠的节奏；如果非拍打斗奔跑不可，那就学动作片的剪法——把一个大动作切碎成好几个一秒钟的极短镜头拼起来。
解法 5：给情绪反应留半秒钟「愣神期」
真人在听到一句晴天霹雳或者挨骂之后，绝对不会在 0.01 秒内立刻暴跳如雷，中间都会有半秒钟大脑宕机的「愣神期」。写提示词时把这个延迟写出来（「她先是愣了一下，嘴唇微微张开，过了两秒眼眶才一点点红起来」），AI 演出来的戏立马就有人味儿了。
三、手部崩坏：要么给手找个简单活儿干，要么干脆藏起来
为什么 AI 画手老翻车？
五根手指头又细又多、关节弯折角度千变万化，还动不动互相挡住，确实是 AI 视觉模型最难啃的一块硬骨头。
五个实用避坑法
1. 能不拍手，就别给手特写：只要剧情不靠手推动，把景别拉到中景，或者从侧面、背面找角度，别让两只手明晃晃摆在画面正中间抢戏。 2. 给手派一个死板、简单的活儿：比如稳稳攥着水杯、平放在桌面上、或者干脆插进大衣口袋里。手的姿势越固定，模型越不容易多长出一根指头。 3. 绕开高难度的手指杂技：像系鞋带、弹钢琴、十指交叉抱拳、转笔这种精细活儿，尽量别在主镜头里硬刚。 4. 把「手怎么抓东西」写明白：写「她用右手稳稳握住马克杯的把手」，比笼统写一句「她拿着杯子」，更不容易出现手指头直接穿模插进杯肚子里的惨剧。 5. 真躲不开就拿实拍凑：如果剧本里非得有一个往无名指上套钻戒的大特写，与其跟 AI 死磕抽卡五十次，不如自己在桌前拿手机实拍两秒钟真手，剪片子时塞进去，省事又逼真。
四、脚底打滑（漂移）：逼着模型把脚「钉在地上」
为什么走路像滑冰？
因为模型在生成人物往前移动的时候，只顾着让人的身子往画面前头挪，没算准脚底板踩在地面上的摩擦和停顿，看着就像人在背景图上平着滑过去。
四个解决办法
1. 在词里狠狠强调脚和地面的摩擦碰撞：别光写「他在街上走」，改成「他一步一步重重踩在湿漉漉的青石板路上，每踩一脚都溅起细小的水花」——用水花、泥坑、落叶逼着模型去算脚底板的接触点。 2. 让镜头跟着人一块儿走：拍走路时用跟拍运镜（tracking shot），让人在画面框里的位置基本保持不动，靠背景往后退来交代行走，那种滑冰感会弱很多。 3. 少拍从头到脚的全身走路：直接把镜头切到腰部以上的中景或胸口以上的近景，靠肩膀和头发的轻微上下颠簸来表现他在走——既然脚底板根本没进画面，穿模打滑的问题自然就不存在了。 4. 后期把脚步声给砸实了：就像上一篇聊音效时说的，剪辑时每一步都精准配上一声扎实的皮鞋踩地声、踩碎枯叶声，观众的耳朵一旦信了，眼睛对那点轻微打滑也就没那么挑剔了。
五、做一条多镜头 AI 短片的标准流水线
把上面这些招数串一块儿，平时做一条多镜头 AI 剧情片，按这七步走最稳当：
1. 先在纸上写好分镜剧本：别上来就闷头抽卡，先用文字把一共几个镜头、有几个角色、去几个地方列明白。 2. 集中出定妆照和空镜底图：每个主角出一张纯色底定妆照，每个主要场景出一张没人影的空镜参考图。 3. 写死固定描述词：把每个角色的外貌词、每个场景的光线画风词单独存好，准备全程复制粘贴。 4. 把长动作拆碎成单镜头：确保每一个分镜里，角色只干一件主要的事，单镜头时长尽量压短。 5. 逐个镜头喂图抽卡：生成每一镜时，挂上定妆照 + 粘贴固定描述词 + 补上这一镜独有的景别、运镜和那一个拆解好的动作。 6. 多抽几次挑顺眼的：同一个镜头多跑几遍，挑的时候第一标准是「脸最像定妆照」，第二标准才是「动作顺溜」。 7. 上剪辑台兜底补救：把挑好的片段拼起来，贴上环境音和动作拟声；万一某个镜头尾巴上手指头崩了或者脸歪了，提前半秒一刀切掉，或者塞个道具特写镜头盖过去。
六、生成前自查清单
1. 每个主要角色，手里都备好干净的定妆照了吗？ 2. 角色的固定外貌描述词，在每个镜头里都是原封不动复制粘贴的吗？ 3. 全片提示词里，对同一个角色的称呼从头到尾统一吗？ 4. 每一个分镜里，是不是只留了一个主要动作？ 5. 写动作词的时候，把前头的起势和后头的收尾带上去了吗？ 6. 画面里的手部特写非拍不可吗？手的姿势写得够简单明确吗？ 7. 拍全身走路时，有没有在词里加上脚踩地面的环境反馈？ 8. 同一场戏里，前后镜头的光线和画风词保持一致了吗？
常见问题
Q：如果我用的工具没法垫参考图，纯靠文字生成怎么办？ 那就全指望你那段「固定外貌描述词」够不够硬了：不仅要全程一字不差地复制粘贴，而且词要写得极其具体、一眼可见（比如别写「深色衣服」，直接写死「藏青色圆领卫衣配卡其色工装裤」）。另外，尽量别让同一个角色在光线反差极大的不同场景之间来回跳。
Q：同一个镜头跑了五遍，有一遍光影绝美但脸不太像，有一遍画面平平但脸跟定妆照一模一样，留哪个？ 闭着眼留脸像的那个，动作顺不顺排第二，光影好不好看排最后。做剧情片跟做单张壁纸不一样，画面再惊艳，只要主角突然换了张脸，观众攒了一半的情绪当场就断了。
Q：片子都已经生成完了，回头看还是有几个镜头脸对不上，重跑又没额度了怎么救？ 靠剪辑障眼法往回找补：把那几个脸明显崩了的正脸镜头，换成拍他的后脑勺背影、拉成看不清五官的远景，或者只切他的手部道具特写；同时让角色身上那件标志性的衣服颜色一直露在画面里，再配上连贯的配音台词，观众顺着衣服和声音，脑子里会自动把他当成同一个人。
想参考一条视频的角色和镜头来做 AI 视频，可以把它放进 VideoLens，拿到角色、场景参考和逐镜分镜提示词，再按本文的方法逐镜生成。