人物一致性
AI 视频人物一致：第 1 集和第 50 集同一张脸
更新于 2026 年 11 月 1 日
| SceneMixer 一眼看清 | 你能得到什么 |
|---|---|
| 视频价格 | 默认档每秒 ¥0.33 起（8 积分），最高档每秒 ¥2.44；每个价格都在按下按钮前显示 |
| 单段时长 | 每段最长 30 秒；整集由各段合成，合成每秒 1 积分 |
| 一集算下来 | 一集 60 秒按默认档约 540 积分（视频加合成），按最低积分单价约 ¥21.96；3 万字网文做成 10 集 × 90 秒约 8,490 积分、约 ¥345 |
| 台词 | 角色在视频里直接开口说话，一人一声，台词语言 15 种可选 |
| 画幅与清晰度 | 9:16 竖屏或 16:9 横屏；480P 到 1080P，另有 2K 档 |
| 免费起步 | 注册送 50 积分、15 张免费设定图、首集分镜免费，还有一次 5 秒免费视频预览 |
| 输入 | 剧本、小说或一句话想法；支持上传 .txt、.docx、.md 文件 |
为什么提示词解决不了一致性
把长相写进提示词，等于每一段都请模型重新想象一次这个人。同一句「二十七八岁、丹凤眼、左眉有疤」，这一段是一张脸、下一段是另一张——模型没有跨次调用的记忆。
参考图才有效：带参考图的视频模型会把图里的长相、发型、衣着、配饰原样照搬。这是它的天性。我们做的是把这个天性用在对的地方——先出一张定妆照，之后每一段都拿它当参考。
只给画面里真有的人挂参考图
每一镜都带一份「画面内」名单。这份名单决定谁拿到脸和参考图——不是正文的措辞。
被提到但不在画面里的人（「朝门口喊」的那个对象、电话那头的人）会被写成画面外的说法，不挂脸。这一条是拿数据换来的：早先把画外的人也点名，逐帧看下来八拍里五拍换脸或凭空多出人；改成只写方位之后，十二拍零换脸。
所以成片里多出一张没见过的脸，第一步是去看那一镜的名单，而不是往正文里加形容词。
同一场接着演：沿用上一段的最后一帧
本集上一段已经有干净成片、而且是同一场戏接着演的时候，系统会把上一段的最后一帧也挂成参考图。好处是状态延续得住——人还在床上、伤还在、桌上的东西没动。
代价要说清楚：同一个人的镜头会照搬那一帧的取景，该切近景的时候可能被拽回同样的中景。这是整帧参考图本身带来的，换个说法、放到第几张都改不掉。条件不满足时（换了地点、时间跳了、人换了、状态图变了）会自动不挂。
做不到什么
生成是有概率的。同一段文字跑两次会给两条不同的片子，一致性是把概率往上推，不是保证。四个人以上同框、连续格斗这类画面，出问题的概率明显更高。
两个角色写得太像（同龄、同性别、同一身衣服），也会互相污染。真正管用的做法是在人物库里给每人一个一眼能认的视觉锚点——一道疤、一个饰品、一个发型——而不是指望模型分辨两段相似的描述。
在 SceneMixer 里做 vs 自己拼工具
多数 AI 短剧流程是五六个工具接力。下面是每一步在这里怎么做、替掉的是什么。
| 步骤 | 在 SceneMixer 里 | 自己拼工具 |
|---|---|---|
| 剧本与分集 | 贴一份剧本或小说，或只写一句话：解析成角色、场景、道具和可编辑的分集大纲 | 让聊天模型写剧本，自己拆集，再把文字一个工具一个工具地搬 |
| 角色和场景 | 每个角色、场景、道具只画一次设定图，出现的每个镜头都挂着它 | 用图像模型一张张画，再手动给每条片段传对的参考图 |
| 镜头 | 每集一份带镜号和秒数的分镜；视频按段生成，9:16 或 16:9，对着同一套设定图 | 用视频模型一条提示词出一条，每次重新描述同一个人 |
| 台词与声音 | 台词在视频里直接说出来，一人一声，15 种语言可选 | 每句台词用配音工具生成，再给每条片段做一遍口型 |
| 修一个镜头 | 改那个镜头的文字、只重生成这一段，整集其余不动 | 重出那条片段，再回剪辑软件重剪 |
| 成片 | 各段合成一个带配乐的整集文件；会员可去掉 AI 角标下载 | 用剪辑软件拼片段、配乐、加字幕再导出 |
| 发布 | 成片由你自己传到抖音、快手、视频号或任何平台，站内不代发 | 一样是自己上传 |
常见问题
为什么我的角色换脸了？
常见三种：这个角色没有设定图（只有文字描述）、那一镜的「画面内」名单里没有他却在正文点了名、或者他和另一个角色的外貌描述太像。前两种改完就好，第三种要在人物库里给两人拉开区分度。
能保证 50 集都是同一张脸吗？
不能保证——生成是概率性的。设定图 + 画面内名单 + 上一段末帧这三层是把概率推上去的结构，不是承诺。人多、动作复杂的镜头出错概率更高。
能上传真人照片当参考吗？
不能用于还原真实自然人的面孔，这是明令禁止的。可以上传你自己画的或有权使用的人设图。
为什么这一镜的机位和上一镜一模一样？
同场衔接时上一段的最后一帧被挂成了参考图，取景会被它拽住。改上一段的分镜文字可以把那一帧摘下来。
多人同框怎么才稳？
写清楚这一镜画面里到底有谁（只写真的在画面里的）、给每人一个视觉锚点、别在一镜里塞四个人以上。两人对手戏用侧面双人镜或过肩镜，比「A 面朝 B、B 在景深处」稳得多。
这是看剧 App 吗？
不是看剧 App。SceneMixer 是做剧的工具：把你的剧本或小说变成角色一致、带台词的分集成片，成片由你自己发到任何平台。