AI 多人同框：两人对手戏怎么拍才不崩

「A 面朝 B，B 在她身后的景深里」——这个机位不存在

要 B 出现在 A 身后的虚化景深里，A 就得背对着 B。普通中景里这两件事不能同时成立。模型拿到这种自相矛盾的描述，只能自己挑一个——通常是让 A 正对镜头说话、B 站在她背后，于是两个人谁也没在看谁。

所以深度词是机位声明：写了「在背景里 / 景深处 / 身后」，机位就被定下来了。两人面对面同框只有两种可靠写法：侧面双人镜（两人侧对镜头）和过肩镜（越过一人的肩拍另一人）。

名单决定谁挂脸

每一镜带一份画面内名单，它决定谁拿到脸和参考图。被提到但不在画面里的人写成画面外的说法，不挂脸。

这条规则的取舍是明确的：模型漏报某人在画面里，那个人会从成片里消失；而不是凭空多出一张没有参考图的脸。宁少人不鬼影——多出来的人比少一个人更难补救。

背景人群是一个要声明的状态

教堂里的三百名宾客、开学日的庭院、竞技场的看台——有没有人是本段的一个可见状态。在段头写一句「背景人群：谁、在哪、在做什么」，同一场景各段保持一致。

没声明就不许在正文写「面朝人群」；对着空处只写方位。否则会出现这一镜满座、下一镜空场。

声明之后，系统会给这个地点配一张「有人版」的参考图（要你点了才出图、按图片计费）。实拍验证过一件事：公共场所有没有人，由剧情先验和段头声明决定——往提示词里加「不允许出现其他人」这类话是压不住的。

人越多越不稳

四个人以上同框、连续格斗、大规模人群，出问题的概率明显更高。这是当前视频模型的普遍限制，不是某一档的问题。

实用的拆法：把一个六人场面拆成几个两三人的镜头，靠剪辑把人凑齐。一次生成内部的切换是白送的，所以一段里排三个镜头比排一个六人全景稳得多。

常见问题