多人镜头

AI 多人同框：两人对手戏怎么拍才不崩

更新于 2026 年 11 月 1 日

一句话：三条：这一镜的「画面内」名单只写真的在画面里的人；两人面对面同框只有侧面双人镜和过肩镜两种写法；有没有背景人群是本段的一个状态，在段头声明一次、同一场各段一致。

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

「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）。

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。

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。

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。

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

侧面双人镜或过肩镜。别写「A 面朝 B、B 在景深处」——那个机位在普通中景里不成立，模型只能自己挑一种解法。

去看那一镜的「画面内」名单。决定谁挂脸的是这份名单，不是正文措辞。

在段头声明「背景人群：…」，同一场景的各段写一致。没声明的段不要在正文写「面朝人群」。

三人以内比较稳。四人以上同框换脸和穿帮概率明显上升，建议拆成几个镜头——一段内部的切换不额外花钱。

不需要。只有会被叫到名字、有接触或交接、跨场景反复出现的才进人物表；其余由背景人群那一句承担。

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。

分镜会按这套规则写出来，你也可以逐镜改。

注册送 50 积分 · 积分包 ¥6.90 起 · 会员 ¥49/月起