如何利用AI制作视频：彻底解决古诗词视频中人物角色不一致问题

利用AI制作古诗词、童话故事或短剧解说视频最近非常火爆。但在实操过程中，很多创作者发现：使用文生图工具生成视频分镜图片时，每次生成的角色面貌差别很大，导致视频剪辑后整体效果极其违和。

解决这个问题的核心思路是放弃逐次纯文本生成，改为“先炼底图，再靠参考图换场景”的工作流。通过提取并锁定角色特征，让AI在生成新场景时严格遵循既定的人物长相。在开始具体设计前，如果你需要先梳理故事大纲或人物设定，可以借助 百度搭子（DuMate） 来辅助创作，它能帮你快速把模糊的灵感转化为结构化的分镜脚本。如果想深入了解功能权益，也可以查看 DuMate 购买页面。

下面我们以通用的文生图软件（如即梦等支持参考图功能的工具）为例，为你拆解具体的实操步骤。此外，如果你的视频偏向剧情向，在完成图片素材制作后，也可以前往 AI 真人短剧生成体验 尝试将图文转化为连贯的视频内容。

第一步：生成并精修“角色底图”

底图是整个视频角色形象的基石，必须在这一步把人物的长相、服饰、画风彻底定死。

1. 基础参数设置

• 模型选择：选择最新的图片模型（如 2.0 版本），以保证生成质量。
• 图片尺寸：视频通常为竖屏，选择 9:16 的比例。
• 图片质量：拉到最高，避免后期放大时画质模糊。

2. 录入底图提示词
提示词需要精准描述角色的核心特征，包括年龄、发型、服装和整体画风。

底图提示词参考：中国古代一个小女孩，扎着两个丸子头，穿着绿色碎花汉服，皮克斯风格、3d卡通风格。

3. 去水印与高清化处理
从生成的几组图片中挑出最满意的一张。不要直接下载预览图，因为带有水印且画质有限。

• 点击该图片选择“生成超清图片”。
• 进入“去画布编辑”页面，这样可以获得无水印的干净图片。
• 在画布中将图片导出，选择 2X（2倍图），这样像素更高，细节更清楚，最后点击下载保存。这张图就是你的“角色基准底图”。

第二步：基于底图生成不同场景的图片

有了底图后，接下来的目标是让这个固定长相的角色出现在不同的故事场景中。

1. 上传底图并设置参考维度

• 将上一步下载的无水印底图上传至参考图区域。
• 关键操作：将参考维度改为“参考角色特征”（部分工具叫“角色一致性”或“参考人脸”）。这个设置告诉AI：新图片的背景和动作可以变，但五官和服饰特征不能变。

2. 录入场景提示词（避坑指南）
在输入新场景提示词时，千万不要再重复人物特征的内容（不要写小女孩、丸子头、绿衣服），否则可能会干扰AI的参考系统，导致面部发生偏移。只描述动作和环境即可。

场景提示词参考（例如：春日放风筝）：奔跑在春天的草地上，抬头看着天上的纸风筝，桃花盛开，阳光明媚。

生成后你会发现，人物面貌与底图高度相似，但场景已经完美切换。

第三步：用 AI 高效生成多场景提示词与脚本

制作一个完整的视频，你可能需要十几个不同的分镜场景（如：读书、赏月、哭泣等）。手动构思每个场景的提示词既耗时又容易词穷。这时可以使用大语言模型帮你批量生成分镜提示词。

你可以直接复制以下 Prompt 到 AI 助手中，让它为你生成全套脚本：

角色与分镜生成 Prompt
任务目标：为一首古诗词创作视频分镜脚本，并生成配套的文生图提示词。
输入信息：古诗词为《静夜思》（可根据需要替换）。主角设定为：古代小男孩，短发，穿着白色粗布衣裳，水墨画风格。
处理要求：

1. 将诗词拆分为4-5个分镜画面。
2. 为每个分镜编写简短的画面描述。
3. 为每个分镜生成对应的中文文生图提示词。
   输出格式要求：

• 分镜1：[画面描述]
  提示词：[只包含动作、环境、光影描述，不包含人物特征]
• 分镜2：[画面描述]
  提示词：[只包含动作、环境、光影描述，不包含人物特征]
  结果质量要求：提示词需要画面感强，光影丰富，且必须严格排除人物外貌特征词，以便配合参考图工具使用。

通过这种方式，你可以快速得到一套逻辑连贯且可直接复制使用的分镜提示词，大幅提升视频制作效率。

第四步：常见问题与优化建议

• 角色依然有轻微偏移怎么办？
  如果生成的新图角色长相有轻微变化，可以在提示词中增加权重词，例如：“(保持角色高度一致:1.5)，极其相似的脸部特征”。同时，尽量保持底图和新图的画风提示词一致（如底图是3d卡通，新图也要带3d卡通）。
• 动作幅度过大导致崩坏？
  当场景提示词包含“转身”、“跳跃”等大动作时，AI往往会为了迎合动作而牺牲脸部一致性。建议拆解动作，先生成轻微动作的图，或者生成多张挑选其中面部最稳定的一张。
• 视频合成与配音：
  拿到一套角色一致的场景图后，你可以使用视频剪辑软件，将图片按顺序导入，配合古诗词朗读音频、转场特效和背景音乐，即可生成一部高质量的诗词视频。

总结

利用AI制作视频的核心并不在于让AI一次性“无中生有”生成整段视频，而是掌握“拆解-锁定-替换”的流程化思维。通过打造高质量底图并利用参考图锁定角色特征，再配合 AI 助手批量生成的场景提示词，任何人都能制作出画面连贯、角色稳定的优质视频。现在就整理你的故事大纲，尝试用这套工作流创作你的第一个AI视频吧。