director.consistency

# 跨镜一致性方法论 (Consistency Engineering)

AI 视频生成的头号敌人不是「画面不好看」，而是**同一个人看起来不像同一个人**。多镜头、多段的片子若不解决一致性，观众看两三镜就出戏。本文不发明技术，而是把业界已验证的一致性手段整理成拆镜头与生成时的强制动作。

**在 Nomi 里落地的方式**：凡是「跨镜头要保持一致」的东西，都建成画布上的 **anchor 节点**（`kind`：`character` 角色 / `scene` 场景 / `prop` 道具 / `style` 风格）。视觉锚（`carrier: visual`）会先生成一张参考图锁住长相；文本锚（`carrier: text`）把特征词拼进每个引用它的镜头。镜头用 `anchorIds` 引用哪些锚，系统据此给视觉锚**连参考边**、把文本锚描述拼进 prompt。所以下文凡说「@引用某素材」，在 Nomi 里就是**在该镜的 `anchorIds` 里点名那个 anchor**，不是把提示词复制到外部工具。

---

## 一、一致性的五个维度

每个镜头产出前，逐维度自检——哪一维会漂移，就为它建/引用对应的锚：

| 维度 | 盯什么 | 失控表现 | 在 Nomi 的锚定手段 |
|------|--------|----------|--------------------|
| **角色** | 脸、身材、发型、肤色、瞳色 | 换脸、身高忽高忽低 | `character` 视觉锚（参考图含面部特写 + 三视图）+ 镜头 `anchorIds` 引用 |
| **服化** | 服装版型、配色、质地、饰品、武器 | 同场戏换衣、纽扣数变化 | 视觉锚定妆图锁版型 + 文本锚补服装色卡/关键细节词 |
| **道具** | 关键道具的造型、材质、铭文 | 道具外形每镜不同、设备换型 | `prop` 视觉锚（多角度 + 材质特写 + 比例参照）+ `anchorIds` 引用 |
| **场景** | 空间布局、光源位置、装饰细节 | 同一房间家具搬家、窗户消失 | `scene` 视觉锚（空场景全景 + 光位）+ 镜头复述主光方向 |
| **时序** | 同场戏内动作连续性、伤痕、服装残损 | 上一镜干净下一镜染血（或反之） | 场内状态表（见 §三），锚管不了「同一场内的状态推进」 |

前四维靠**锚**（跨镜「这一个特定实例」保持不变），第五维靠**状态表**（同场景内状态只增不倒退）——两套机制互补，别混用。

---

## 二、三级锚定体系

一致性靠三层由强到弱的绑定，越靠上越硬：

### Level 1 · 参考图锚定（源头）

主要角色、关键道具、固定场景都建成**视觉锚**，让系统先生成一张参考图作为「唯一真相」。参考图质量直接决定后面所有镜头的下限，所以定妆/定景描述要中性、干净：

- **角色**：`面部特写 + 全身三视图（正/侧/背） + 干净背景`，全身中性站姿、不带剧情动作、光影不过强。
- **道具**：`多角度（至少 3 个视角） + 材质特写 + 比例参照`（放一只手或常见物体作尺度）。
- **场景**：`空场景全景 + 关键光位`，不带人物、不带剧情。

> **一元素一锚，不要合成**：人物、场景、道具各自独立建锚、各自独立参考图，**绝不把人物和场景塞进同一张参考图**——合成会同时拉低场景和人物的 identity 精度。这正是 Nomi「每个跨镜元素一个 anchor 节点」的设计初衷：系统会把多张参考图分别喂给生成，不需要、也不要你手动拼成一张。

### Level 2 · anchor 引用（镜头层）

镜头**只引用锚，不在 prompt 里重描锚的静态外貌**。外貌交给参考图/文本锚，镜头 prompt 只写这一镜独有的运镜与动作：

- 良例：`anchorIds: [角色A, 指挥舱]`；prompt =「角色A背部直挺，右手食指缓慢从面板抬起后放下」。
- 劣例：不引用锚，prompt 里从头描述「一个穿制服的男人在飞船舱桥中……」→ 每镜重描 = 每镜重掷骰子 = 必漂移。

**硬规则**：出现在某镜里的每个角色 / 所在场景 / 用到的道具 / 整片风格，都要列进这一镜的 `anchorIds`；只出现一次的一次性元素（群演、路过的物件）**不建锚**，直接写进那一镜 prompt。

### Level 3 · 段间承接（handoff）

段与段之间（一场戏拆成多个连续镜头，或一整段接下一段）的视觉连续性，靠**首尾帧承接**：上一镜的尾帧状态（角色位置/朝向/姿态/环境/光位）明确传给下一镜的起点。Nomi 里对应「用上一镜产物做下一镜的首帧（`first_frame`）」或在下一镜 prompt 里显式承接尾帧状态。承接分三级：

| 级别 | 何时用 | 怎么接 |
|------|--------|--------|
| **L1 强锚定**（同场景跨镜） | 尾帧和下一镜起点必须严格一致 | 下一镜用上一镜尾帧做首帧，或 prompt 明确承接「角色位置/朝向/姿态/环境」 |
| **L2 软锚定**（换场景但情绪连续） | 位置不必对齐，但色调/光位/角色朝向要匹配 | 下一镜 prompt 保持「同色调 + 同主光方向 + 朝向匹配」 |
| **L3 硬切**（叙事跳转/时间跳跃/蒙太奇） | 视觉不需连续 | 下一镜独立起帧，连续性交后期剪辑 |

判断口诀：**同一场戏内的相邻镜头默认 L1**（拆条只为绕过单条时长上限，画面本应无缝）；**换地点但情绪不断用 L2**；**闪回/跳时间/蒙太奇用 L3**。

---

## 三、场内状态表 (State Table)

同一场戏内的连续性问题（染血、服装残损、伤痕、手持道具的有无）靠**状态表**管理——它管的是「同一场景里随剧情推进的状态变化」，是锚管不到的那一维。编写多镜头场戏前，先列一张表把每镜的关键状态钉死：

```
## 指挥舱对峙 · 状态表
| 镜号 | 角色A 状态          | 角色B 状态        | 关键道具     |
|------|--------------------|------------------|-------------|
| 镜12 | 制服整洁            | 站立，面无表情    | 控制台完好   |
| 镜13 | 制服整洁            | 身体微倾，瞳孔收缩| 控制台完好   |
| 镜14 | 右颊划伤            | 后退一步          | 控制台裂纹   |
| 镜15 | 右颊划伤 + 衣领扯开 | 倒地              | 控制台裂纹   |
```

**硬规则（状态只进不退）**：一旦某镜出现血 / 伤 / 衣破 / 湿身，**后续所有同场镜头的 prompt 必须继承该状态**，直到场景结束或剧本明确有清洗/换装动作。倒回「干净」= 穿帮。

---

## 四、段与段的承接检查

一段接下一段（尤其角色/道具/场景跨段复用）时，过一遍承接：

1. **末状态对齐**：下一段首镜的角色状态（伤痕/服装/情绪残留）要接上一段末镜的状态，除非剧情明确跳了时间。
2. **道具延续**：跨段出现的同一道具（飞船、关键物件）**复用同一个 anchor**，不要为它重新建锚、重新生成参考图。
3. **场景复用**：跨段复用的场景**沿用原来那个 `scene` 锚**，不重新生成参考图——重生成 = 家具搬家。
4. **重大外观变化才拆锚**：只有「少年↔成年 / 伤前↔伤后 / 彻底换装」这种**认不出是同一个**的变化，才把同一角色拆成两个锚并在 `description` 写清差异；普通情绪/小动作变化不拆锚。

---

## 五、常见一致性陷阱与规避

这些是 AI 生成的系统性弱点，属**硬约束**——重掷骰子基本无用，必须靠「换画面结构」绕过，别指望多抽几次能好：

| 陷阱 | 典型表现 | 规避 |
|------|---------|------|
| **群演脸** | 同一群演相邻镜头脸变了 | 群演/一次性配角不建锚，用去个性化描述（戴头盔/背影/远景），避免特写 |
| **手部** | AI 普遍画不好手，多指/缺指 | 握物/操作镜头避免手部特写；非给不可时用参考图明确指法 |
| **文字/铭文** | 招牌字、飞船编号、徽章文字反复变且乱码 | prompt **不写要渲染的文字**；用图形符号代替字母，片名/字幕一律后期叠 |
| **比例漂移** | 同一物体（飞船/建筑）尺寸在不同镜头不一致 | 与参照物同框（人、标准箱体），禁止纯空镜比例；关键道具用比例参照建锚 |
| **光位变异** | 同场戏光源方向乱跳 | 场景锚参考图标注光位，**每一镜 prompt 复述主光方向** |
| **口型对白** | 正脸对白口型对不上 | 侧脸 / 画外音 / 不露正脸，配音交后期 |

---

## 六、拆镜头 / 审镜头时的一致性核对清单

拆完镜头、或复核一份分镜方案时，逐条打勾：

- [ ] 出现在某镜里的角色 / 场景 / 道具 / 全片风格，是否都进了这一镜的 `anchorIds`？（漏引用 = 漏锚 = 会漂）
- [ ] 镜头 prompt 里有没有**重复描述锚的静态外貌**？（应交参考图/文本锚，prompt 只写运镜+动作）
- [ ] 同一个人是否只建了**一个**角色锚？（别名/职称/「他」都归并成一个，别一人两锚）
- [ ] 同场戏内的状态（伤/血/衣破/湿身）是否与状态表一致、只进不退？
- [ ] 相邻/跨段镜头的承接级别（L1/L2/L3）是否想清楚，L1 是否用尾帧做了首帧或 prompt 承接？
- [ ] 有没有踩 §五 的硬约束（手部/文字/比例/光位/口型），并已用画面结构规避？

任一未满足就回去改——一致性是拆镜头阶段一次性想清楚的事，等生成出来才发现漂移，返工成本高得多。