在生成式 AI 影片製作中，跨鏡頭維持角色一致性（Character Consistency）一直是動畫師、短劇導演與商業廣告團隊面臨的最大技術痛點。傳統的純文字生成影片（Text-to-Video）本質上是隨機性極高的獨立運算過程：即使在提示詞中鉅細靡遺地描述「短髮、深棕色眼眸、身穿黑色皮夾克」，第一個鏡頭與第二個鏡頭中的人物五官、臉型比例與服裝質地依然會發生劇烈變化。這種現象被稱為「角色漂移」（Character Drift），它直接摧毀了連續敘事所必需的視覺連貫性。
生數科技（Shengshu Technology）旗下的 Vidu 透過專門的 Reference to Video（角色參考生影片） 模式解決了這項困境。Vidu 允許創作者上傳 1 至 7 張固定的角色靜態參考圖片，或直接取用平台資產庫（RefHub / My References）中保存的角色模型。透過將人物的臉部結構、服裝輪廓與視覺色調鎖定在參考圖片上，創作者可以將「視覺身分」與「動態運鏡」徹底分離，在自由變更場景、情緒與攝影機視角的同時，確保主角的外觀始終如一。
本文將深入剖析動畫師與專業創作者在 Vidu 中實現多鏡頭角色連貫性的完整標準作業流程、提示詞架構與生產取捨。
一、前期資產策略：圖型先行，先靜態後動態
在 AI 影片的工業化製作流程中，核心原則非常明確：先建立穩定無誤的靜態視覺錨點，再驅動動態鏡頭運算。當視覺約束足夠明確時，影片擴散模型的運算才能將算力聚焦在真實自然的動態表現上。
打造全方位的角色主參考圖組（1–7 張）
Vidu 支援在單次運算中導入多達 7 張參考圖。單一正面大頭照或許能應付簡單特寫，但在多角度分鏡敘事中，必須建立一套完整的角色三視角參考包（Turnaround Pack）：
- 多角度覆蓋： 包含一張受光均勻的正面特寫、一張 3/4 側臉半身照，以及一張正側面角度圖。
- 全身比例與服裝剪影： 提供至少一張全身站姿圖，確立人物的身高比例、髮型輪廓及招牌服裝色彩。
- 風格與光影一致性： 所有參考圖應維持完全相同的藝術風格。實務測試顯示，2D 動畫、日系動漫風格或線條分明的 3D 動畫，在跨鏡頭一致性的穩定度上顯著優於過度細膩的超寫實真人，因為鮮明的邊緣輪廓更容易被模型特徵編碼器鎖定。
- 排除「動態干擾」雜質： 避免上傳帶有誇張鬼臉、強烈動態模糊、極端暗部陰影或極度細碎紋理的圖片（例如複雜蕾絲、密集細千鳥格布料或過多金屬配飾）。微小的密集紋路在影片幀間插值計算時極易引發閃爍與崩壞。
將這套基準素材統一歸檔，並利用 Vidu 的 RefHub 儲存至「My References」，以便在整個專案生命週期中隨時調用。
二、Vidu 角色參考模式多鏡頭實戰四步驟
完成參考圖準備後，開啟 Vidu 工作台並進入 Reference to Video 操作介面（/create/character2video）。
[角色主參考圖組（1–7 張）]
│
▼
┌──────────────────────┐
│ Vidu 角色參考生影片 │ ◄─── 解耦提示詞（僅描述動作、情緒與鏡頭運鏡）
│ 工作台 (Ref to Video) │
└──────────┬───────────┘
│
├── 分鏡一：主角靠窗沉思，鏡頭前推 (Camera Push-In, 8s)
├── 分鏡二：主角轉身微笑，中景正拍 (Medium Close-Up, 4s)
└── 分鏡三：主角雨夜奔跑，跟隨運鏡 (Tracking Shot, 8s)
步驟 1：載入參考圖像錨點
在提示詞輸入區，點擊 +Reference 或展開 Refs 面板，上傳預先整理好的 1 至 7 張角色參考圖。若當前場景需要特定道具或環境特徵，也可分配少數插槽給物件，但建議將主要欄位留給角色的臉部與體態，以達到最高的身分穩定度。
步驟 2：執行「動靜分離」提示詞撰寫法
許多初學者常犯的錯誤，是在文字提示詞中重複描述角色的外觀：「一位留著短髮、穿著風衣的年輕人走在街上」。這會導致文字 Token 與參考圖像的視覺特徵產生語意干擾與競爭，反而容易破壞一致性。
專業的操作法是動態與外貌完全解耦：
- 靜態身分全交給參考圖鎖定，提示詞中不必重複任何髮型、眼眸或服裝細節。
- 提示詞僅專注於具體動作、情緒轉折、場景光影與攝影機運動。
實戰提示詞範例：
角色在濕漉的霓虹燈街頭疾行，帶著戒備與焦慮的神情回頭張望。電影級冷暖對比環境光，地面積水倒映微光。攝影機於視線高度緩慢向後平移跟隨運鏡（Camera tracking shot moving backward at eye level）。
步驟 3：配置核心影片參數
- 模型選擇（Model）： 優先選用最新的運算核心（如 Vidu Q3），其在物理慣性模擬、參考特徵對齊與人體結構穩定性上表現最為優異。
- 畫面比例（Aspect Ratio）： 依發布平台需求設定，長片或 YouTube 選
16:9，直式短影音、Reels 或短劇選9:16。 - 片段長度與動態幅度（Duration & Motion）： 提供 4 秒與 8 秒規格。若為細膩的文戲對白或面部微表情，動態幅度建議維持預設中等數值，避免面部五官拉扯扭曲；激烈打鬥或運動場景可適度調高，但須加強審查畫面完整度。
步驟 4：連續分鏡的批次推進
在產出第 2 鏡與第 3 鏡分鏡時：
- 完全保留參考圖欄位中的素材，不要隨意替換主參考圖組。
- 依據故事分鏡僅變更文字提示詞：
- 分鏡二（反應鏡頭）：
角色推門走進昏暗小酒吧並坐在高腳椅上，脫下手套，深吸一口氣。暖黃色室內頂光，中景鏡頭，緩慢向前推進（Slow Camera Push-In）。 - 分鏡三（情節推進）：
角色發現吧台上的密信，伸手拿取並拆開，眼神轉為銳利專注。手部與眼神特寫，帶有輕微手持攝影晃動感。
- 分鏡二（反應鏡頭）：
- 由於每一次生成都基於相同的參考圖特徵向量，角色在不同光影、場景與鏡頭距離下，面部結構、髮型與造型均能維持高度一致。
三、工作流比較與生產取捨分析
深入了解 Vidu 與其他 AI 影片製作管線的差異，有助於團隊精準評估算力成本與時間效益：
| 評估維度 | Vidu 角色參考模式 (Reference to Video) | 純文字生成影片 (Text-to-Video) | 傳統局部重繪 (Inpainting) / 換臉管線 |
|---|---|---|---|
| 角色身分穩定性 | 高： 仰賴 1–7 張多向參考圖全面幾何錨定 | 極低： 每一鏡頭隨機重新抽卡，角色脫節 | 高： 針對既有影片進行逐影格像素替換 |
| 前置作業門檻 | 低： 僅需準備 3–5 張乾淨的靜態設定圖 | 零： 輸入文字即可開始運算 | 極高： 需建構 ComfyUI 節點、訓練 LoRA、設定遮罩追蹤 |
| 產出與剪輯速度 | 快： 瀏覽器雲端快速平行運算各分鏡 | 看似快但不可用： 往往需反覆重抽數十次 | 慢： 本地高階 GPU 渲染耗時且後製繁瑣 |
| 最適應用場景 | 動畫短片、商業劇情廣告、故事分鏡預演、連貫動態漫畫 | 前期靈感發散、獨立視覺特效片段 | 電影級特效精修、特定真人演員替換 |
實務限制與專業避坑建議
- 雙角色同框互動： 當單一鏡頭需要兩個主要角色緊密互動時，擴散模型容易出現特徵相互污染（例如角色 A 的髮色移轉至角色 B 身上）。標準專業做法是：將對話拆解為單人正打、反打鏡頭與反應特寫；需要同框時則採用遠景或背影交代相對空間關係。
- 鏡頭長度與非線性剪輯： Vidu 的設計定位是產生 4 秒或 8 秒的單元分鏡。切勿嘗試在單一鏡頭中塞入過多連續情節。最有效率的方式是將 Vidu 視為「虛擬攝影機」，分別拍攝各分鏡後，匯入 Premiere、Final Cut 或 DaVinci Resolve 中進行對位、剪接與聲音設計。
- 商業授權與浮水印規範： 免費帳號可用於前期概念驗證，但匯出成品帶有官方浮水印且不具備商業使用授權。若是承接商業案件、品牌廣告宣傳或營利性頻道發布，務必使用付費訂閱方案以取得無浮水印高畫質匯出與正式商業授權保護。
四、動畫師實戰檢核清單
在啟動下一個多鏡頭專案前，請依序檢視以下執行重點：
- 建立標準角色設定包： 準備 3–5 張正面、側面、全身且光影中性的清晰圖片。
- 入庫管理： 儲存至 RefHub / My References，確立專案角色基準。
- 貫徹解耦提示詞： 提示詞只寫動態行為、情緒氛圍與運鏡參數，杜絕外貌重複描述。
- 鎖定運算核心參數： 整個專案維持相同的模型架構、畫面比例與動態設定。
- 模組化分鏡剪接： 產出 4–8 秒短片段，於剪輯軟體中組合出流暢的敘事節奏。
掌握 Vidu 角色參考模式，創作者將能跨越生成式 AI 影片不可控的隨機障礙，建立穩定高效的專業影視分鏡生產力。