不会分镜和摄影？普通人到底能不能上手做AI漫剧？灵镜角色一致性实测

最近总有人问我：不会分镜、不会摄影，能不能自己做 AI 漫剧？

以前我会劝他先别急。

不是因为一张好看的图有多难。现在随便一个生图模型，提示词写得还行，都能给你一张够漂亮的角色图。

但想做出一个好的漫剧，真正难的是后面这几步：

你一换场景，主角脸就漂；一换情绪，人就换了；一个镜头坏了，前面好不容易抽中的东西全得重来。

看起来不像在做内容，更像要先学会当导演。

现在 AI 漫剧最不缺的是“好看”，真正难的是“连续”。

漫剧不是海报，也不是写真。

你不可能只发一张图。

真正开始做剧情之后，问题马上就来了：

同一个主角，换一个场景、换一个动作、换一种情绪之后，她还能不能继续是“同一个人”？

第一镜还是这个脸，第二镜眼睛变了，第三镜下巴又尖了；上一秒穿着旧舞鞋，下一秒鞋子换了；情绪一激烈，连人物气质都跟着漂。

这种问题单看一张图不明显，但只要把几个镜头连起来，观众几乎一眼就能感觉出来：

“这不是刚才那个人了。”

而且它带来的最大问题并不只是观感，而是返工。

因为一旦人物漂了，你不是只改一张图那么简单。它可能会影响后面的构图、动作、视频生成，甚至整个镜头都得重新做。

最后你会发现：AI 漫剧最贵的，往往不是第一次生成，而是反复重做。

所以这次，我专门拿灵镜做了一个很简单的实验。

我不测试它能不能生成一张漂亮的人物图，我只想回答一个问题：

一个角色，能不能先被“存下来”，然后在后面的剧情里反复调用？

灵镜是 UUMit 自研的 AI 短剧 / 漫剧创作工作台。

简单理解的话，可以把 UUMit 看成一个 AI 创作总工作台，而灵镜是其中专门负责把故事、角色和镜头逐步变成短剧内容的一套工具。

这篇不展开介绍平台功能，我主要看它在一个真实项目里，能不能解决“角色别乱变”这件事。

先来看下我做的这个漫剧的效果吧👇

实验怎么做：我们先把条件固定下来

为了避免变成“挑几张最好看的结果出来展示”，我尽量把测试条件固定。

这次我做的是一个很简单的小故事：

山里的女孩捡到了一双城里人丢掉的旧舞鞋。
她没有真正的舞台，于是把山路上的每一级台阶都当成舞台。
她一直往上跳，直到有一天真的走进城市，却发现最难的从来不是跳舞，而是被人看见。

主角叫阿禾。

16 岁左右，来自西南山村。

她不太爱说话，有点倔，脸上带着长期在山里生活留下的红润感。她不是那种一眼就很“精致”的女主，我更希望她身上有一种很明显的生命力：

人可以被生活往下按，但她的眼睛一直是往上看的。

整个故事的主题，其实也是“向上生长”。

为了专门测试角色连续性，我挑了三种比较典型的情况：

• 场景一：正常状态，人物情绪平静
• 场景二：更换景别、角度和动作
• 场景三：进一步改变人物情绪

全程尽量保持同一个模型、同一画幅，以及同一套核心角色设定。

我不想用“这一张换个模型、下一张重新抽卡”的方式去证明一致性。

因为那样最后得到的只能是“这些图看起来比较像”，而不是这个角色到底有没有真正被延续下来。

第一步不是出镜头，而是先把“这个人”存下来

我先在灵镜里创建了阿禾。

第一步生成的是角色主图和三视图。

这一部分其实是我整个测试里看得最仔细的地方。

因为一个角色后面能不能稳定，很多基础信息其实在这里就已经埋下来了：

发型怎么走、脸型是什么、衣服是什么版型、主色调是什么、人物的年龄感和气质是什么……

这些东西如果一开始就模糊，后面镜头越多，角色越容易跑。

从实际结果看，主图和三视图里的阿禾整体保持得比较统一。

她身上的几个核心识别点也比较明确：

红色头绳、红扑扑的脸、偏圆但有骨感的下颌线，以及那件非常显眼的红色毛衣。

接下来，我把这个角色的 Appearance 和音色继续绑定到角色资产里。

到这里，阿禾才算真正“立住”。

我觉得这一步其实很关键。

因为它改变了角色存在的方式。

以前用普通生图工具，我对“阿禾”的理解其实是一段 Prompt。

每次重新生成，我都得再次告诉模型：

她是谁、长什么样、穿什么衣服、什么发型、什么年龄……

模型再根据这段描述重新“猜”一次阿禾是谁。

但在灵镜里，这套逻辑变成了：

先把阿禾变成一个角色资产，再让后续镜头调用阿禾。

这两者看起来只是工作流不同，但对漫剧来说区别很大。

前者是在不断生成“像阿禾的人”。

后者才更接近真正做剧时的逻辑：

演员已经定了，接下来只是让她去不同的场景演戏。

三个镜头，看这个角色到底会不会漂

角色建好之后，我开始真正测试连续性。

结果我按照镜头顺序放出来，你们可以直接自己对比。

镜头 1：正常场景，情绪平静

这一镜里，我主要先确认最基础的人物锚点。

包括：

红色头绳、脸型、红扑扑的脸颊，以及红色毛衣。

这些特征共同构成了阿禾最明显的视觉识别度。

只要后面的镜头还能稳定保住这些东西，至少观众第一眼会认为：

“还是她。”

换角度、换动作、换景别

第二步，我开始故意增加难度。

同一个角色，不再只是保持类似的正面构图，而是开始切换正面、中景、近景和不同动作。

这一组里，我觉得表现比较明显的一点是：

人物的核心识别特征没有因为景别变化而被重新设计。

红色头绳还在，脸部轮廓基本能对上，肤色和红扑扑的脸颊也保持得比较稳定，红色毛衣更是一个很强的视觉锚点。

至少从连续观看的感受来说，不会出现一种非常突兀的：

“等一下，这怎么突然换演员了？”

当然，这时候还只是改变构图。

真正更容易让 AI 漂掉的，其实是下一步：

情绪。

镜头 3：换情绪

所以第三组，我让阿禾从原本相对平静的状态，开始进入明显的情绪变化。

第一张，她听到老师的话之后，情绪复杂，有一点不可置信。

第二张，她慢慢做出决定，神情从迟疑变得坚定。

这一组我个人是比较满意的。

因为很多 AI 在做角色一致性时，有一个非常典型的问题：

平静脸还能保持，一旦让人物哭、笑、愤怒或者做夸张表情，脸就开始换人。

而这里阿禾的表情确实发生了明显变化，但人物本身的基本识别度还在。

你能感觉到：

她的情绪变了，但人没有完全变掉。

这对漫剧其实非常重要。

因为真正的剧情，不可能所有角色永远只保持同一个表情。

不完美的地方

这里还是要把不好看的结果一起说。

这次测试下来，一致的地方很明显，但出现偏差的地方同样存在。

稳定得比较好的，主要还是阿禾身上的核心人物特征：

红色毛衣、红色头绳、脸型和脸颊状态。

真正比较容易漂的，反而是一些更细节的物品。

比如鞋子。

前一个镜头里，阿禾脚上还是那双破旧的粉色舞鞋。

切到下一个画面，有时候会突然变成灰色布鞋。

甚至更有意思的是：

明明设定里是一双已经很旧、甚至有点脏的粉色芭蕾舞鞋，但有的镜头重新生成之后，它突然变成了一双干干净净、像刚从商店买回来的新鞋。

这其实很好地说明了目前这类工具的边界。

它已经可以明显提高“人物是谁”这件事的稳定度。

但并不意味着：

整个世界里的每一个细节都会被模型永久记住。

尤其是服装配件、道具状态、复杂动作，以及跨度比较大的镜头，仍然可能发生变化。

所以如果一定让我概括这次测试的结论，我更愿意说：

它把“角色识别度”往前推了一大步，但还没有到完全锁死所有视觉细节的程度。

真正让我觉得省时间的，其实不是第一次生成

反而是一次返工，让我觉得这套工作流比较有价值。

有一个镜头，我第一次生成出来之后明显不满意。

按照剧情，本来应该是：

阿禾穿着自己的旧布鞋进入画面，将捡到的舞鞋放在一边，然后才慢慢把布鞋脱下来换上舞鞋。

但第一次生成的视频出了一个很典型的连续性 Bug：

阿禾一开始已经穿着舞鞋进场了，还是一双干净的舞鞋。

反而将自己的旧布鞋放在一旁，省略了我中间的步骤。

也就是说，同一个镜头里面已经出现了明显的逻辑冲突。

如果放在以前我的工作流里，这种错误其实很烦。

因为前面角色、画面、动作好不容易都抽到了一个还能接受的版本，你会开始纠结：

到底要不要整条重新生成？

重新生成之后，原来满意的东西会不会又变掉？

但这一次，我没有动前后的内容。

我的处理非常简单：

只重新生成这一镜。

如果生成之后还有一点问题，再调整这一镜的描述继续跑。

角色资产不动。

场景不动。

其他已经满意的镜头也不动。

最后重新生成出来的版本里，阿禾终于先穿着原本的鞋进入画面，再完成后续动作。

而这一次局部返工实际消耗了 84 积分。

这其实是整个实验里，我觉得比“生成得漂不漂亮”更重要的一件事。

因为做内容做到后面，你会慢慢发现：

真正吞时间、吞积分、吞耐心的，从来不是第一次生成，而是为了修一个小错误，把前面所有东西全部推倒重来。

如果人物、镜头、场景能够拆开管理，那至少意味着：

一个镜头坏了，不一定要赔上一整条片。

三个你可以自己核对的证据

所以这篇我不太想一直说“这个工具很强”。

我更希望把能自己验证的东西摆出来。

第一个是角色跨镜头连续性。

同一个阿禾连续出现在多个镜头里，在正常表情、不同景别以及明显情绪变化下，核心人物特征仍然能够保持。

前面的截图可以直接对照。

第二个是局部重新生成。

其中一个镜头出现问题之后，我只重新生成了这个镜头，没有把已经完成的其他镜头一起推倒重来。

这部分第五节的前后版本也可以直接比较。

第三个是积分消耗和流水。

我把实际生成过程里的积分记录一起放出来。

这里特别说明一下：

价格、积分规则以及会员权益，我使用的都是测试当天页面里显示的信息。

模型目录和积分消耗规则后面都有可能调整，所以这篇里的截图只能代表我测试时的情况。

实际使用时，以你自己当天看到的页面为准。

它现在依然有几个很明显的问题

如果只是展示成功案例，这篇其实写到这里就可以结束了。

但真正做完整个实验之后，我觉得有几个问题还是必须讲。

一致性明显有帮助，但不是绝对稳定

角色资产确实能减少人物乱漂。

尤其是固定发型、服装和脸部特征之后，同一个人物跨镜头的可识别度会高很多。

但当动作幅度明显增加、镜头角度比较极端，或者人物进入很强烈的表情状态时，还是可能产生差异。

所以目前依然需要：

自己筛结果、自己比较、必要的时候重新生成。

它不是角色一绑定，后面就永远不会出错。

人物运动还有明显的 AI 感

另一个比较明显的问题是动作。

比如我只笼统地写一句：

“阿禾开始跳舞。”

模型确实会让她跳。

但“会动”和“真的像人在跳舞”，是两件完全不同的事。

一些动作还是会显得比较僵，缺少真实的人体重心变化、准备动作和动作之间的过渡。

所以碰到舞蹈、奔跑、快速转身这种动作，我还是需要自己继续细化动作描述。

镜头之间的物品连续性仍然要人工盯

这次最明显的就是舞鞋。

上一镜是什么状态，下一镜不一定会自动继承。

这种问题不仅会发生在鞋子上。

理论上，包、首饰、手里的道具、衣服的某个局部，以及物体摆放位置，都可能出现类似情况。

所以现在想做真正连续的剧情，我的建议依然是：

重要道具不要只依赖文字描述，能作为引用资产固定的，就尽量固定。

它不是“一键出成片”

这一点反而是我觉得最容易被误解的地方。

灵镜给你的，更像是一个：

可以持续修改的 AI 漫剧项目。

而不是按一下按钮，就直接给你一个完全不用改的成片。

如果你的期待是：

输入故事 → 点一下 → 完美短剧直接发布，

那大概率还是会失望。

你依然需要自己判断镜头、筛选结果、发现穿帮、调整动作和处理连续性。

但如果你本来就愿意改内容，那么这种角色资产 + 镜头级修改的结构，会明显减少一种最让人难受的返工：

为了改一处问题，把前面满意的东西一起丢掉。

做完以后，我对“AI 漫剧工具”的判断变了一点

以前我测试 AI 视频工具，最容易看的指标其实是：

清晰不清晰？

人物好不好看？

动作炸不炸？

但真的开始做连续剧情之后，我越来越觉得这些东西只是第一层。

一张图好看，甚至一个 5 秒视频很炸，现在已经越来越容易做到。

但“剧”真正困难的地方，是：

第 1 镜的人，第 10 镜还能不能是她。

她今天穿的衣服，下一镜还在不在。

她拿起来的东西，下一秒有没有凭空消失。

她哭的时候，还是不是刚才那个角色。

以及最现实的一点：

当其中一个镜头坏掉的时候，你到底是只重做这个镜头，还是整条全部推倒重来。

这也是为什么这次测试下来，我真正认可灵镜的地方，不是它某一张图生成得多惊艳。

而是：

一个角色，包括她的视觉特征和声音特征，可以在同一个项目里持续被调用；镜头也可以独立修改，同时每一步消耗了多少积分，我自己能看得见。

对于第一次做 AI 漫剧的人，或者需要快速生产短剧内容的人，这种工作流会比单纯不断抽图更接近真正的“做剧”。

当然，它目前最需要继续提升的地方也很明确：

镜头与镜头之间更细颗粒度的连续性，以及复杂人物动作。

如果以后不仅能记住“这是阿禾”，还能同时记住：

她上一镜穿的哪双鞋、鞋子有多旧、手里拿着什么、刚才站在哪里，以及接下来动作应该怎样自然衔接——

那 AI 漫剧的生产方式才会真正发生更大的变化。

所以这次实验做完，我最大的感受还是标题这句话：

AI 漫剧最难的从来不是好看，是主角别换人。

真正能把一个角色存下来，让她穿过一个又一个镜头，继续成为“她自己”，才算是在做一部剧。

否则，我们其实只是在不断生成一张又一张很好看的头像。

如果你也想自己试

灵镜入口：

https://lingjing.uumit.com/?invite=DUAJSV