第 3 篇 · CH07

从电影镜头意图出发，以分层提示、受控实验和局部编辑，把探索图收敛为可追溯、可连续、能进入视频阶段的批准资产。

当前状态

完整章

预计学习时间

12 小时

关键概念

提示编译 · 约束层级 · 随机种子 · 单变量实验 · 局部编辑 · 蒙版 · 构图余量 · 接触表 · 关键帧批准 · 资产谱系

案例文件

`demo/echo-cabin/prompts/image/PR-IMG-0001-v001.md`、`demo/echo-cabin/prompts/image/PR-IMG-0002-v001.md`、`demo/echo-cabin/production/prompt_experiments.csv`、`demo/echo-cabin/production/asset_manifest.csv`、`demo/echo-cabin/production/image_route_guide.md`

本章产出

把镜头意图编译为分层图片提示、区分探索图参考图关键帧和视频输入帧

最后核验

2026-09-05

第7章　图片提示、局部编辑、实验比较与资产定稿

写作状态

本章为完整章节。正文讲模型无关的图片生产方法；具体模型能力只出现在适配卡，并以官方资料与核验日期为准。《回声舱》的提示和表格是教学参考，不代表媒体已经生成或获得人工批准。

导读

图片生成最容易给初学者一种错觉：输入一段描述，挑一张最好看的图，工作就完成了。对于独立插画，这种方法有时够用；对于微电影，它会在下一步立即暴露问题。人物换一个景别便不像同一人，舱门在反打镜头中移动，手里的道具改变尺寸，首帧把角色挤在画面边缘，视频模型没有动作余量。单张图的魅力不能代替一组镜头的连续性。

本章把图片阶段定义为一次“生产资产收敛”：先把剧本、镜头表和视觉圣经翻译成图片可见的约束，再用受控实验辨认哪些语言和参考真正有效，最后把候选图修正、比较、记录并批准。生成只是其中一个动作；更重要的工作是提出可判定的问题、保存对照、诊断失败和知道何时停止。

这套方法专门照顾第一次做AI微电影的读者。你不需要预先理解扩散模型的数学，也不需要背诵某个模型的“神词”。你需要先分清四件事：你要制作哪一种图片；这张图片必须传递什么；哪些条件必须保持；你准备根据什么证据接受或拒绝结果。只要这四件事明确，更换模型只是在更换实现工具。

第6章已经建立视觉圣经、角色锚点、场景拓扑和参考职责。本章承接这些批准规则，不重新发明世界。读完后，你应能把“我想要一张电影感的太空舱图片”改写成一个可执行、可比较、可复现的镜头资产任务，并能解释为什么某张漂亮图片仍不该进入视频生产。

知识地图

四张图对应本章四个问题：提示如何分层；实验如何只回答一个问题；局部编辑与重生成怎样分流；图片如何从探索候选成为可追溯的生产资产。遇到模型结果不稳定时，先回到这些结构，而不是继续堆形容词。

学习目标

完成本章后，你应该能够：

1. 区分角色设定图、场景母版、构图草图、镜头关键帧、视频首帧和尾帧的不同职责。
2. 从镜头意图写出“主体与动作、空间关系、摄影、光线材质、保持与禁止”的分层图片提示。
3. 理解随机性、种子、模型版本、尺寸和参考图为何都是实验条件，并在参数不可见时诚实记录。
4. 设计一次只改变一个主要变量的A/B/C实验，用统一量表比较结果，而不是凭第一印象选图。
5. 按错误层级判断应重写提示、重生成基线、改变参考、局部编辑还是接受边界。
6. 为蒙版编辑写清“改什么、保持什么、不能改变什么、怎样输出”，并检查接缝、身份和空间副作用。
7. 用接触表检查角色、空间、服装、道具和镜头连续性，建立图片资产谱系。
8. 完成《回声舱》SH-001首帧与原创短片关键帧的候选比较和人工批准记录。

核心概念

• 提示编译：把上游创作决定转换成可见、可比较的生成约束，不是寻找万能关键词。
• 图片职责：一张图进入下游时承担的主要任务，例如身份、空间、构图、关键时刻或视频起点。
• 单变量实验：固定已知实现条件，一轮只研究一个主要创作问题。
• 局部编辑：保护大部分已批准关系，只在可界定区域修正低耦合问题。
• 动作势能与构图余量：关键帧中尚未完成的动作，以及为人物和摄影机运动保留的空间。
• 接触表：把一组候选或镜头并排，从集合层面检查身份、空间、状态和摄影连续性。
• 关键帧批准：人基于实际图像，为明确用途冻结一个版本并记录已知限制。
• 资产谱系：从上游文本、提示、参考和模型到编辑父版本、输出与派生文件的可追溯关系。

本章理论命题

图片生产的核心不是反复请求模型给出更好看的结果，而是把电影意图转换成可见约束，通过受控比较逐步减少不确定性，直到得到适合下一工序的资产。

这个命题包含三个判断。第一，图片的价值由用途决定；角色板、海报和视频首帧的成功标准不同。第二，模型输出具有随机性，单张结果不能证明一条方法可靠；必须保存条件和对照。第三，“批准”是创作者承担责任的决定，不是工具自动给出的分数。模型可以生成，脚本可以检查字段，只有人能判断它是否表达了这部片的意图。¹

理论模块一：先定义图片职责，再讨论画面好坏

提出创作问题

假设你得到一张岑遥站在太空舱中的精美图片。她的脸很清楚，灯光有层次，服装细节丰富。它能否直接作为SH-001的首帧？答案不能从“好不好看”推出。当前 SH-001 的教学计划是她在通讯台前用右手食指缓慢校准圆环，随后把视线移向圆窗，摄影机短距离慢推；首帧必须给手部校准、视线转移和轻微推近留下余量。一张正面半身海报即使精美，也无法承担这个动作。

生产中的图片至少有六类。角色设定图负责身份结构；场景母版负责空间拓扑；道具图负责形状、尺度和可操作部分；构图草图负责景别、位置与视线；镜头关键帧负责某一时刻的叙事状态；视频输入帧还必须负责后续运动。把六种职责塞进一张图，会让每个职责都含糊。

理论解释与边界

电影画面不是孤立对象，而是时间链条中的一个状态。镜头开始前发生过什么，结束后要发生什么，决定当前画面的姿势、视线、持物和空间余量。静帧可以省略时间，但用于视频生成时必须蕴含可发展的动作势能。构图太封闭、动作已到极限、人物贴边或道具被遮住，都会减少模型可用的路径。

“用途优先”不等于每张图都朴素。海报可以追求凝缩和视觉冲击，角色板可以采用中性光与清楚轮廓，镜头关键帧可以有戏剧光。重要的是先写用途，再按用途判断。只有在探索早期，图片可以暂时没有明确生产职责；一旦进入定稿阶段，所有保留文件都应说明将被谁使用。

经典案例：《堤》的静止图像与时间

《堤》主要由静止影像组织，却通过画面顺序、持续时间、声音和少量关键变化建立强烈的时间感。单张图片的意义来自它在前后关系中的位置，而不只是图片内部内容。² 对AI微电影的启示不是仿制该片形式，而是：关键帧选择必须结合上一镜、下一动作和声音节点。两张单独优秀的图如果在人物朝向、空间方向或动作阶段上无法连接，放到时间线上便会失败。

《回声舱》深度推演一：一张岑遥图的六种用途

角色身份板中的岑遥应采用较中性的光线和姿势，展示脸型、下唇右侧小痣、左耳后短发、工作服版型和全身比例。场景母版应暂时无人，以免人物遮挡圆窗、气闸和控制台关系。SH-001构图草图只需要明确岑遥、控制台与圆窗的位置，不必生成皮肤毛孔。SH-001正式首帧则要同时满足身份、服装状态、空间方向、起始动作和镜头运动余量。

如果把身份板的白色背景三视图投入视频，它没有场景和光线；把有强烈侧光的近景当身份母版，后续正面或远景可能误读脸型；把最终动作姿态当首帧，视频没有发展空间。正确做法是让每张图只承担主要职责，其他信息通过有明确职责的参考补充。

转换成AI制作方法

每次生成前写一张“图片任务卡”：资产ID、所属镜头、图片类型、主要职责、必须可见、允许变化、不得出现、下一工序、接受标准。初学者只要能填完这九项，就已经避免了大量盲目生成。

例如：“类型：视频首帧；主要职责：建立岑遥在通讯台前校准圆环、尚未移开视线的起始状态；必须可见：控制台、圆窗与气闸的空间关系、右手食指的胶带；允许变化：背景小型管线细节；不得出现：第二个人、头盔、可读文字；下一工序：I2VA；接受标准：身份可辨、校准动作未完成、慢推仍有构图余量。”

成功、失败与边界（一）

成功：任务卡只设一个主要用途，构图和细节围绕下一工序；候选虽然不一定像海报，却能进入时间生产。失败：先生成“好看的图”，再临时寻找用途；所有图片都使用正面人物、极致细节和戏剧光。边界：一张图可以兼任多个相容职责，例如场景母版也可作为某个固定机位的关键帧，但必须分别检查每项标准，不能因为一个职责通过就默认全部通过。

理论模块二：提示不是咒语，而是把意图编译成可见关系

提出创作问题

“电影感、压抑、未来、8K、杰作”为什么常得到表面华丽却叙事含糊的图片？因为这些词表达评价，却没有告诉模型画面中哪些对象以什么关系存在。人类导演能从故事补全“压抑”，模型只接收到一组可能与训练图像相关的语言线索，可能用暗角、青橙、雾、霓虹或夸张构图来猜。

理论解释与边界

可执行提示应从可见事实开始。人物在哪里、面向哪里、正在动作的哪个阶段；场景中的固定物怎样排列；摄影机距离和高度如何；主要光源从哪里来；什么材质反射什么；哪些身份和结构必须保持。情绪词可以保留，但应由这些可见关系承载。

这种写法也延续了电影视觉结构以空间、线条、形状、明暗、色彩、运动与节奏组织观众经验的思路，而不是把风格缩成滤镜名称。⁹

提示可以分为五层。第一层是任务与画面类型；第二层是叙事内容和动作状态；第三层是空间与构图关系；第四层是摄影、光线、色彩和材质；第五层是保持、禁止和输出规格。顺序不是所有模型的语法要求，而是创作者检查遗漏的清单。

形容词不是越多越好。两个词如果要求相反的空间、光线或材质，模型只能折中或随机选择。“极简舱室、密集复杂管线、开阔空间、幽闭压迫、明亮高调、深黑阴影”同时出现，不叫丰富，而叫没有做决定。提示编译首先删除冲突，再补足关系。

经典案例：《异形》的环境叙事

《异形》的飞船空间并非用“恐怖科幻”一个标签建立。工业结构、狭窄通道、功能照明、湿润表面和人物尺度共同制造环境压力；不同区域又有明确功能和质地差异。³ 若只复制“异形风”，既可能侵犯具体设计表达，也无法控制自己的世界。真正可迁移的是把抽象情绪拆成空间尺度、材质、光源和人物关系。

从视觉圣经到提示的编译表

先从第6章批准资料抽取，不要凭本轮灵感重写：

来源	提取内容	在提示中的位置	检查方式
角色圣经	强身份锚点、服装状态	主体、保持	跨候选接触表
场景圣经	拓扑、固定物、材质	空间、环境	与母版对照
镜头表	景别、机位、动作阶段	构图、摄影	与前后镜连续性对照
色彩脚本	本场明暗与功能色	光线、色彩	直方感受与主次检查
资产清单	ID、版本、许可	记录层	路径与元数据检查

然后写“肯定关系”，再写少量真正重要的禁止项。负面列表若无限增长，通常说明正面设计还没有决定。禁止项应针对高概率且高损失错误，如多余人物、左右翻转的身份痣、错误舱门位置、可读品牌文字、多余手指或与剧情冲突的头盔。

《回声舱》提示编译示范

模糊需求：“岑遥在未来太空舱里，孤独，电影感，蓝色，细节丰富。”

第一轮编译：写明这是 SH-001 的 16:9 视频首帧；岑遥在通讯台前，右手食指正在缓慢校准圆环，视线尚未从控制台移向圆窗；圆窗在她左后，气闸在画面右，空间关系继承母版；宽景、正常视平高度与短距离慢推；低饱和冷灰舱壁，青绿仅来自控制台，人物肤色微暖；保持身份锚点和维修服结构；禁止第二人、头盔、霓虹城市、可读字样；为视线转移和轻微推近保留构图余量。

第二轮压缩：删掉不影响判断的“杰作、获奖、史诗、超高细节”；确认“固定中远景”没有同时要求“极端浅景深特写”；把“孤独”落实为人物与大面积冷硬空间的比例、视线没有回应对象、背景没有其他人。此时提示的每一部分都能在输出中指认。

转换成可复制模板

[任务] 生成/编辑哪一类图片，资产ID与镜头用途。
[主体与状态] 谁、身份锚点、服装状态、动作进行到哪一步、视线与持物。
[空间与构图] 场景固定物关系、主体位置、前中后景、负空间和画幅。
[摄影] 景别、机位高度、角度、镜头感、焦点与景深用途。
[光色材质] 主光来源、明暗层级、功能色、关键材质与反射边界。
[保持] 来自已批准参考且本轮不能改变的项目。
[禁止] 高概率高损失错误，保持短而具体。
[输出] 比例、用途、是否需要透明背景/中性光/动作余量。

这不是要求所有供应商理解方括号，而是帮助你先完成导演决策。输入工具时可按模型建议改写语序，但不要丢掉责任边界。

三种图片任务的完整改写示范

角色身份板。 任务不是“画一个美女宇航员”，而是建立后续镜头共同读取的身份母版。主体段应写年龄区间、脸型比例、发型轮廓、少量局部强锚点、体态和基础服装；构图段要求正面、侧面或四分之三视角之间留白，人物比例可比较；摄影段使用较中性视角与清楚光线；保持段列出左右位置敏感的特征；禁止段排除头盔遮脸、夸张妆容、戏剧烟雾、文字和多余人物。身份板不承担正片情绪，所以“极端背光、泪流满面、激烈奔跑”会妨碍职责。

无人场景母版。 任务不是“宏伟太空基地”，而是固定LOC-001中圆窗、气闸、控制台、入口和主要光源的关系。主体其实是空间本身；构图应能同时看见至少三个强固定物，摄影机高度接近后续常用机位；材质段区分舱壁、地面、防护玻璃和控制台，而不是统一写“金属”；保持段锁定拓扑和功能色；禁止段排除人物、漂浮杂物、巨幅品牌文字和无法解释的外部城市。母版通过的标准是能帮助设计反打，不是像建筑宣传海报。

视频首帧。 任务必须带镜头ID、预计动作和视频模式。主体段写动作起点而非结果；空间段写移动方向和负空间；摄影段写镜头是固定、推近还是轻微跟随，以便构图预留边缘；光色段继承场次状态；保持段引用已批准身份和场景；禁止段针对连续性与高风险生成错误。首帧还要说明“哪些信息可以在运动中出现”，避免强迫第一帧塞完全部叙事。

三种示范表面都包含人物、空间和摄影词，区别却在优先级。身份板若背景不够戏剧化不算失败；场景母版没有人物表演不算失败；首帧没有展示角色全身细节也不算失败。初学者的第一道判断题永远是：“这个缺点是否破坏它的主要职责？”

从自然语言到可判定句子的四次追问

第一问“在哪里看得见？”把抽象词落到画面。例如“紧张”可能表现为手停在按钮上方、肩部僵住、视线偏向画外，而不是再写一次“焦虑”。第二问“与谁或什么形成关系？”把孤立对象变成构图，例如人物比控制台小、眼睛朝向闪烁指示灯。第三问“发生到哪一步？”把静态姿势变成动作阶段，例如手已经抬起但尚未接触。第四问“如果模型做反了，我怎样识别？”形成接受标准，例如气闸必须在画面右侧且与母版透视可解释。

每一句都不必包含数字。可判定不等于伪精确；“人物占画面高度约一半”是构图范围，“焦虑度73%”通常没有可复查含义。使用大约、轻微、明显等词时，要补一个观察对象：轻微转头表现为鼻尖尚未越过肩线；明显背光表现为轮廓亮但面部仍保留可读层次。

提示冲突的逐句审稿

完成提示后，给每句标记职责：身份I、动作A、空间S、摄影C、光色L、材质M、禁止N、输出O。没有标记的句子可能只是评价噪声；同一职责中出现相反要求就是冲突。再检查跨层冲突：动作要求人物快速奔跑，摄影却要求极端浅景深中眼睛完全锐利；空间要求狭小舱室，构图又要求超远景展示广阔地平线；身份要求中性正面，光线却遮住半张脸。

解决冲突不是找一个更强的关键词，而是重新决定优先级。如果本图是身份板，牺牲戏剧光；如果是情绪关键帧，可允许部分脸落入阴影，但必须依靠发型、服装和体态维持身份；如果是动作首帧，降低精细手部展示要求或改变景别。提示审稿其实是微型导演会议，只是所有角色由一个人承担。

中文、英文与模型语言偏好的边界

不同模型与版本对中文、英文、长句、结构化指令和图像参考的响应会变化。不要先入为主地认为英文必然更好，也不要为了“专业”把中文意图交给未经检查的翻译。先用你能准确判断的语言写导演版提示，再根据官方建议制作模型版；两版一同保存。

翻译时最需要保护的是空间方向、动作阶段、否定范围和身份特征。若工具对复杂长句表现不稳，可拆为短句或节点字段，但不能把“刚开始回头”简化成“looking back”，后者可能把动作终点当当前状态。双语实验也应作为一个独立变量，保持其他条件后再比较。

负面提示与禁止项怎样写才有用

禁止项只应处理三类内容：会破坏叙事的错误、模型在当前任务中的高频错误、涉及权利或安全的内容。SH-001中的“不要第二个人”保护独角戏结构；“不要头盔”保护脸部身份；“不要可读品牌文字”保护后期和权利边界。把“低质量、最差质量、丑陋、糟糕、坏手、坏脸”等评价词无限复制，既没有说明正确关系，也会使实验难以解释。

正面结构能解决的问题优先用正面写法。例如，与其只写“不要广角畸变”，不如明确“正常视平高度、中远景、人物身体比例自然、控制台边缘保持平直可解释”；与其写“不要杂乱”，不如规定背景管线只作低对比次级纹理。禁止项是护栏，不是方向盘。

还要确认否定范围。编辑腕带时写“不要改变人物”，可能过于笼统，工具无法判断哪些像素属于人物；拆成脸型、发型、姿势、手的数量、袖口和背景构图更可检查。但保持项也不应达到几十条：若一次小编辑需要保护整幅图中大量脆弱关系，说明该模式风险过高，应缩小任务、选择更强控制方式或接受原瑕疵。

最后把高风险禁止项转成检查表。提示中写过“无第二人”，审核时就数主体；写过“痣不左右翻转”，就按角色视角核对；写过“无可读文字”，就放大检查界面。只有进入验收动作的禁止项，才真正成为生产控制。

提示的完成标准不是读起来华丽，而是另一名创作者能据此制作、比较和拒绝候选，并理解每一项约束来自哪一个上游决定。

理论模块三：参考图的价值在职责，而不是数量

提出创作问题

为什么加入更多参考有时反而更不像？因为参考之间可能在身份、服装、姿势、构图和光线方面互相冲突。模型未必知道你只想从A取脸、从B取衣服、从C取姿势；若不声明职责，它可能混合年龄、复制背景或把构图参考中的陌生人当主角。

理论解释与适用边界

参考是一种条件输入，但“条件”不等于“绝对服从”。不同模型和模式对身份、布局、风格、边缘、深度和蒙版的接受方式不同。创作者能做的是减少歧义：每张参考只分配一个主要职责；优先使用清楚、无冲突、来源可追溯的图；先建立无参考或单参考基线，再逐步增加控制。

常见职责包括：身份、服装、场景几何、道具结构、姿势、构图、光线、色彩和材质。身份参考应尽量减少强戏剧光与遮挡；构图参考不应被误当成角色或具体美术复制对象；风格参考只提炼关系，不复制受保护作品中的独特角色和设计。

多参考还会遇到信息预算。模型不一定同时精确保留八张图的所有细节。重要度必须排序：如果身份比姿势更重要，提示和筛选标准都应体现；姿势参考使身份严重漂移时，应撤掉姿势参考或改用更轻的结构控制，而不是继续加入第九张脸图。

参考职责卡

参考ID	唯一主要职责	可继承	不得继承	冲突时优先级
REF-CHR-001	岑遥身份	脸型、发型、痣	白背景、三视图排版	最高
REF-CST-001	工作服	版型、材质、腕带	模特面孔、姿势	次高
REF-LOC-001	舱室拓扑	圆窗、气闸、控制台关系	母版无人状态	高
REF-COMP-001	SH-001构图	人物占比、负空间	其中人物身份与色彩	中

若工具不能逐图设置强度，职责卡仍有用：它告诉你该减少哪些参考、怎样写提示、结果漂移时首先怀疑谁。不要伪造工具没有暴露的控制数值。

成功、失败与边界（二）

成功：先用身份图得到稳定基线，再加入场景；每加一张参考就比较新增收益和副作用。失败：一次上传十张不同风格图，要求“全部融合但保持一致”，失败后不知道是哪张造成冲突。边界：有些模型擅长多图语义编辑，仍不代表参考职责可以省略；能力更强只会扩大可选空间，不会替你决定哪种继承符合故事。

理论模块四：随机性必须被记录，实验才能产生知识

提出创作问题

你把“柔和侧光”改成“硬侧光”，第二张图更好。能否断言硬侧光更合适？如果第二次同时改变了随机种子、模型版本、尺寸、参考图顺序和编辑模式，答案是否定的。改善可能来自任何一项，甚至只是随机抽样。

理论解释与边界

生成模型从概率分布中取样。种子通常用于初始化随机过程，在同一实现、模型、工作流和参数下有助于复现或比较；但不同软件版本、硬件路径、节点实现或模型文件可能仍导致差异。种子不是图像的永久身份证，更不能跨所有工具保证相同画面。⁴

实验有三类变量。创作变量是构图、表情、光线、材质等你想研究的因素；实现变量是模型、版本、工作流、参数、尺寸、种子和参考；环境变量是软件提交、节点版本、硬件和精度。一次解释性实验只改变一个主要变量，其余尽量固定并记录。探索阶段可以宽松随机，收敛阶段必须控制。

“单变量”不是说整张图只有一个差异。改变机位自然会引起透视和遮挡联动；改变主光方向会改变阴影。它要求一次只提出一个创作问题，并接受该问题必然带来的从属变化。若同时改变机位、服装、表情和时间，比较就无法指导下一轮。

经典案例：《十二怒汉》的镜头策略递进

《十二怒汉》常被讨论为有限空间中通过景别、机位与镜头感变化增强压力的案例。变化不是每镜随意炫技，而是在同一房间和人物关系中逐步调整观众感受。⁵ 图片实验可借鉴这种思维：保持角色、空间和剧情状态，只比较镜头距离或机位高度，观察哪种变化最清楚地支持场面命题。

实验矩阵的最小字段

每一行至少记录：实验ID、资产或镜头ID、提示版本、模型显示名与版本、生成/编辑模式、参考ID、尺寸、种子或not_exposed、唯一变量、输出相对路径、观察、评分、决策和日期。云端界面不显示种子时写not_exposed，不能凭空编一个数字；此时可保持同一会话、输入、参考和模型显示名，并承认复现能力较弱。

评分应与用途对应。角色板重点看身份、比例和可用视角；场景母版看拓扑与材质；首帧看身份、构图、连续性和动作余量。统一的五分制只为减少语言含糊，不应把审美伪装成科学测量。每个分数后写一句可观察理由，比分数本身更重要。

《回声舱》深度推演二：SH-001的三轮单变量实验

基线A固定岑遥身份、工作服、舱室母版、16:9、中远景和模型版本。唯一问题是“人物在画面中占多少比例才能同时表达孤独与可辨身份”。A1占画面高度约三分之一，空间压力强但脸部锚点弱；A2约二分之一，身份与环境平衡；A3约三分之二，人物清楚但像人物海报，右侧移动空间不足。选择A2，不是因为最华丽，而是因为它服务镜头用途。

第二轮固定A2全部条件，只比较头部动作阶段。B1完全背向声音来源，下一步回头路径清楚但观众读不到警觉；B2刚开始转头，颈肩有轻微扭转，既有起始状态又有动作势能；B3已经正对声源，动作完成。选择B2。

第三轮固定B2，只比较控制台青绿功能光强度。C1几乎没有，设备状态不清；C2局部发光，脸部仍由中性微暖光分离；C3青光覆盖全舱和皮肤，破坏人—系统色彩对立。选择C2。三轮合成的不是“最美参数”，而是一条可解释的导演决策链。

成功、失败与边界（三）

成功：每轮有问题、有保持项、有唯一变量、有观察和下一步；失败结果也保留缩略图与记录。失败：连点二十次，从中挑一张，事后编造“经过系统实验”。边界：灵感探索允许多变量跳跃，但一旦发现有价值方向，应回到可记录基线复测；否则经验无法迁移到第二个镜头。

理论模块五：局部编辑是保护已批准关系的修正手术

提出创作问题

一张候选图的构图、身份和空间都合格，只有腕带颜色错误。重新生成整张，可能修好腕带却改变脸、气闸和光线；局部编辑更合理。另一张图把气闸和圆窗位置颠倒，人物身体比例也错误，只修一块蒙版则会在错误结构上反复打补丁。何时编辑、何时重建，是图片生产的关键成本判断。

理论解释与边界

局部编辑适合“局部、可界定、与全局结构低耦合”的问题，例如去除多余标记、修正道具颜色、增加剧情污渍、替换小范围背景。重生成适合身份结构、姿势力学、透视、空间拓扑、主体数量和整体光线根本错误。介于两者之间的问题可以先做低成本编辑试验，但必须设停止条件。

局部修正仍应服从镜头设计和空间连续性：它不能把一个错误的场面调度变成正确镜头，只能在正确结构上减少可见缺陷。¹⁰

蒙版决定允许变化的区域，提示决定区域应变成什么，模型仍可能通过光线、纹理或边缘影响蒙版之外。蒙版不是绝对防火墙。编辑后要检查四圈：编辑区内部是否正确；边缘是否有接缝；邻近区域是否受污染；整图的身份、透视、光线和噪声是否仍统一。

编辑指令可用四段式：修改、保持、不得改变、输出。比如：“修改：将右腕带由红色改为磨损的低饱和橙色；保持：人物脸型、痣、发型、手指胶带、身体姿势、工作服版型、背景构图和光线完全不变；不得改变：手的数量、手腕比例、道具位置、画幅；输出：与原图同尺寸、同构图、无新增文字。”

蒙版的三个尺度

紧蒙版贴近目标边缘，保护性强，但容易产生接缝或无法重建必要阴影。宽蒙版包含目标及周边光影，更自然，却增加副作用。结构蒙版覆盖完整部件，例如整只袖口与手腕，适合版型修正，但可能改变姿势。先根据问题选择尺度，不要总用最大画笔涂一圈。

编辑次数也应受控。连续五次编辑会累积纹理、锐度、色彩和解剖差异。建议保留原始批准候选，每次从最接近基线的上游版本分支；若两至三次仍无法局部收敛，回到提示或重生成。不要覆盖原文件，否则你无法判断退化从哪一步开始。

成功、失败与边界（四）

成功：问题局部且接受标准清楚；蒙版包含合理上下文；编辑后全图复查并另存版本。失败：用小蒙版修复错误透视或整张脸；每次编辑都从上次失败图继续；最后找不到原基线。边界：换装看似局部，实则影响身体轮廓、褶皱、遮挡和光线，通常应覆盖完整服装区域或重生成角色状态变体，而不是只涂衣服中央。

理论模块六：关键帧必须同时满足静态叙事与动态可达性

提出创作问题

视频首帧不是“镜头最高潮截图”。如果人物已经倒地、门已经打开、表情已经达到峰值，接下来的生成只能维持、倒退或制造新动作。首帧应该位于可读的起始状态；尾帧应该在给定时长和动作强度下可达。

动作势能与构图余量

动作势能来自未完成的意图：重心刚移动、目光将转、手尚未触到拉杆、门缝刚出现。构图余量包括主体前方的行动空间、摄影机移动可能暴露的边缘、需要进入画面的道具和背景连续区域。首帧四边都塞满细节，推拉摇移很容易暴露未定义空间或裁掉关键动作。

首尾帧成对时，要估算变化是否与时长匹配。五秒内从站立到跨越舱室、拉下开关、灯光改变再回头，动作过载；首尾差异即使各自合理，中间也不可达。可以减少动作、延长镜头或拆镜。图片阶段发现不可达，比视频生成十次后才发现便宜。

经典案例：《后窗》的空间可读性

《后窗》通过稳定的院落关系、视线和观察位置，让观众逐渐认识空间。镜头变化建立在可理解的拓扑上，观众能判断人物在看哪里。⁶ 对生成关键帧而言，空间母版与视线关系先于局部美感；若首帧和尾帧像来自两间不同房间，视频插值或生成无法替代场面调度设计。

SH-005关键帧诊断

SH-005 当前计划是岑遥按住通讯键问出一句短问句、松键后看向气闸；首帧应让按键动作刚刚开始而非已经结束，并给短横移、侧脸显露和松键后的安静把手留下余量。它是中景过肩，不应把下唇痣当成必然可见的近景门槛；应核对当前构图能看见的发型、维修服、右手食指胶带、控制台方向和功能光。

失败版本一把脸做成极端特写，手和设备消失，无法表现“身体被声音打断”；失败版本二让她张口大喊、手已离开设备，表演达到终点；失败版本三手指数量异常，设备按钮位置变化。修订顺序应是先恢复景别和手—设备关系，再修表演阶段，最后处理局部解剖。优先级反过来会在错误构图上精修。

理论模块七：接触表把单张审美转换成跨镜头连续性判断

提出创作问题

逐张全屏查看时，每张都可能不错；缩小并排后，人物忽胖忽瘦、发型忽长忽短、舱室忽宽忽窄、色温跳动立即可见。这是因为连续性是集合属性，无法只看一张图判断。

接触表的读法

第一遍只看身份轮廓：脸型、发型、体态和服装色块。第二遍看空间：固定物位置、视线方向、人物进出方向。第三遍看状态：污渍、伤痕、道具、灯光和剧情进度。第四遍看摄影：景别节奏、机位是否无意重复、色彩是否按脚本发展。每遍只处理一类问题，避免被局部细节分散。

接触表应标出镜头ID、资产版本和状态，不能只放无名缩略图。被拒绝候选可以进入失败表，但不得混在批准表中。图片尚未生成时使用明确的媒体位和状态标签，不能用空框冒充结果。

连续性不要求每张曝光和角度完全一致。剧情允许警示灯变化、角色移动和景别推进；接触表检查的是变化是否有原因。若两镜之间剧情没有换装，服装版型却变了，这是漂移；若断电后功能光熄灭，这是叙事变化。

《回声舱》八镜头的四遍检查

第一遍确认岑遥在 SH-001、003、005、006、007、008 中仍由同一组跨景别锚点识别。第二遍确认圆窗在人物左后、气闸在画面右、控制台在人物前方的关系能在不同机位中解释。第三遍按镜头表检查腕带、右手食指胶带、通讯台、机械锁和断电拉杆的出现与接触。第四遍查看冷灰—青绿系统色与琥珀警示是否按剧情发展，不让某一候选随机变成紫色霓虹。

任何一遍发现问题，都要回到对应上游：身份漂移回角色参考或提示；空间漂移回场景母版和构图；状态错误回连续性表；摄影节奏问题回镜头设计。接触表不是最后打分页面，而是定位责任层的工具。

理论模块八：批准是有条件的冻结，不是“永远最好”

提出创作问题

什么时候停止生成？如果目标是“还能不能更好”，答案永远是还能。生产需要在质量、成本、连续性和进度之间决定一个足够可靠的版本。批准不是宣称图像完美，而是确认它在当前用途、版本和已知限制下可以进入下一工序。

批准门槛

建议分六类检查。叙事：这一帧表达正确时刻吗？身份：角色、服装和状态一致吗？空间：拓扑、视线和持物连续吗？摄影：景别、焦点和余量适合镜头吗？技术：尺寸、色彩、压缩、边缘和明显生成错误合格吗？权利：来源、许可、同意和隐私记录完整吗？任何高风险项失败，不能由平均分掩盖。

批准状态可用candidate、needs-revision、approved-for-image-reference、approved-for-video-input、rejected。同一张图可能被批准作气氛参考，却不被批准作视频首帧。状态必须带用途，避免“approved”被所有下游误读。

自动工具只能检查路径、字段、尺寸、哈希和引用关系，不能代替观看。Codex可以列出冲突和缺项，不应自行把approval_status改为已批准。批准人应查看实际图像，并记录日期、用途、已知限制与替代版本。

资产谱系与版本

谱系回答“它从哪里来”：脚本版本、视觉圣经版本、提示ID与版本、参考资产ID、模型与模式、工作流、种子或不可见说明、编辑父版本、输出文件、哈希、许可和批准。它让你能够复现、回滚、替换模型并证明没有把失败候选误当成最终资产。

文件名建议包含镜头/资产ID、用途、版本，而不写“最终最终2”。例如SC-001-SH-001_first_v003.png，编辑分支可记v003-e01。哈希不是美学质量证明，它只证明文件内容是否与记录时一致。

成功、失败与边界（五）

成功：批准针对明确用途，关键门槛逐项通过，有已知限制和父版本；失败：因为已经花很多钱而批准，或把文件名改成final就认为完成。边界：预演阶段可以批准低分辨率构图草图进入分镜，不代表它能进入视频；阶段批准能节约成本，但状态名称必须防止越级使用。

理论模块九：模型适配层应可替换，主方法保持稳定

正文方法不依赖某一品牌：任务卡、提示分层、参考职责、单变量实验、编辑分流、接触表和批准谱系在不同工具中都成立。易变化的是输入模式、支持尺寸、计费、参数、模型文件和工作流节点。这些信息放在适配卡，并定期核验。

适配卡A：对话式/托管图片生成与编辑

适用任务： 快速自然语言探索、多轮语义修改、多参考组合。记录要点： 服务显示的模型名、日期、会话、输入图片、提示版本、输出原文件；若界面不暴露种子，明确写not_exposed。生产边界： 多轮对话可能引入未察觉的上下文；重要候选应另开清晰基线复测。服务能力、条款和数据处理规则可能变化，正式生产前核对其官方说明。

适配卡B：ComfyUI节点式本地工作流

适用任务： 需要明确工作流、模型文件、种子、参数和可回滚对照。ComfyUI官方文档说明工作流可用JSON保存，生成图片也可包含工作流元数据；模型文件通常放入相应models子目录。⁷ 记录要点： ComfyUI提交、节点版本、模型文件哈希、工作流JSON、精度、尺寸、种子、耗时和峰值显存。生产边界： 工作流能运行不等于结果适合影片；第三方节点和社区量化必须单独审计来源与兼容性。

适配卡C：Qwen-Image/Edit教学候选

Qwen官方将Qwen-Image描述为20B MMDiT图像模型，强调文字渲染与图像编辑；官方模型卡与ComfyUI教程提供当前模型和工作流入口。⁸ 本教材只把它作为可替换候选，不预设本机显存、速度或特定量化一定可用。先用官方基线验证，再测试编辑；记录准确版本和许可证。旧归档中的FP8路线标注为“教学参考/未实机验证”，不能因文件存在就写成GPU实测。

小白执行路线：第一次图片生产

1. 只选一项低风险资产，例如岑遥中性身份板或无人舱室母版。
2. 填图片任务卡和接受标准，不启动付费资源。
3. 选一个工具和一个模式，保存基线提示为v001。
4. 生成少量候选，保存原文件，不覆盖。
5. 建接触表，只比较一个问题；记录模型显示名和不可见参数。
6. 选最接近用途的候选，不选“最炫”的候选。
7. 若问题局部，分支编辑；若结构错误，回到基线重生成。
8. 通过身份、空间、技术和权利检查后，由本人批准具体用途。
9. 再进入下一个资产，复用已批准参考，不重新发明角色。

理论模块十：失败诊断应沿责任层向上追溯

看到坏图时，初学者常在提示末尾加入更多词。更可靠的诊断从最高层开始：任务是否错误？构图和动作阶段是否矛盾？参考是否冲突？提示是否漏掉关系？模式是否选错？参数和种子是否失控？最后才是局部瑕疵。

常见故障树

身份漂移： 先检查强锚点是否跨景别可见、身份参考是否清楚、服装或姿势参考是否带入陌生脸、提示是否同时要求年龄和脸型变化。若只有眼睛颜色略偏，可局部编辑；若脸型、年龄和体态同时变化，应重建身份基线。

空间漂移： 检查场景母版和拓扑关系是否进入任务、反打是否正确理解左右、构图参考是否来自另一空间。气闸位置根本错误时，不要只在墙上涂一个门；先恢复空间结构。

手与道具错误： 检查动作是否过于复杂、手被遮挡、道具结构是否有参考、接触状态是否明确。可以将动作拆到更简单阶段，先得到清楚的手—道具关系，再局部修正。局部编辑仍不能稳定时，应考虑改景别、遮挡或拆镜，这属于导演解决而非模型失败。

画面像海报： 通常是人物正面居中、光线过度戏剧化、细节和氛围词占据提示，缺少动作阶段、空间关系和镜头前后。删除评价词，恢复镜头任务和负空间。

局部编辑污染全图： 缩小蒙版或改变蒙版上下文，从原基线重新分支；明确保持项；检查模式是否真支持局部控制。不要继续在污染版本上叠加。

实验无法解释： 若没有记录模型、参考、提示版本和唯一变量，这轮只能算探索，不能伪装成对照。选择一个候选作为新基线，重新做可解释实验。

边界案例：模型始终做不到怎么办

创作者有五种合法选择：降低细节要求；改变景别或遮挡；拆分资产或镜头；换用更适合的模式；接受限制并在剪辑中规避。第六种错误选择是无限生成，希望概率自动替你解决设计矛盾。模型边界也是制片边界，承认它能帮助作品完成。

理论模块十一：技术合格不是审美附属，而是下游可用性的前提

提出创作问题

同一张图在聊天窗口里看起来很好，下载后却只有较小尺寸；人物脸在缩略图中自然，放到视频首帧后眼睛边缘出现重影；画面构图为方形，硬裁成16:9后手和气闸被切掉。为什么审美选择已经完成，资产仍不能交付？因为创作判断与技术载体是两个同时存在的层面。

图片进入视频前，至少要核对像素尺寸、画幅比例、色彩表现、压缩痕迹、透明通道、文件格式、方向信息、边缘完整性和文件可读性。这里不预设一个永恒正确的分辨率：不同视频模型、剪辑时间线和发布平台会变化。正确流程是先查当前下游输入要求，再决定生成和导出规格；不要把某个工具今天支持的数字写成通用电影理论。

画幅应在构图前决定

画幅比例不只是裁切模板，它决定横向与纵向空间如何分配。16:9横幅可以容纳人物与舱室关系，9:16竖幅更强调人物上下结构并压缩左右行动空间。若最终是横屏微电影，却一直用方图探索，模型会把关键信息聚集在中央；后期扩图或裁切未必能补回有意义的两侧空间。

建立基线时就按目标画幅构图。工具只提供接近比例时，应标注后续安全裁切框，把身份锚点、手部动作、关键道具和视线终点放在安全区域。扩图可以补足边缘，但新增空间必须遵循场景拓扑、光源和透视；扩出的墙面不是无责任的填充。

分辨率、细节与实际观看距离

像素更多不自动带来更多有效信息。低质量生成放大后可能只是更清楚地暴露伪纹理；强锐化会让皮肤、发丝和金属边缘在视频运动中闪烁。先在目标展示尺寸检查叙事和连续性，再以100%检查局部错误，最后缩回目标尺寸确认修复没有制造新噪声。

身份参考需要足够清楚地表达强锚点，但视频首帧还要考虑后续运动稳定性。细密网格、重复小字、极细管线、密集发丝和高反差纹理容易在时序生成中抖动。若某个细节既不服务身份、剧情或空间，又会增加不稳定，应在视觉设计阶段减掉，而不是指望视频后处理全部解决。

色彩与明暗的最低检查

不同查看器、浏览器和剪辑软件可能对色彩配置、HDR/SDR或透明度显示不同。小白不必先成为色彩工程师，但应坚持三步：在同一受控查看环境比较候选；保留原始下载文件；进入剪辑软件后再确认肤色、黑位、功能灯和高光没有明显改变。截图、聊天预览和社交平台压缩图不应成为唯一母版。

过暗画面在高亮显示器上可能可见，在普通手机上却糊成黑块；过亮功能灯可能遮掉界面和手部。用视觉圣经规定的相对层级检查，而不是追求某个没有上下文的数值。若项目建立了色彩管理方案，则记录色彩空间和转换；若尚未建立，至少避免在不明环境中反复另存。

文件完整性与派生关系

每个批准文件应能实际打开，尺寸与记录一致，文件名和内容匹配。将文件哈希写入资产清单，可以发现后续静默覆盖；它不能判断图片好坏，但能确认“今天交给视频的文件”是否仍是昨天批准的内容。

保留三层文件：原始生成输出、经过批准的编辑母版、为特定下游导出的派生文件。派生文件可裁切、缩放或转换格式，但要指向母版，不能反过来覆盖母版。若视频模型需要一种尺寸，剪辑需要另一种尺寸，两者可来自同一批准母版并各自记录用途。

成功、失败与边界（六）

成功：目标画幅从构图开始；原始、母版和派生文件分开；在实际视频输入与剪辑环境各检查一次。失败：下载预览截图后改名为母版；方图硬裁导致动作空间消失；用放大工具掩盖身份或结构错误。边界：构图草图可以低分辨率，只要状态明确且不越级投入视频；技术门槛必须与阶段用途匹配。

理论模块十二：版权、同意与数据边界必须进入图片工作流

提出创作问题

一张图由AI生成，是否天然可以公开、商用或用作他人面孔的替代？不能这样推断。模型服务条款、模型许可证、输入素材权利、人物肖像与隐私、商标和最终作品的司法管辖都可能影响使用。技术生成成功只说明文件产生，不说明你拥有所有需要的权利。

四层来源记录

第一层是模型或服务：准确名称、版本、访问方式、当日条款或许可证入口。第二层是输入参考：自己创作、已授权、公共领域、许可素材或仅供分析；记录作者、来源、许可范围和日期。第三层是人物与声音：真实人物是否同意其肖像、身体或身份被用作生成参考；不得把私人照片默认当生产素材。第四层是输出用途：内部学习、公开非商业展示、比赛、平台发布或商业交付，对应风险不同。

“参考某种电影感”与直接复制一个受保护角色、独特服装或具体画面不是同一回事。教材中的经典影片只用于文字分析，我们提炼构图、空间、光线和节奏关系，不提供版权剧照，也不鼓励提示直接要求模仿在世艺术家或复制特定作品。原创性不是简单避开名字，而是从主题与自己的视觉圣经建立一套关系系统。

肖像、隐私与敏感输入

使用自己的照片也要考虑平台数据处理和未来用途；使用朋友、演员、同学或网络人物的图像应取得适合用途的明确同意。身份证件、家庭地址、医疗信息、未成年人照片、未公开工作资料和带位置元数据的私人图片，不应为了“参考更准确”随意上传云端服务。

本地运行减少了上传到第三方服务的环节，但不自动解决模型许可证、参考素材权利或设备安全。云端服务方便，也不自动拥有你输入的一切。选择路线时记录数据会去哪里、保留多久、谁能访问；条款不清时，使用去身份化或原创参考，或暂停投入敏感数据。

商标、文字和虚构界面

生成图可能无意出现品牌标志、可读文字或酷似现有产品的界面。科幻舱室中的乱码不仅是美术瑕疵，也可能在后续编辑中变成看似真实的品牌或警告。生产提示应禁止不必要的可读品牌文字；需要剧情文字时，优先在后期以可控设计添加，并记录字体许可。

如果画面必须呈现通信记录、编号或界面，先生成没有可读内容的结构底图，再在后期排版。这样可以保持语言正确、跨镜一致，也避免反复生成文字导致构图和身份变化。模型擅长文字渲染与否，是适配层能力，不改变“关键叙事文字应可校对、可修改、可授权”的原则。

发布前复核

许可证和服务条款会变化，模型卡中写明的许可也不必然覆盖全部输入与输出法律问题。因此资产清单中的license字段不是一次填写永久有效。正式发布、参赛或商业交付前，按当日用途重新核对官方来源；不确定时向合格专业人士咨询。本教材提供的是生产记录方法，不构成法律意见。

成功、失败与边界（七）

成功：每个关键参考可追溯，人物同意与用途对应，敏感素材不进入不明服务，发布前复核条款。失败：写“AI生成”便认为无版权问题；从搜索结果保存图片却不记来源；把同学照片上传后再询问同意。边界：内部构图草图也应记录来源，但风险和正式商业海报不同；记录应与实际用途成比例，不能因为是学习项目就完全忽略。

完整失败诊断表：从现象回到责任层

可见现象	最可能责任层	先检查	不建议的第一反应	合理下一步
人物不像同一人	身份/参考	强锚点、身份图、参考冲突	加十个“same person”	单参考复测身份基线
人物正确但像证件照	任务/构图	图片类型、动作阶段、空间关系	增加更多风格词	重写镜头任务和负空间
舱门位置改变	场景/拓扑	母版、反打方向、构图参考	局部画一扇新门	回到场景构图基线
手指或持物异常	动作/局部	遮挡、接触状态、动作复杂度	无限重抽同提示	简化动作或结构编辑
光线漂亮但不连戏	色彩脚本	前后镜、光源动机、状态变化	用调色完全补救	固定光源关系再生成
编辑后脸也变化	编辑边界	蒙版、保持项、父版本	从污染版继续编辑	从原基线重分支
首帧没有动作余量	镜头设计	动作起点、主体位置、画外空间	让视频“自由发挥”	前移动作阶段或重构图
结果无法复现	实验记录	模型、版本、种子、工作流、参考	编造缺失参数	标为探索并重建基线
文件能看但下游拒绝	技术规格	格式、尺寸、通道、路径	随机转码覆盖母版	从母版导出合规派生文件
画面可用但权利不明	来源/许可	模型条款、参考来源、人物同意	先公开再处理	暂停发布并补权利审计

诊断表不是自动判决。它的作用是把“图片不好”拆成可行动的上游责任。若现象同时涉及多层，按影响范围从上到下处理：任务和结构先于局部；身份和空间先于纹理；叙事与连续性先于像素级完美。

案例推演

以下纵向案例把前述理论串成一条真实可执行的收敛路径。所有步骤都区分“已有文本”“教学推演”和“实际媒体”；没有生成文件时不填写输出和批准。

《回声舱》图片资产纵向收敛

第一步：从批准文本建立基线

读取character_bible.md、world_bible.md、visual_bible.md和镜头表，提取岑遥强锚点、舱室拓扑、色彩关系与SH-001动作。不要直接复制整篇文档给模型；把与本图相关的内容编译成任务卡。角色永久身份与本镜状态分开，避免把剧情污渍永久写进角色身份。

第二步：制作三种母版

身份母版用中性光和清楚视角，优先脸型、发型、痣、体态与服装版型；场景母版无人，优先圆窗、气闸、控制台、入口与材质；道具母版优先尺寸、正反面、操作点。母版不是正片画面，不需要故意加大雾、眩光或极端景深。

第三步：编译SH-001提示

仓库中的prompts/image/PR-IMG-0003-v001.md是 SH-001 首帧的教学参考。使用前检查它是否与当前镜头表、空间和视频模式一致。提示ID不等于结果文件；若尚未实际生成，资产清单仍应保持text-approved或pending，不能填图片哈希或approved-for-video-input。

第四步：执行三轮单变量实验

按本章前述人物占比、动作阶段和功能光强度顺序，每轮保留上一轮选定条件。将真实输出相对路径写入prompt_experiments.csv；没有输出时保持表格空，不编造评分。失败图放入本地非Git媒体目录或合规精选媒体目录，按项目规则处理。

第五步：局部修正与全图复查

若B2/C2的腕带颜色错误而其余通过，从该候选建立编辑分支；记录父版本、蒙版与四段式指令。编辑后先看腕带，再看手腕边缘、手指数、袖口褶皱、脸部身份、背景气闸和整体色温。任何非目标项退化都要记录。

第六步：接触表与批准

把SH-001与相邻镜头关键帧并排，按身份、空间、状态、摄影四遍检查。批准记录写清“仅批准作为SH-001 I2VA首帧”或其他实际用途，列出已知边界。人工没有看过图片前，任何工具都不得代填批准。

第七步：把提示演进写成可审查记录

v001可能只有角色、舱室和“电影感”，结果像宣传海报。诊断不是“模型不懂”，而是任务、动作阶段和空间关系缺失。v002加入SH-001用途、人物左中位置、刚开始回头、固定中远景和右侧行动余量；若身份开始漂移，说明镜头约束加入后身份参考不足或发生冲突。v003固定身份参考，只调整人物占比；v004固定选中的占比，只调整功能光。

每个版本都写“为什么改”和“预期观察”。若v004反而更差，退回v003不是失败，而是实验结论：该功能光写法或强度不适合当前基线。不要把所有历史版本合并成一条巨长提示；最终生产提示应保留经过验证的必要约束，同时让版本史解释被删除的尝试。

提示演进记录可以这样写：

版本	唯一主要改动	预期	实际	决策
v001	建立无镜头约束探索	看角色与世界大方向	像海报，空间关系弱	不作生产基线
v002	加入用途、动作起点与构图余量	获得可运动首帧	方向正确，脸部略漂	保留构图
v003	固定身份参考	恢复岑遥锚点	身份通过	新基线
v004	控制台青光由弱到中	建立系统存在感	中等强度通过	候选待全片比较

这张表描述教学推演，不等于仓库已经有真实输出。只有执行后，才把实际文件路径、模型和评分写入项目CSV。

原创短片迁移：从第一个关键帧扩展到全片

不要一开始生成所有镜头。先选一个“高信息、不过载”的代表镜头：主要角色出现、核心场景可见、关键光色存在，但动作相对简单。它能同时检验身份、空间和视觉方向。代表镜头通过后，才制作身份母版、场景母版与相邻镜头；若代表镜头暴露视觉圣经矛盾，修订成本仍低。

第二步选择一个压力镜头。压力镜头应挑战不同条件，例如极近景、背面、强遮挡、复杂持物或警示光。它不是为了炫难度，而是测试当前身份锚点和场景规则是否跨条件成立。代表镜头与压力镜头都通过，才说明视觉体系具有一定韧性。

第三步制作全片接触表的低成本版本。可以用构图草图或较低分辨率候选先检查景别节奏、视线、方向和色彩脚本，不必每张都精修。若第六镜才发现前五镜全是同一正面半身，应该回镜头设计；此时继续超分只会放大错误。

第四步按镜头风险排序。身份近景、复杂手部、重要道具、首尾帧跨度大、强空间连续性的镜头先做；过场空镜、可被剪辑缩短或替换的镜头后做。风险排序让有限预算先回答“影片能不能成立”，而不是先完成最容易的图片数量。

第五步冻结一批，而不是逐张孤立批准。每批应至少包含一个角色集合或一段连续镜头。批次批准后，下游才能稳定工作；任何上游变化都要列出受影响镜头，避免悄悄用新版脸替换一张后破坏全片。

原创项目的范围削减示范

若角色一致性始终不稳，可把双主角八地点方案缩成单主角两地点；用声音建立画外角色；减少无叙事功能的换装；让高风险手部动作分镜化或藏在合理遮挡中。若空间漂移严重，可围绕一个可识别的固定物设计机位，而不是每镜展示全新房间。若预算不足，优先批准叙事关键帧，次要过场用剪辑、声音和现有空间重组。

范围削减不是让作品“变差”，而是把有限控制力集中到观众真正需要相信的关系上。一部角色可信、空间连贯、声音有意图的短片，通常比每镜奇观但彼此无关的样片更接近电影。

制作方法

一套从零可执行的十二步流程

1. 读上游。 确认脚本、镜头、视觉圣经和资产状态是当前版本。
2. 定类型。 明确是身份板、母版、草图、关键帧、首帧还是尾帧。
3. 写职责。 用一句话说明它进入哪个下游、解决哪个问题。
4. 列门槛。 必须可见、允许变化、禁止项和可接受边界各列三至五项。
5. 编译提示。 按五层结构写可见关系，删除互相冲突的形容词。
6. 分配参考。 每张图一个主要职责，记录来源与许可。
7. 冻结基线。 记录模型、模式、版本、尺寸、种子/不可见、参考和提示版本。
8. 少量探索。 先获得基线，不直接批量生成几十张。
9. 单变量比较。 一轮一个创作问题，统一尺度观察。
10. 选择修订路径。 结构错则重建，局部错则编辑，工具边界则改设计。
11. 集合检查。 用接触表检查身份、空间、状态和摄影连续性。
12. 人工批准。 填用途、版本、哈希、权利、已知限制和批准日期。

常见误区

误区一：把提示写得越长越专业

长度不能替代决定。长提示若充满重复风格词、冲突摄影要求和不可见细节，只会增加歧义。专业提示的标准是每一段有职责，结果能按段检查。

误区二：把种子当成跨平台永久复现码

种子只有在模型、实现、工作流、参数和环境足够一致时才有比较价值。工具未暴露种子时如实记录；不同系统结果不同不等于有人操作错误。

误区三：失败图立即删除

失败图与记录能告诉你哪些组合不工作。可保留低分辨率接触表或合规本地文件，不必把所有大图提交Git；但至少记录失败类别、条件与修订决策。

误区四：用局部编辑挽救所有问题

透视、身份、姿势和空间结构是高耦合问题。过度编辑会积累接缝和风格差异。为局部编辑设置次数和退回基线的条件。

误区五：只在100%放大看细节

电影观众按实际画幅和持续时间观看。先按接近交付尺寸看注意力、身份和构图，再放大检查手、边缘和纹理。微小瑕疵若在最终尺寸不可见，优先级可能低于动作余量。

误区六：一张漂亮图自动成为批准资产

候选图必须通过用途、连续性、技术和权利检查。批准状态由人基于实际文件填写，不能从提示文件、空路径或脚本“通过”推断。

误区七：模型更新就自动替换生产基线

新版本可能更强，也可能改变脸、构图、参数、显存与许可条件。先在独立分支复测已知镜头，再决定迁移；不要在影片中途无记录换模型。

正文练习

以下练习均为可选，不阻塞阅读进度。

练习一：把情绪词改写为可见关系

选择“孤独、温暖、危险”之一，写出人物占比、空间、视线、主光、功能色和材质关系。不得只用同义形容词。然后说明其中哪一项如果反转，会改变叙事判断。

参考判断

以“孤独”为例：单人占画面较小比例；人物视线指向画外但没有回应主体；环境固定物尺度大；主光只覆盖人物局部；背景功能光重复且冷；材质硬而缺少生活痕迹。孤独并不必然等于暗，明亮、空旷且没有回应也可成立。关键是关系，不是固定配方。

练习二：图片区分职责

为同一角色分别写身份板和视频首帧任务卡。比较两者在光线、姿势、背景、身份可见性和动作余量上的不同。

参考判断

身份板优先中性可辨和多视角，动作与背景应减少干扰；首帧优先特定镜头状态，需要场景、光线、视线和可发展动作。首帧可只显露部分身份锚点，但必须与批准身份一致。

练习三：设计三条单变量实验

保持模型、版本、模式、参考、尺寸、种子和提示其他部分不变，只比较主光方向：左侧、正面、背后。为每个版本写预期观察和同一接受标准。

参考判断

标准不应是“哪个更好看”，而应是脸部是否可读、人物是否与环境分离、光源是否能由场景解释、是否支持该时刻情绪。改变主光会连带改变阴影，这是该变量的自然结果，不算偷偷改第二变量。

练习四：判断编辑还是重生成

候选图A只有腕带色错；B人物年龄与脸型错；C门的位置错但人物通过；D袖口有小接缝。为每项选择局部编辑、重生成或接受，并说明风险。

参考判断

A通常局部编辑；B重建身份基线；C若门是空间强锚点，通常回场景/构图重建，局部画门可能破坏透视；D先按交付尺寸判断，可见且影响连续性才编辑。决定取决于问题耦合度和用途，不是固定按钮。

练习五：原创片迁移

从你的短片挑一个镜头，写出图片任务卡、五层提示、三张参考职责卡和一轮实验矩阵。假设模型不暴露种子，说明你还能保持哪些条件，哪些结论必须降低置信度。

参考判断

可保持同一会话、模型显示名、模式、输入参考、提示其他部分、尺寸和操作顺序，并保存时间与原文件。仍不能保证精确复现，因此结论应写“在当前会话样本中更符合标准”，而不是宣称变量具有普遍因果效果。

章节小结

图片阶段是电影生产的一环，不是作品墙。先定义图片类型和下游职责，再把电影意图编译成可见关系；参考图按唯一主要职责使用；探索发现方向，单变量实验解释方向；局部编辑保护已批准关系，结构错误则回到上游；关键帧既要静态成立，也要为时间和动作留余量；接触表把单张审美转换成集合连续性；最终批准必须针对具体用途，并保留完整谱系。

对初学者而言，最重要的进步不是第一次就写出“完美提示”，而是每次都知道自己在解决哪个问题。只要能保存基线、一次改变一件事、说清接受标准、诚实记录工具没有暴露的信息，你就在积累可迁移的导演与制片知识，而不是依赖偶然好运。

章末工作簿

打开第7章工作簿。工作簿提供图片任务卡、提示编译表、参考职责卡、实验矩阵、局部编辑决策树、接触表审核和批准记录的可复制模板。

注释与书目

延伸阅读

• ComfyUI文生图官方教程：核对工作流、节点与当前界面。
• ComfyUI Qwen-Image官方工作流：核对当前模型文件与工作流入口。
• Qwen-Image-Edit官方模型卡：核对版本、许可证与示例代码。
• 《回声舱》图片路线指南（私有案例资料，公开版不提供下载）：项目内教学参考，使用前确认状态。
• Bruce Block, The Visual Story, 3rd ed., Routledge, 2020。
• Blain Brown, Cinematography: Theory and Practice, 4th ed., Routledge, 2021。

---

1. 本章关于“职责—约束—实验—批准”的流程、五层提示结构与四圈编辑复查，为教材针对单人AI微电影生产提出的原创综合框架。 ↩

2. Chris Marker, La Jetée, Argos Films, 1962。本文仅概述其静止图像、声音与时间组织的形式，不复制剧照、剧本或对白。 ↩

3. Ridley Scott, Alien, 20th Century Fox, 1979。本文只分析工业空间、功能照明与人物尺度的组织，不复刻具体美术设计。 ↩

4. Jonathan Ho, Ajay Jain, Pieter Abbeel, “Denoising Diffusion Probabilistic Models,” NeurIPS 2020；Robin Rombach et al., “High-Resolution Image Synthesis with Latent Diffusion Models,” CVPR 2022。用于理解概率采样与潜空间生成的技术背景。 ↩

5. Sidney Lumet, 12 Angry Men, United Artists, 1957；Sidney Lumet, Making Movies, Vintage, 1996。本文将有限空间内的镜头递进作为文字化创作分析。 ↩

6. Alfred Hitchcock, Rear Window, Paramount Pictures, 1954。本文只分析稳定空间、视线和观察关系，不收录版权画面。 ↩

7. ComfyUI, “Getting Started with AI Image Generation”与“Text to Image Workflow”，2026-09-05核验。官方文档说明默认文生图流程、模型目录、工作流JSON以及从含元数据图片载入工作流的方法。 ↩

8. Qwen Team, “Qwen-Image: Crafting with Native Text Rendering,” 2025-08-04；Qwen/Qwen-Image-Edit官方模型卡；ComfyUI官方Qwen-Image工作流教程，均于2026-09-05核验。版本、文件与支持模式可能变化，使用时应再次核对。 ↩

9. Bruce Block, The Visual Story, 3rd ed., Routledge, 2020。用于视觉结构、对比与连续性关系的进一步学习。 ↩

10. Steven D. Katz, Film Directing Shot by Shot, Michael Wiese Productions, 1991。用于镜头设计、空间和连续性基础；本章将这些原则迁移到生成关键帧任务。 ↩