选修专题：多角色对白——把关系、视线与声音拆成可控制的层

本专题可选。它讨论至少两名角色的对话场面；没有真实演员、生成模型或音频也可用纸片、朗读和镜头卡完成。所有案例都是文字化教学推演，任何候选、配音和媒体在实际产生并人工审看前均应保持planned/pending。

前置能力

你需要能用一句话写出每个镜头的主职责，区分景别、机位、画内声和画外声，并知道同一机位链里的视线方向为何要连续。不会这些内容时，先补读第3章的拆镜与空间关系、第8章的表演和摄影、第10章的声音视点。你不需要先会口型生成或复杂双人动作；本专题恰好说明为何这些变量应分开处理。

适用问题

适合处理的是“关系必须被观众读懂”的对白：审问、告别、谈判、误认、远程通话或两人共同面对一个物件。它不适合把多人群戏、追逐、拥抱、抢夺和大幅摄影机运动一次塞进同一镜头。先问：观众此刻必须知道谁在听、谁在说、谁掌握信息、谁因一句话改变了行为？若答案不清楚，先回到剧本，不要先加更多参考图。

文字案例：一张未署名的语音备忘录

虚构场景发生在夜班档案室。档案员林澈收到一段与同事周衡声线近似的备忘录，内容要求她删除一份文件。周衡在门口出现，否认录过这段声音。这个场景的戏剧问题不是“谁的口型最准确”，而是林澈在两种相似声音之间何时转而怀疑眼前的人。

错误的整体镜头会写成：“两人面对面激烈争吵，摄影机绕行，林澈播放录音，周衡抢走播放器，二人同时说话。”它把两张身份、两条表演、手部接触、道具交接、双声源、环绕摄影和节奏转折同时交给一次生成。即使单帧漂亮，观众也难以确认谁拿着播放器、谁正在说话、门在哪一侧，更无法把声音归属到人。

更可控的文字分镜把关系拆成六个信息节拍。第一镜是林澈单人中近景：播放器置于她前方，她按下播放，视线不离显示灯。第二镜是周衡门口的中景：门在画面右侧，人物停在门槛外，听见自己近似的声音后没有立刻走近。第三镜回到林澈的近景：她不看周衡，只把播放器音量调低，说明她先相信声音而非来人。第四镜是周衡的反应近景：他望向画外左侧的林澈，先吸气、再说“那不是我录的”。第五镜给播放器和林澈手的插入镜，声音停下。第六镜才给两人共享但保持距离的双人宽镜：林澈向门边退半步，周衡仍在门槛外；这不是炫耀双人同框，而是确认权力关系已经改变。

声轨也分层。录音是经许可或原创表演的“设备声”，带有播放器的窄频与距离；周衡的现场对白是房间中的近声；林澈大部分时间只用呼吸和衣料声。若两段声音都做成同样贴脸、同样响度，观众会误以为录音来自周衡本人。声音先于画面提供的错误信息，必须在音色、空间感和起止点上保留区别。

制作方法

1. 先写关系表，而不是先写双人提示词

为每个节拍填写四项：谁掌握信息、谁看谁或看什么、谁改变身体状态、观众离开镜头时多知道什么。例如“林澈仍听录音、周衡被声音冻结、观众知道两人对同一声音的解释冲突”。若两个角色在一个镜头里都没有新的可读变化，这个镜头通常可以删掉或改为反应镜。

再画最小空间图：门、人物A、人物B、播放器和摄影机分别在哪里；用“画面左/右”只描述当前机位，用“门内/门外、靠桌/靠门”描述场景关系。每次换到反打，重新写当前镜头左右，不把上一机位的左右当作世界坐标。

2. 为每条声音分配说话者、介质和时间

建立声音卡：SND-现场-周衡、SND-设备-备忘录、SND-环境-空调。每张卡记录声音是否画内、谁能听见、何时开始结束、它压住谁、许可或表演来源是什么。不要要求模型在同一段中同时完成重叠对白、精确口型和复杂身体接触；先录或设计能独立成立的节奏，再决定是否需要可见说话嘴部。

3. 让镜头承担一个关系变化

单人近景最适合观察听见、犹豫、隐瞒和决定；过肩镜适合把“我在看谁”留在画面中；插入镜适合确认物件和声音媒介；共享宽镜适合确认距离、门槛、站位或权力关系。它们不是必须轮流出现的语法。若一句话只改变林澈，优先拍林澈的反应；若关键是周衡无法跨过门槛，宽镜才值得保留。

生成或拍摄时先做固定机位基线：角色站位、门、道具、光线和一句短动作固定，只验证“林澈播放—周衡停住”的关系。再单独测试反打视线、道具插入或缓慢推近。每次只增加一个变量；候选上限由预算和风险决定，达到上限时选择、改写或拆镜，而不是默认继续。

4. 在剪辑里检查声音是否替代了画面

把现场对白静音观看：仍能否看出谁在等待、谁被逼退？只听声音：能否知道录音与现场人声不同、谁先掌握信息？再音画连续观看，检查录音开始、人物反应、说话嘴部和道具按键的先后是否互相支持。任何一遍不成立，先定位是关系设计、声音视点、表演节拍还是镜头连接的问题，再回到相应层修改。

5. 记录一次可比较的对话实验

实验卡不必复杂：写明固定的人物外观、站位、道具、台词长度与机位；唯一变量只选一个，例如“是否先给林澈反应再切周衡”或“设备声是否带窄频”。观察时不要只暂停在好看的帧上，而要在正常速度回答三件事：观众能否分辨两条声源、能否指出两人的相对位置、能否说出一句话改变了谁。若答案只是“画面很电影”，记录为审美反馈，不把它替换成关系证据。

把每个候选分开标记为generated、reviewed、selected或rejected；只有人看过完整上下文后才可能是approved_by_human。这套状态不是为制造管理负担，而是防止“任务完成”被误写成“表演和关系已经成立”。实际有真人参考、人声或多语种台词时，另把同意、来源、语言版本和字幕需求写入声音/权利表。

复核笔记可只写三行：“第几秒，谁看向何处；哪条声源开始或结束；这个变化让谁获得或失去什么信息。”若无法写出其中一行，说明镜头可能仍把关系藏在提示词里，没有把它变成观众可观察的事件。

失败对比与边界

成功路径：林澈按键后留出短暂停顿，周衡先看播放器再看她；反打维持明确视线；录音在林澈松键前结束，周衡的现场声音随后进入。观众即使没听清每个词，也能看懂“声音使关系变了”。

失败路径：每个镜头都让两人同时讲话、互相走近、抢道具，摄影机也在移动；生成后靠字幕解释谁是谁。字幕可以辅助文字，不应替代身份、声源和动作因果。若角色脸或衣服漂移，先减少共享镜头和动作阶段，而不是反复要求“绝对一致”。

边界情况：电话、广播、监控或离屏角色并不比面对面对话低级。只要观众知道声音通过什么媒介进入、可见角色为何相信或怀疑它，画外声反而能保留想象空间。涉及真人声音、模仿特定个人或数字替身时，必须在使用前核对当前用途的同意与许可；技术可行不等于可发布。

可选练习

把你自己的两人场景压缩成四至六个关系节拍。为每一节拍写：主要观看对象、角色A的状态变化、角色B的状态变化、画面/声音各自提供的唯一信息，以及可在失败时替代它的单人镜、物件镜或画外声。最后标出哪一条声音需要真实授权，哪一条只是计划。

判断过程

若一个节拍同时要求两人完成新动作、完整口型、道具交接和摄影机运动，先问观众真正需要看懂什么。把其他信息交给反应、声音或下一镜，通常更稳定。合格的表不是镜头越多越好，而是每次关系变化都能指向一个可观察的画面或声音证据；无真实媒体时，所有测试结果仍应填pending。

退出与回到主线

当双人同框连续失败、声音许可不清或外部观看者仍分不清关系时，停止扩大变量。退回到单人反应、门外声、设备声或物件状态，重新在第8章检查表演和摄影，在第9章记录连续性和候选状态，在第10章完成声音与权利链。专题的成果应是一张可追溯关系表，不是一次冒险生成的“成功视频”。