AI视频真人质感全流程拆解：人物资产、情绪时间轴、运镜提示词与一致性排查

本文由 莫潇羽@源码七号站（www.fuyuan7.com）撰写，转载请注明出处。

快速摘要

先说结论：AI视频做不真，九成不是模型不够强，而是你缺一套"从人物资产到成片"的顺序。 这篇长文把我自己折腾下来觉得最有用的东西整理成一条完整链路：先用三视图和微距纹理把人物资产做扎实，再用"正向词 + 负向词"把皮肤质感调到真人档位，然后用"起始表情、变化过程、终点表情、保持条件"四段式把情绪写成一条时间轴，最后只给一条视频安排一个主运镜，并用一份排查清单把人物、服装、场景、光线、镜头语言五类一致性逐项锁死。

文中我给了可直接复制的提示词模板（三视图、皮肤优化、表情过渡、运镜公式、首尾帧衔接），也给了成本控制、抽卡止损、平台合规（AI生成内容标识、肖像授权、商用素材授权）这几件容易被忽略、但迟早要面对的事。新手最该记住的一句话是：人物先稳住，再谈场景；场景先稳住，再谈动作；一个镜头只做一个主运镜。 顺序错了，你会把算力全烧在返工上。

想看完整拆解，往下翻。

第一章 一条AI视频为什么"一眼假"：先用眼睛做质检

很多人刚接触AI视频的时候，都会经历同一个瞬间：刷到别人的作品，觉得"这也太真了"；自己上手跑了一条，发出去没两分钟就有点后悔——点赞的人不少，评论区却总有那么一两条"这脸是AI吧"。

同行之间也常聊这个事。有人归因于模型不行，有人归因于自己的提示词不够长，还有人干脆归因于运气。我自己折腾了小半年，慢慢意识到一件事："一眼假"其实不是一个毛病，而是五个断层叠在一起的结果。

1.1 把"假"拆开看：五个断层

我把常见的失败场景归了归类，做成了下面这张表。你可以对照自己的作品，看看卡在哪一层。

这五个断层里，只有第一个跟模型能力有关，剩下四个全是流程问题。所以我给自己的判断标准是：如果一个作品看起来假，先去查流程，别急着换工具。

1.2 新手最常踩的第一个误区：把工具当成答案

我接触过不少刚入门的朋友，问的问题高度一致："哪个工具最好用？""哪个模型画人最像？"

这个问题本身没有错，但它排错了优先级。业内有一种说法很形象：工具是杠铃，流程才是动作。杠铃换得更贵，动作不对，照样练不出东西。AI视频同理——真正拉开差距的，是你能不能把一个普通想法，稳定地拆成人物、场景、动作、情绪、镜头这几块，并让它们前后咬得住。

现在的平台上确实有一句话生成分镜、再自动连成多镜头的能力，用起来很爽。但只要你观察得够细，就会发现它的短板也很明显：镜头与镜头之间的人物关联偏弱，上一段和下一段的身份、发型、服装经常会飘。这不是我一个人的感受，公开的评测里也反复提到"跨镜头的角色一致性"仍然是各家模型的重点攻坚方向。

所以我的选择是：先把可控的手动流程跑通，再回头用自动化能力提效。 顺序反过来，你会一直不知道自己错在哪一步。

1.3 我平时用的"四问质检法"

每次成片导出之前，我都会问自己四个问题。问题很糙，但很管用：

• 脸还认得出是同一个人吗？ 把第一镜和最后一镜并排放，遮住衣服只看脸。
• 动作有没有起点和收尾？ 如果人物的运动是均匀、匀速、从头到尾一个速度，那基本是AI味。
• 光线有没有偷偷变？ 同一场戏里，柔光变硬光、暖调变冷调，观众一眼就能察觉。
• 每个画面是否都为了讲同一件事？ 把分镜按顺序默读一遍，读不出因果关系的画面，就该删。

这四个问题背后，其实是一条完整的链路：人物资产、质感、情绪、运镜、节奏。接下来我就按这条链路的顺序，把每一步的原理和操作展开讲。

1.4 顺手说说选平台的三个判断维度

总有人让我推荐工具，我的回答一直没变：先看三件事，再看具体是哪一家。

• 第一看一致性能力：有没有角色绑定、多图参考、首尾帧控制这几项功能，它们直接决定你能不能做多镜头的内容；
• 第二看成本结构：按秒计费还是按次计费、有没有更经济的档位、失败重试怎么算，这些细节长期下来差距不小；
• 第三看它是否在你已有的工作链路上：能不能和你在用的工具打通，导出格式是否方便继续剪辑。

拿这一两年的变化来说，可灵在镜头语言理解和微表情上的进步比较明显（公开评测里，3.0 这一代已经能比较稳地还原推近、拉焦这类镜头语言），即梦体系在画面稳定性和首尾帧控制上的口碑不错（Seedance 系列这两年也在持续迭代），哩布哩布这类平台的优势是把多个模型和画布式工作流聚合在一起，新片场旗下的 Shotlab 则把 AI 画布做成了节点式的工作空间，把一个项目从分镜到成片都装进同一张画布。这些平台都能在国内环境里正常访问和使用，具体功能建议直接去官网看当天的版本说明。

境外的一些图像与视频模型，能力上确实有独到之处，但境外模型使用需遵守国内网络与内容管理相关规定，同时还要考虑素材上传与数据安全的问题。如果你的项目对合规性要求高，优先选国内合规平台提供的同类能力，通常会省心很多。

最后一句话提醒：功能、价格、模型版本变得太快，我上面说的只是我写稿时的体感，请以官方文档和平台公告为准，不要拿任何一篇教程当长期有效的说明书。

第二章 人物资产底座：三视图、微距纹理与四到六张细节组

如果只能保留一条心得，我会留这条：人物一致性不是一个提示词问题，而是一个资产问题。

你手里的参考图越完整，后面越省力。只有一张正面照，模型就只能靠"脑补"侧面和背面；等镜头一转，脸型、发型、发际线立刻开始飘。反过来，如果你有一整套正面到背面的角度图、有五官的微距细节、有服装和配饰的多角度图，模型就有了足够的信息去"照着做"，而不是"猜着做"。

2.1 先建一张资产清单，别急着出片

我把人物资产分成六类，做项目的时候按这个清单收集，缺一块就补一块。

顺序上我的习惯是：全身三视图先出，它是最重要的那张"底片"；然后再补中景、近景，最后做微距纹理。原因很简单，全身图决定了比例，比例错了，后面所有的细节都白做。

2.2 三视图提示词的写法：把"一致性"写成明文约束

三视图的提示词不需要华丽，需要的是把约束一条条写清楚。下面这个模板是我改过很多版之后留下的，你直接替换描述就行。

生成人物全身三视图角色参考图，纯白背景，1×3横向排版。
左：正面全身站立；中：90度侧面全身站立；右：背面全身站立。
同一张脸、同一肤色、同一发型、同一身材比例、同一套服装、同一双鞋。
人物自然直立，双臂自然下垂，肩颈放松，全身完整入画，头顶到脚底都在画面内。
高级电商白底摄影风格，画面干净无杂物。
超写实真人质感：皮肤有毛孔、轻微瑕疵、细小绒毛，头发有单根发丝和自然碎发，
服装有真实布料纹理，真实棚拍光影，高清4K。

近景版本只需要把构图范围改成"头部到胸口"，再把重点换成"脸型轮廓、眼睛、眉毛、鼻子、嘴唇、下颌线、耳朵、发际线、发丝层次、皮肤纹理与妆感"。

这里有个特别容易翻车的细节：生成 1×3 的横向网格时，画面比例一定要选横构图。我早期图省事用了竖向比例，结果三格里的人物全被裁掉了半条腿，拿去做参考的时候，模型学到的就是"这个人没有脚"。凡是排版类提示词，构图比例和排版方式要配套想清楚。

2.3 什么叫"4K真人感"？它其实是六个词