AI 短剧的连续性状态表：一个人物，三个镜头

用三镜头泡茶故事，明确人物、道具与场景状态，再把有意的变化与没有解释的偏差分开检查。

三个月免费开放 · 至 2027 年 1 月 10 日（日本时间），所有文章均可阅读全文。

先讲一个变化看得见的小故事

Google 9 月 24 日的研究博文 ↗讨论了用于长视频一致性的多代理调度与视觉记忆。下面是独立设计的三镜头练习，不是对该研究系统的复现。

练习很简单：小林泡茶，走到走廊喝一口，再回厨房放下杯子。整段可以按约二十秒规划，只有一个人物、一件关键道具和两个场景。使用你已有的工具即可，不要求某个指定模型，也不要求部署论文系统。

目标是保留本来应该固定的事实，同时让一个变化有清楚的原因：满杯的茶在喝过之后变成半杯。一致性不意味着所有细节都不能变，而是变化能被观众理解。

用自己的话准备一张简短参考表：小林穿纯蓝色围裙，黄色腕带戴在左手腕；杯子是红色，杯柄旁有一个小白点；厨房水壶始终在台面右侧，窗户始终在左侧。

参考图可以来自你自己的绘画，或你有权使用的图片。它们是创作参考，不代表工具一定能准确复现每个细节。

镜头	场景与人物	杯子的进入状态 → 结束状态	预定动作
1	厨房；蓝围裙、左手黄色腕带	空杯，位于水壶左侧 → 满杯，右手拿着	小林倒茶并拿起杯子
2	走廊；相同服装与腕带	满杯，右手拿着 → 半杯，仍由右手拿着	小林明确喝一口
3	厨房；台面布局和服装相同	半杯，右手拿着 → 半杯，放在水壶右侧	小林返回并放下杯子

杯子从水壶左侧移到右侧，是刻意安排的变化，不应判为错误。没有解释就突然出现绿杯子，或厨房窗户换了位置，才是连续性问题。

每个镜头只描述它必须完成的动作，再补充相关的固定细节、起点和终点。例如镜头 2 可以这样写：

“小林走进走廊，穿着已确定的蓝色围裙，黄色腕带在左手腕。右手拿着已确定的红杯子，杯内茶水是满的。小林清楚地喝一口。镜头结束时，同一个杯子变成半杯，仍拿在右手。”

这是一种建议的写法，不是适用于所有模型的统一指令。请根据所用工具支持的参考图、片段时长和控制方式调整。如果现有控制无法可靠表达某个细节，就简化场景，不必无限追加指令。

把原理，切开来看

编辑示意图把有意的变化写进分镜计划。每个新镜头都对照同一份参考，检查无法解释的漂移。

先比较镜头 1 的最后一帧与镜头 2 的第一帧，再检查镜头 2 和镜头 3 的连接处。核对面孔、服装、腕带、杯子特征和茶水多少。随后完整播放一遍，不暂停观看；静态画面衔接正确，也可能掩盖某个动作根本没有发生。

问题清单只记三件事：镜头编号、观察到的偏差、准备尝试的最小修改。腕带换到另一只手，可以调整该镜头的参考图或构图；喝茶动作缺失，就修改动作说明。修正改变了共享状态时，再检查相邻镜头；否则尽量保留已经通过检查的镜头。

用五分钟准备状态表和参考资料，十分钟生成或拼接粗剪，再用五分钟检查。记录每次尝试，以及实际花费的时间或费用。

把每项要求标为“能看见且正确”“不正确”或“无法判断”。腕带被遮住，不等于已经验证它没有变化。如果关键事实看不清，下一次就换一个更清楚的构图，或先从故事要求中移除这项细节。

通过标准是一段能逐镜头说明、关键变化都有原因的短片。本文不声称已有实测成绩，也不保证生成结果；这个练习的价值，是留下可复用的记录：哪些事实必须保留，哪些变化允许发生，哪些问题还需要修正。

读懂之后，再动手试一次。