阿拉丁短剧角色一致性工坊

AI 短剧的「变脸」痛点

在文生视频模型制作连续短剧时，最致命的并非画质，而是角色一致性（Character Consistency）。模型在处理每个镜头时是独立推理的，当你在第 3 镜和第 7 镜都只写「男主」时，模型并不知道这是同一个人。结果就是：

• 五官与发型漂移：观众眼睁睁看着主角的发色、眼窝深度甚至脸型发生变化。
• 幽灵角色：剧本里没写，但镜头构图里出现了路人，模型随机生成了多余的角色。
• 换装不同步：剧情中主角换了衣服，但后续镜头的 Prompt 没同步更新，导致衣服颜色前后矛盾。

这种「单点生成」的模式，在长序列制作中必然会导致连续性崩塌。

核心工作流：从剧本到锚点

aladin-drama-cast 是一个角色资产管理工具链，通过三个纯本地 Python 脚本将角色特征「锁死」在 Prompt 资产中。

1. 构建角色圣经 (cast_build.py)

输入分镜脚本 script.json，脚本会提取所有角色，并确定性地生成 _cast.json 与 cast_cards.md。

• 可复算的 Seed：每个角色拥有专属的固定 Seed，基于 md5(项目名 + 角色名) 派生。无论在哪台机器上重跑，结果完全一致。
• 双语锚点：生成包含 7 要素外貌描述的角色卡，支持中英双语。

2. 锚点注入 (cast_anchor.py)

这是核心修复步骤。读取 _cast.json 与原始的 _prompts.json，生成 _prompts_anchored.json。

• 双向锁定：将角色的外貌描述前置到该角色的每一个镜头 Prompt 中，并在负向提示词中追加抑制词。
• 风险检测：自动扫描并标记风险镜头，如「多人同框」或「未标角色」。

3. 跨集连续性体检 (cast_check.py)

生成一份 cast_report.html 报告，排查：

• P0 幽灵角色：画面里有但角色表里没定义的角色。
• P1 换装漂移：剧情中发生了换装，但后续 Prompt 未及时更新服装锚点。

能力边界与注意点

这个工具专注于资产层的一致性管理，它不直接调用付费 API 生成视频，也不处理任何真人照片。它输出的只是纯文本数据。

• 局限性：尽管通过 Seed 和强锚点能极大程度约束模型，但不同视频平台的模型结构不同，无法保证 100% 还原。
• 前置条件：需要你先通过脚本工具生成好 script.json 和 _prompts.json。它是流水线中的一环。