小說改文生圖提示詞，用DeepSeek指令定制方案，人物不再“變臉”

最近有一位做短劇內(nèi)容的客戶找到我，她在把古裝短劇劇本轉(zhuǎn)化成文生圖提示詞時遇到了一個很典型的問題：同一個角色，前一張圖是黑發(fā)高髻，下一張變成了披肩散發(fā)；剛剛還穿著月白長裙，轉(zhuǎn)場就換了顏色。十幾張圖出來，人物的臉、服裝、氣質(zhì)全都對不上，根本沒法用于連貫的分鏡制作。

她用的是通用寫法，直接把劇情描述粘貼進去，讓工具自己理解畫面，結(jié)果每一張圖都像是不同演員在演同一個角色。

這個問題的本質(zhì)不是工具不行，是提示詞的邏輯沒有打通。

文生圖和寫文案不一樣。文案可以靠上下文推斷語氣，圖像沒有上下文記憶——你每輸入一條提示詞，工具看到的都是一張白紙。所以如果你不在每一條提示詞里把人物的外貌信息寫清楚，工具只能靠隨機猜測來填充細節(jié)，人物“變臉”就成了必然。

要解決這個問題，需要在指令層面做一件事：在生成任何畫面之前，先強制建立一份固定的人物視覺檔案，然后要求每次人物出鏡時都必須完整復(fù)述檔案信息。這不是技巧，是底層邏輯。

我交付給她的指令，核心設(shè)計了兩層結(jié)構(gòu)：

第一層：人物視覺檔案前置鎖定。

在指令的第一步，不是讓工具直接出圖，而是先通讀全文，把所有主要人物的固定視覺標簽提取出來，格式必須包含年齡、發(fā)型頭飾、服裝顏色材質(zhì)款式、面部特征，統(tǒng)一建檔。

這一步的目的是給整個創(chuàng)作過程設(shè)定一個“人物數(shù)據(jù)庫”。只要這個數(shù)據(jù)庫在，后續(xù)每一張圖的人物描述都有據(jù)可查，不會出現(xiàn)信息漏填或自由發(fā)揮的情況。

以客戶的古裝短劇為例，我?guī)退雅魃颥幎x為：18歲，清冷堅韌，鵝蛋臉，東亞面孔，黑長發(fā)高髻淡玉簪，淡雅長裙。這條描述一旦鎖定，無論后續(xù)出現(xiàn)多少個場景，這個人物的視覺呈現(xiàn)就有了固定的坐標。

第二層：強制嵌入機制——人物每次出鏡都必須復(fù)述完整描述。

這是整套指令里最關(guān)鍵的一條規(guī)則，也是大多數(shù)人寫提示詞時最容易忽略的地方。

很多人覺得，第一條提示詞里寫過人物描述了，后面就不用重復(fù)了。這個邏輯在寫文章時沒問題，在文生圖里完全失效。每一條提示詞是獨立的，工具不會記住你之前說過什么。

我的處理方式是在指令里寫死一條死命令：只要畫面中出現(xiàn)主要人物，必須在人物稱呼后的緊鄰位置，用括號完整插入第一步定義好的視覺描述，包括性別、年齡、服飾和妝容。哪怕上下兩句只隔了逗號，也要重復(fù)。

這條規(guī)則執(zhí)行起來看上去有點繁瑣，但它直接解決了人物“變臉”的根本原因。

除此之外，我還在指令里對空鏡頭做了專項處理：如果畫面中沒有人物，開頭必須標記“無人，空鏡頭”，再接具體描述。這個區(qū)分讓工具在處理純景物鏡頭時不會莫名其妙地往里塞人物，整體分鏡的節(jié)奏感會更穩(wěn)。

用了新指令之后，前后對比很明顯。舊方式出來的提示詞是這樣的：林蕭站在廳堂中央，看著對面的喬玉，白天，古風(fēng)背景。

工具收到這條描述，對林蕭的年齡、發(fā)型、服裝一無所知，全靠隨機生成，每次出圖都是不同的人。

新指令生成的提示詞是這樣的：林蕭（女，18歲，清冷堅韌，鵝蛋臉，東亞面孔，黑長發(fā)高髻淡玉簪，淡雅長裙，表情冷靜）站在將軍府正廳中央，直視對面的年輕女性，白天，背景是雕花立柱和青磚地面，正面中景，光線從側(cè)面窗欞透入，柔和自然光。

同一個人物，前后出圖的發(fā)型、服裝、氣質(zhì)穩(wěn)定了很多，客戶拿去做分鏡連貫性明顯提升。

客戶反饋說，以前出十張圖大概能用三四張，現(xiàn)在用新指令基本能用七八張，廢圖率降了不少，返工時間縮短了很多。

小說或劇本轉(zhuǎn)文生圖這個需求，現(xiàn)在越來越普遍，但大多數(shù)人卡在“提示詞寫完人物就變形”這一關(guān)，繞不過去。

核心問題只有一個：有沒有在指令層面給人物建立固定的視覺檔案，并強制每次出鏡都復(fù)述。這個底層邏輯想清楚了，人物一致性的問題基本可以解決大半。

如果你也在做短劇、漫畫或小說的分鏡轉(zhuǎn)化，遇到了類似的卡點，不妨重新審視一下你的指令有沒有做這兩層設(shè)計。