ISSUE 01
切鏡後空間跳動
同一節車廂在兩顆鏡頭裡座椅數量或扶手位置不同。解法是先產出一張場景定稿圖，後續鏡頭都以它作為構圖參考，而不是每次從文字重新描述。
AI 製作技術：把《全班地鐵求生只有我一個男生》一集做出來
六個製作節點，從劇本拆到後期合成，每一步都寫清楚參數方向與失敗原因。
整集製作的基本盤
以單集十二分鐘、四十七人設定為基準的實際產出量。
鏡頭總數
186 顆
含重複使用與過場鏡頭
固定角色
6 位
需要鎖定臉部與服裝
主要場景
3 類
車廂、隧道、月台
單鏡頭重試
2.4 輪
平均值，含運鏡失敗
製作節點時間軸
依實際執行順序排列，前一節點沒穩定就不進入下一節。
STEP 01
劇本拆解與鏡頭表
先把對白段落切成「一個動作一個鏡頭」，避免單顆鏡頭裡塞進兩個以上的情緒轉折。全班地鐵求生的場景封閉，資訊量大但空間小，建議把台詞依座位區域分組，同一區域的對話共用一顆中景，再補特寫。鏡頭表要標明景別、時長、台詞長度，這份表會直接決定後面提示詞的數量。
STEP 02
角色設定與一致性鎖定
六位固定角色各自需要一組正面、半側、背面的參考圖，並記錄髮型、制服細節與配件位置。生成時固定種子碼，並在提示詞開頭放置角色描述段落，順序不要每次更動。群體同學不需要個別設定，改用統一制服描述加上「低解析度群像」處理，能省下大量重試時間。
STEP 03
場景生成：車廂、隧道、月台
車廂的關鍵是縱向重複結構，座椅、扶手、燈管的排列要一致，否則切鏡時觀眾會察覺空間跳動。隧道重點在暗部比例與單一光源，讓手機螢幕或緊急照明成為唯一亮面。月台需要一個明確的視覺出口，例如樓梯口或隧道深處，作為角色移動方向的依據。
STEP 04
分鏡提示詞撰寫
每一顆鏡頭的提示詞固定五段結構：角色外觀、動作與情緒、景別與機位、場景與光源、畫面質感。段落順序固定，只替換內容，能讓模型對同一組設定的反應趨於穩定。情緒描述用具體動作代替形容詞，例如「手指扣住扶手、視線往下」比「緊張」有效得多。
STEP 05
配音、嘴型與音效
先定稿配音再生成畫面，順序反過來會造成大量補救。台詞長度直接對應鏡頭時長，短句約 1.5 秒、長句約 4 秒，超過 6 秒建議拆成兩顆鏡頭。環境音以車廂低頻震動為底，隧道段加入空曠殘響，月台則保留廣播與腳步的距離感。
STEP 06
剪輯與整集統一調色
把每顆鏡頭的對比、飽和與黑位對齊到同一組數值，再統一疊加一層顆粒，是讓整集看起來同屬一部片最快的做法。轉場盡量用硬切，封閉空間內的溶接會削弱壓迫感。片長控制在十二分鐘內，節奏以每 40 秒一個資訊點推進。
關鍵參數對照
實際專案使用的設定方向，數值依模型版本調整。
角色參考權重
固定角色維持在能保留臉部特徵又不至於僵硬的區間，超過上限會讓表情失去變化，偏低則每次生成都像不同人。
前期設定
種子碼
同一角色、同一場景區段沿用同一組種子。跨場景時重新取號，避免把車廂的光影帶進隧道。
一致性
運鏡幅度
封閉空間內以固定機位與緩慢橫移為主。大幅推拉容易讓車廂結構變形，寧可切鏡也不要硬拉。
分鏡階段
暗部比例
隧道段刻意保留大面積暗部，只讓單一光源成形的區域清晰，其餘交給觀眾自行補完。
場景生成
群像人數上限
單顆鏡頭超過十人時，改以剪影、背影或景深虛化處理，避免臉部糊成一團影響可信度。
群體鏡頭
單鏡頭時長
多數落在三到五秒之間，情緒停留較長的鏡頭不超過七秒，超過就拆成兩段。
剪輯節奏
最常撞到的三個問題
依實際重試紀錄排序，前三名佔了總重試量的一半以上。
ISSUE 02
角色臉部漂移
連續生成十顆以上鏡頭後，主角的五官會慢慢偏向另一個人。每五顆鏡頭回看一次參考圖，必要時重新掛上角色設定再繼續。
ISSUE 03
手部與物件穿模
抓扶手、遞手機這類動作最容易出錯。把動作拆成前半段與後半段兩顆鏡頭，避開完整動作的生成，是最省時的做法。
開工前的檢查清單
每次進入生成前逐項確認，能減少三成以上的重試。
鏡頭表已標明景別與時長
每顆鏡頭都能對應一句台詞或一個動作，沒有模糊地帶。
角色參考圖齊全且光線一致
正面、半側、背面三組都在同一種光源下拍攝，避免生成時色彩偏移。
場景定稿圖已產出
車廂、隧道、月台各一張，作為後續鏡頭的空間依據。
配音已定稿
台詞長度確認後才進入畫面生成，避免後期硬剪。
調色數值已統一
對比、飽和、黑位三項在剪輯階段對齊，整集才不會忽明忽暗。
常見疑問
來自分集製作過程中最常被問到的六個問題。
先把主要角色分成三組：固定出鏡的核心人物、群體背景、只出現一次的過場人物。核心人物使用固定種子與角色參考圖；群體背景改用低解析度剪影或背影；過場人物每次重新生成即可，不必鎖定。這樣能把算力集中在需要被認出的臉上。
車廂以頂部燈管為主光，色溫偏冷白，金屬扶手會產生縱向高光，適合正面與半側面構圖。隧道沒有穩定光源，主要靠手機螢幕、緊急照明與月台殘光，暗部比例要拉高，構圖上讓主體貼近單一光源，避免整體均亮而失去壓迫感。
以能被重複執行為標準。每個鏡頭至少寫清景別、機位高度、主體位置、光源方向與情緒動作五項，其餘交給模型發揮。寫得過細會讓畫面僵硬，寫得太省則每次結果都不同，通常需要兩到三輪才穩定。
先確認配音長度是否與鏡頭時長匹配。時長差距在 0.3 秒內，用剪輯微調即可；超過 0.5 秒建議重新生成該鏡頭，讓模型依音檔長度產出嘴型，後期硬修容易出現下顎變形。
在剪輯階段統一加一層一致的顆粒與色彩對比，並關閉各鏡頭自帶的風格強度。把每個鏡頭的對比、飽和與黑位對齊到同一組數值，是最快讓整集看起來同屬一部片的方法。
從單一鏡頭的靜態生成開始，先把車廂場景與一位角色的外觀練到可重複，再進入運鏡與多角色同框。跳過靜態階段直接做動態，通常會在角色漂移與場景跳變上花掉更多時間。
延伸閱讀
人物設定與世界觀的整理，與本頁的製作流程互相對照。
