AI 多角色場景
AI 多角色場景生成器
更新於 2026 年 11 月 4 日

| SceneMixer 重點速覽 | 你會得到 |
|---|---|
| 影片價格 | 預設檔位每秒 $0.06 起(10 點數),頂級檔位最高每秒 $0.47;按下按鈕前,每項價格都會先顯示 |
| 片段長度 | 每個生成片段最長 30 秒;一集由各片段合成,合成費用每秒 1 點數 |
| 單集試算 | 預設檔位下,一集 60 秒約需 660 點數(影片加合成),以最低的點數單價計算約 $4.11;一部由 30,000 字小說改編、共 10 集、每集 90 秒的影集,約需 10,026 點數,約 $62 |
| 台詞 | 直接在影片裡開口說,每個角色一個專屬聲音,15 種語言任選 |
| 格式 | 9:16 直式或 16:9 橫式;480P 至 1080P,另有 2K 檔位 |
| 免費開始 | 註冊即送 50 點數、15 張免費設定圖、第一集免費分鏡腳本,以及 5 秒免費影片預覽 |
| 誰在使用 | 已有 2,900+ 位創作者使用 SceneMixer 生成內容(至少生成過一次的帳號,2026 年 11 月統計) |
| 輸入內容 | 劇本、小說或一句話創意;可上傳 .txt、.docx 和 .md 檔案 |
真正難的是「誰在畫面裡」,不是人數多寡
生成影片只要一個鏡頭裡超過一個人,就很容易出現特定錯誤:跑出不該存在的臉。劇本裡提到的人——不論是被看一眼、被大喊、被想到——都可能直接現身,還帶著模型當場亂編的長相,因為沒有東西告訴模型「在現場」和「被提到」是兩回事。
所以鏡頭表會逐鏡寫清楚。每個鏡頭都帶一份明確清單,標註哪些角色在畫面裡;決定要套用誰的設定圖的,只有這份清單——不是內文描述,也不是上一個鏡頭結束時的狀態。
重點一覽
| 誰在畫面裡 | 逐鏡列出清單。一個片段所有鏡頭的角色聯集,會決定這個片段要附上哪些設定圖。 |
|---|---|
| 誰在畫面外 | 寫成方向指示——「朝畫面左側」「視線看向鏡頭」——不寫名字,也就不會掛上任何一張臉。 |
| 單人鏡頭 | 會明確標註,告訴渲染器畫面裡只有一個人,不要亂加人。 |
| 誰在說話 | 每句台詞都會標名字;畫面裡其他人都會標註嘴唇閉合,所以只有說話者的嘴巴會動。 |
| 背景人群 | 是場景的宣告狀態,在片段開頭寫一次就好,不然就完全不要有——絕對不靠環境音暗示。 |
| 實務上限 | 同一畫面放四個有名有姓的角色,就是畫質開始掉的門檻。鏡頭表會繞過這個限制,不會硬衝。 |
為什麼把畫面外的角色寫出名字,會毀掉一個鏡頭
這是實測結果,不是理論。把畫面外的反派寫出名字的鏡頭,八次渲染裡有五次出現錯臉或多餘的人;同樣的鏡頭改成寫方向、不寫名字,十二次渲染裡零失誤。所以流程會自動改寫:在單人鏡頭裡,只做為視線方向或動作方向存在的角色,會轉成空間用語,從畫面清單移除。
死者也適用同樣邏輯:在這個片段裡只做為「屍體」被提到的角色,會寫成普通名詞,不掛角色參照,所以不會有人把他的設定圖套上去、讓他站起來。
兩人面對面
拍這種畫面只有兩種方式,清單要求必須二選一:側面雙人鏡頭,或過肩鏡頭。不能寫的是「A 面對 B,B 站在背景中、焦外」——要讓 B 落在 A 的景深裡,A 就得背對 B,而這種機位在普通中景鏡頭裡並不存在。即使硬要寫,渲染器也會讓一個人正面對著鏡頭,另一個人站在他身後。SceneMixer 會在兩人實際同時入鏡的第一個鏡頭中定下軸線。
人群要嘛宣告,要嘛沒有
一間房間裡三百位賓客,是場景看得見的狀態,所以就要這樣寫——在片段開頭寫一行,說明背景是誰、在哪、在做什麼,同一場景的每個片段都一致。少了這行,鏡頭就完全不能提到人群,因為環境音裡的「賓客低語」不是視覺指令;只靠這個告訴渲染器,你會得到一個鏡頭有賓客、下一個鏡頭大廳空無一人。
一旦聲明了人群,畫面指令也會隨之改變:人群留在景深之內,而 SceneMixer 的入鏡名單仍只計算有名字的角色。
做不到的事
- 無法穩定把八個有名有姓的角色塞進同一個鏡頭。超過四個,角色辨識就會崩。群戲會用單人鏡和過肩鏡處理——就像真實劇組拍的那樣。
- 不會保留漏標「在畫面裡」的角色。如果模型忘了把該出現的人列進清單,就會直接省略,不會亂猜補人。少一個人可以救;你的短劇裡出現一張陌生人的臉,救不回來。
- 無法編排連續的群體動作。隊形移動的人群、長時間多人打鬥——這些都超出目前模型能穩定輸出的範圍。
- 不會從音效設計裡解讀出人群。要嘛宣告,要嘛沒有,沒有中間地帶。
費用
不額外收費——這些是排鏡頭清單的屬性,排鏡頭按劇本字數計費,該集所佔部分每一百字 1 積分。參考設定圖在你第一個專案中免費的 15 張之外,每張 7 積分;SceneMixer 渲染每輸出一秒起價 10 積分。角色如何在各鏡頭中保持一致,請見角色一致性;價格請見定價頁。
語言
15 種語言的母語對白
以下每一部影集都由同一條 SceneMixer 流程產製,演員以該語言母語演出:介面、工作文件與台詞全為同一語言,完全沒有配音。打開來聽聽看。
A Carta de LisboaPortuguês母語對白
윈터 프라미스한국어母語對白
El Secreto de CostaEspañol母語對白
浪人の誓い日本語母語對白
Ikrar JakartaBahasa Indonesia母語對白
Зимняя коронаРусский母語對白
L’Héritier du DéfiléFrançais母語對白
Il Tavolo dell'OlivaItaliano母語對白
De Vuurtoren van de FjordNederlands母語對白
العهد الصحراويالعربية母語對白
Çantasındaki SözleşmeTürkçe母語對白
Die Istanbul-TäuschungDeutsch母語對白
Останній сигналУкраїнська母語對白
問劍青雲繁體中文你的語言
The Last EnvelopeEnglish母語對白
SceneMixer 與多個工具拼接的差別
多數 AI 短劇的製作流程,是五、六個工具接力。下表列出每個步驟在這裡如何完成,以及它取代了什麼。
| 步驟 | 在 SceneMixer | 用多個工具手動完成 |
|---|---|---|
| 劇本與分集規劃 | 貼上劇本或小說,或輸入一句話:系統會解析成角色、場景、道具與可編輯的分集大綱 | 由對話模型寫劇本;你自己分集,再把文字在各工具之間搬來搬去 |
| 角色外貌與場景 | 每個角色、場景與道具只繪製一次設定圖,並附加到它出現的每個鏡頭 | 用圖像模型,一次畫一張;你得自己把正確的參考圖上傳到每個片段 |
| 鏡頭 | 每集一份分鏡腳本,鏡頭有編號與秒數;影片依同一批設定圖,以 9:16 或 16:9 逐片段生成 | 用影片模型,一個提示詞生成一段,每次都得重新描述同樣的人物 |
| 聲音與台詞 | 台詞直接在影片中演出,每個角色一個聲音,15 種語言任選 | 每句台詞用語音合成工具產生,再對每個片段做一次對嘴處理 |
| 修正單一鏡頭 | 修改該鏡頭的文字,單獨重新生成那個片段;這一集的其餘部分完全不動 | 重新生成該片段,再重新剪輯時間軸 |
| 收尾 | 各片段合成為一個含配樂的單集檔案;會員下載時不帶 AI 標章 | 用影片剪輯軟體接起各片段、加上音樂與字幕,再匯出 |
| 發布 | 成片由你自己上傳到 TikTok、YouTube、Instagram 或任何其他地方;系統不會替你發布任何內容 | 一樣手動上傳,和這裡相同 |
常見問題
一個鏡頭最多可以放幾個角色?
四個有名字的人,是身份開始走樣前的實際上限,SceneMixer 的排鏡頭就是照著這個上限來設計的:群戲以單人鏡頭和過肩鏡頭來拍,而不是寬幅群像畫面。
為什麼我只是提到某個角色,他就出現在畫面上?
這正是 SceneMixer 逐鏡入鏡名單要防止的問題。只被看或被對話的角色,會寫成指示而非名字,不列入入鏡名單——因此不會附上參考圖,也不會憑空編出臉孔。
兩個角色可以面對面說話嗎?
可以,用側面雙人鏡或過肩鏡。行不通的是一個人面向對方、另一個人在背景模糊:這種構圖加景深的組合在物理上不合理,硬要的話會變成一個人對著鏡頭說話,另一個人站在他後面。
背景臨演怎麼運作?
人群要在片段標題中聲明一次——是誰、在哪裡、在做什麼——並在該場景中保持一致。若沒有聲明,鏡頭就不會參照人群。SceneMixer 不會把單純的環境人聲當成畫面指令。
誰會開口說話?
只有每句台話指定的說話者。畫面裡其他人都會明確標註為閉嘴,這樣聽者就不會默默跟著對話動嘴。