如何做出看起來不像 AI 的 AI 影片
動手試試：把一集完成的範例影片靜音看完，記下第一個覺得怪怪的地方。對照下面六個破綻中的一個；那就是你自己的專案應該先修的地方。
破綻 1：臉在分鏡之間會變
為什麼： 如果每個分鏡都是獨立畫出來的，就沒有任何東西能說明這個人是誰，所以模型每次都畫出一張看似合理的臉。解法： 每個角色是一筆資料，搭配一張經過確認的圖片，凡是包含她的分鏡都從這筆資料生成。特寫裡的臉、遠景裡的臉，和第九集裡的臉都一樣，因為來源是那筆資料，而不是前一段片段。壞掉的分鏡不會影響下一個：重新生成它，或直接往下走即可。
你的任務：在為任何影片付費之前，先在 SceneMixer 的第 2 步核准設定圖。描述臉孔時，要用真實臉孔才有的具體特徵——一顆歪掉的門牙、斷過的鼻梁、灰白的鬍渣、一道疤痕——而不是「漂亮」這類評語，因為模型會把評語解讀成一張平均化的漂亮臉。設定圖是用平實的側光畫的，能顯出骨相，其餘就靠你的描述。免費：帳號的前 15 張設定圖。每個鏡頭都是同一張臉 · 描述成因，而不是結果。
破綻 2：房間會自己重新排列，人物左右對調
為什麼： 一段對話通常是三到四個分鏡，如果每個分鏡都自己編造房間，窗戶就會跑位，原本在左邊的男人就跑到右邊去了。反打鏡頭甚至會畫出根本不存在的牆。解法： 每個場景都會自動取得一個 AI 三維模型，包含空間、重要的家具，以及每個人的位置，場景中的每個分鏡都根據這同一個模型生成。遠景、特寫和反打鏡頭，都是從不同位置描述同一個房間。不需要另外設定。
你的部分： 把位置寫成和房間裡的東西、以及彼此之間的關係，例如「在桌子的主位、她的對面、背對窗戶」，在片段開始時寫一次，之後只有人物移動時才再寫。「靠窗」從每個鏡頭看都成立；「在左邊」只有從某一個角度看才成立。每個人都待在原本的位置 · 把位置寫成畫面看得懂的描述 · 角色為什麼會左右對調。
破綻 3：服裝和傷口會跳動，或是完全不變
為什麼： 模型拿到參考圖後，會照搬圖中的東西：臉、服裝、物件的形狀，而且再多的句子也說不動它。解法： 外觀不同的東西需要自己的一張圖，稱為「狀態」：整套服裝更換、變身、燒毀的大廳、抽出刀鞘的刀。劇本解讀會在上限內提出建議（每個角色最多三種造型、每個場景兩種、每個道具一種），並判斷哪個片段用哪一種。只改變情境的東西，例如站或坐、白天或夜晚、下雨、灰塵，或是誰拿著什麼，都用文字寫就行，效果很好。尤其是下雨，它是文字，不是狀態。
判斷的方法只有一個問題：東西本身看起來不一樣了，還是只是周圍的情境不同？如果兩個版本能同時出現在同一個畫面裡，它們就是兩個素材，而不是同一個素材的兩種狀態。服裝變化與場景狀態。
破綻 4：人群會憑空出現、消失，或盯著虛空看
為什麼： 一個分鏡的背景裡有沒有人，是一個事實；如果文字從來沒有寫明，模型就會逐個分鏡自行決定。經典例子是：婚禮的一個分鏡教堂坐滿了人，下一個分鏡卻空無一人。解法： 把人群當成事實，在整個片段中寫一次：有誰、在哪裡、正在做什麼，例如「桌邊坐著十來位賓客，正在吃東西、聊天」。如果場景是空的，就改寫成描述那裡有什麼：「空蕩蕩的街道，椅子疊靠在咖啡店牆邊」。像「沒有人群」這樣的否定句，反而容易把人群畫出來，因為句子在模型看來就是一串要考慮畫的東西。場景中的背景人物 · 說有什麼，而不是說沒有什麼。
在每個分鏡裡看得到的角色身上加上 @ 標籤，只聽得到聲音或在房間別處的人則不要加：沒有入鏡卻被點名，會招來不該出現的臉孔。誰入鏡。
破綻 5：千篇一律的 AI 質感
為什麼： 所有東西的平均值，就是光滑的皮膚、完美的對稱，以及來源不明的均勻光線。解法： 有意識地、分層地選定風格。視覺風格是媒材；場景風格是場景的搭建依據；服裝風格是人物穿的衣服。三者要分開，因為它們控制的是不同的層次，硬把它們塞進同一個框裡，東西就會變得千篇一律。然後為每個分鏡指定一個有光源的光線（一盞檯燈、天花板上掃過的車燈、陰天的正午），把動作寫成物理上的因果（火車煞車，她的咖啡灑出來），並且每個分鏡只放兩到三個人。
不要用萬用咒語。「傑作、8K、電影感、體積霧」這類字眼，對模型來說無法定位成任何東西，還會把真正重要的字詞往後擠，有時甚至會被照字面畫出來：霧真的就出現了。如何讓 AI 影片看起來更真實 · 不用萬用咒語 · 選擇你的風格設定。
破綻 6：聲音和畫面對不上
原因：如果語音是在畫面之後才錄製或配音，嘴型和臺詞就會漸漸對不上。解法：SceneMixer 生成每個片段時就已經帶有聲音，每一句標註了角色的臺詞，都由嘴唇在動的那個人用該角色的聲音說出，再加上場景的環境音。每個角色只有一個聲音，選定一次，之後每一集的每一句臺詞都沿用；從內建音色庫挑一個配上去，這個角色開口說話的每個鏡頭都會帶上它。
你的工作：為每句台詞寫上說話者與音色標籤，讓鏡頭中其他人保持嘴唇閉合，加上一行幾個字的環境音（Ambient），並把無聲的鏡頭標為「無對白」。如果畫面中出現了文字，通常是因為鏡頭描述中提到了招牌、字幕或帶內容的螢幕；請改為描述一片空白的螢幕，然後重新生成。一次生成中的對白與聲音 · 畫面中的文字與錯誤對白。
用三分鐘測試你的第一段
| 檢查項目 | 通過條件 | 若未通過 |
|---|---|---|
| 臉部，包括特寫與遠景鏡頭 | 是同一個人，且符合你寫下的特徵 | 在第 2 步編輯描述，重新生成設定圖 |
| 房間，跨越兩次剪接 | 窗戶、門與座位都沒有移動 | 在該段的第一個鏡頭加上一句位置描述 |
| 服裝，對照設定圖 | 相符，或為這項變化選定一種狀態 | 新增一種狀態；若只是情境改變，則改用文字描述 |
| 背景 | 人物在場或不在場，與你描述的一致 | 寫明人群，或描述空無一人的地方 |
| 光線 | 有可見的光源 | 在鏡頭中點明燈、窗戶或時段 |
| 聲音，搭配畫面一起檢查 | 音色正確、嘴型正確、畫面上沒有多出文字 | 先檢查說話者與音色標籤，再檢查角色的聲音 |
在生成其餘片段之前，先在一個 SceneMixer 片段上用最低檔位跑一遍這個流程；在那裡重拍的成本很小，得到的經驗又能用在之後的每個鏡頭。生成前的檢查清單。
設定無法解決的問題
手部、五人同時說話，以及人群中的細節，仍然是 AI 影片最容易露出破綻的地方，解法是少要求一些：人數少一點，每個鏡頭只做一個動作。兩次完全相同的請求，可能生成兩段不同的片段，所以有些鏡頭需要重拍一次。另外，與真實人物過於相似的臉孔會被拒絕，這是規則，不是缺陷。我們真正的目標不是隱藏影片是用 AI 製作的（標識與平台標籤就是用來說明這件事的），而是去除那些分散注意力、妨礙故事的瑕疵。
| 徵兆 | 成因 | 在產品中的解法 |
|---|---|---|
| 臉孔變化 | 沒有固定的身分 | 每個角色一張通過審核的設定圖 |
| 房間佈局改變 | 每個鏡頭都重新虛構一個房間 | 每個場景一個 3D 模型；位置以房間中的參照點描述 |
| 服裝忽然跳變 | 參考圖會照搬它所呈現的內容 | 外觀改變時用狀態圖；情境改變時用文字描述 |
| 人群閃爍 | 從未寫明 | 寫明是誰、在哪裡、在做什麼，或者改寫成那裡有什麼 |
| 千篇一律的外觀 | 什麼都取平均 | 三層風格、一個光源、具體的特徵 |
| 聲音不對位 | 聲音與畫面分開製作 | 聲音隨片段一起生成；標註說話者與音色標籤 |
常見問題
怎樣讓 AI 影片看起來不像 AI？
把應該固定的東西固定下來：每個角色一張通過審核的圖、每個場景一個房間、外觀有任何變化就用一張狀態圖、寫明人群、選定一種外觀，以及把音色綁定到說話者身上。然後把鏡頭控制在兩到三人、一個動作之內。
為什麼我的角色每個鏡頭看起來都不一樣？
因為每個鏡頭生成時沒有固定的參考。在 SceneMixer 裡，每個角色都是一個條目，只有一張核准過的設定圖，每個鏡頭都以它為準來生成。請檢查設定圖，並確認該角色在這個鏡頭裡有 @ 標籤。
剪接時能保持同一個房間嗎？
可以。SceneMixer 會依據自動生成的 AI 3D 模型來建構每個場景，你只要以房間裡的東西為基準描述位置，例如窗戶或餐桌的主位。
故事進行中，怎麼改變角色的服裝？
整套換裝、燒傷或變身這類徹底的改變，請在 SceneMixer 裡新增一個狀態。情境上的變化，例如下雨、夜晚或坐下，則用文字寫出來。
「電影感」或「8K」這類詞有幫助嗎？
沒有幫助。模型讀的是句子，不是標籤。請說明光線從哪裡來，以及鏡頭看到的是什麼。
為什麼寫「沒有人群」，卻還是出現人群？
句子會被當成一份要畫的東西清單，名詞的分量比「沒有」這個否定詞更重。請改為描述那裡有什麼。
為什麼我的畫面裡有文字？
鏡頭中提到了招牌、字幕或帶內容的螢幕。請刪除這個提及並重新生成；本站要求乾淨的畫面，對白則透過聲音傳遞。
讓 AI 影片看起來自然，是不誠實的嗎？
只要有標示就不是。AI 標識與平台自己的 AI 聲明會說明影片是什麼；這裡的目標是減少瑕疵，而不是隱瞞。
2026 年 11 月 2 日更新