AI 短剧常见翻车现场：口型不对、手指、台词念两遍、动作重演——成因与修法

AI 短剧的翻车多数不是模型不行，而是写法把模型引到了错的地方。十二种常见问题里，八种在分镜层修（说话人、复读、乱入、刚体动作、承接、姿态词、调色词、段长），两种在设定图层修（场景残留、参考图光效），一种在解析层修（年龄词），一种在模型层修（审核措辞与选型）。排查顺序永远是先分层对账，再重生成。

先看总表

四层的定义：解析层是角色外貌、场景描述、分集大纲；设定图层是定妆照、场景空景、道具图；分镜层是每段的机位、台词、动作、布光；模型层是选哪个模型、开哪些参数。

声音：说话人错位与台词复读

说话人错位。症状是台词从画面里另一个人嘴里出来，常见于正反打里切到听者特写时。机理是原生音频模型把台词交给当前最显眼的那张脸，除非提示词把「谁说」绑死。SinCoSphere 编辑部在生产线路上的测试里，这是对话戏排第一的返工原因。

修法三条：每句台词前写说话人和他此刻在画面里的位置；不把 A 的台词放进 B 的特写，要反应镜头就明写「画外音」；能绑参考音频的模型（海螺 H3 最多 3 段、合计 15 秒）就绑，音色对了归属基本就对。

台词复读。症状是一句话念完停一拍又念一遍。机理是时间没有出口：7 秒分镜里台词只有 4.5 秒，又没写台词之后做什么，模型就用复读填满 2.5 秒。修法是按中文约 5 字 / 秒折算，富余 2 秒以上必须写收尾动作——转身、放下杯子、看向门。

出场与承接：乱入、动作重演、道具复位

画外角色乱入。症状是本该不在场的角色出现在画面里。机理是模型没有「出画」概念，名字一出现就要画，点名反而提高乱入概率。修法只有一条：只正向写画面里有谁。要交代 B 在门外，写「门缝下有一道影子」，别写 B。

动作在下一段重演。症状是上一段结尾她推门进屋，下一段开头又推了一次。机理是段之间没有状态记忆，承接句一旦写了动作动词，模型就再演一次。修法是承接写成既成状态：「门已开，她站在门内两步处」。

道具复位。症状是上一段摔碎的杯子，下一段又完好地立在桌上。机理相同：每段独立生成，状态不延续。修法是每段重申道具当前状态（「桌上那只已碎的杯子」）。

动作与手：门自己开、手指畸形

刚体动作只有起止态。症状是门自己开、杯子在手碰到之前就碎了。在海螺 H3 上复现最稳定（SinCoSphere 生产线路测试）：刚体运动被渲染为开始态和结束态，中间过程缺失，看起来像「自己动」。修法是拆成两个分镜写起止：「她的手搭在门把上，门关着」→「门已开一半，她半个身子在门内」；或把因果写进同一句「手掌推门，门随之向内开」。不要写「门开了」。

手指畸形。症状是六根手指、手指粘连、握杯穿模。机理是手部自由度高、样本少，所有视频模型共此弱项。修法是躲：少给手部特写；需要手的戏让它握住道具（杯、伞柄、门把），道具能约束手型；或者让手落在画面边缘或口袋里。提示词里不要出现「手指」二字。

参考图：场景图烘入残留、年龄漂移

场景图烘入剧情残留。症状是同一场景的每个镜头地上都有血、镜子都是碎的，哪怕剧情还没走到。机理是场景空景图是这个场景所有镜头的共同参考，画进去的任何东西都被每段继承。修法在设定图层：场景图只画中性空景——空间结构、材质、三层纵深、光源在哪——不画剧情产物；残留物写在需要它的那个分镜里。

年龄漂移。症状是三十岁的角色越画越像二十岁。机理在解析层：外貌描述带了「婴儿肥」「稚气」「少年感」这类年龄暗示词，图像模型把它们当年龄指令，每次生成都往年轻拉。修法是外貌只写骨相与静态特征——脸型、眉眼、鼻唇、肤色、发型、体型——写明年龄段（「35 岁上下」），删掉一切形容气质的词。

提示词：姿态词变俯拍、调色黑话与光斑

「上身前倾」变俯拍全身。症状是写了中近景对话，成片是高角度全身。机理是姿态词被当成构图要求：要让「前倾」看得见，模型就把机位抬高拉远。修法是顺序——先写景别与机位（「中近景，平视，肩线以上」），再写姿态，且只写这个景别里看得见的部分（「肩膀微向前压」）。

油腻皮肤与 HDR 感。症状是皮肤像打了蜡、蓝橙对撞。机理是「cinematic」「teal-orange」「8K」「masterpiece」是早期图像模型的触发词，会唤起一套高对比调色先验。修法是删掉整套调色词，只写光源与介质（「窗外阴天的散射光从左侧进来」），加一句质感要求「自然肤质、无塑料感」。

光斑。症状是额头或鼻梁上糊一团黄。机理是布光写成了落点（「暖光打亮她的额头」），模型就在那个部位刷一块亮。修法是写原因不写结果：光源在哪、什么色温、经过什么介质，不写光落在谁身上；不用「暖黄」这类高饱和色词。

长段与审核：30 秒段丢切点、绿网拒绝

长段丢切点。症状是一段里计划了 8 个镜头，成片只有 6 个。机理是段越长，模型自行编导的空间越大。万相 3.0 允许单段 30 秒，SinCoSphere 一次 30 秒段测试里 8 个计划切点执行了 6 个（单样本，只作提醒）。修法在分镜层：段 10–15 秒、3–5 个分镜；钉子、反转揭示单独成段。别为了「一段更长」选模型。

审核拒绝。症状是请求直接失败，百炼返回 DataInspectionFailed，不扣费但排队时间白等。机理是阿里绿网对「血」「尸体」「断肢」「开放伤口」零容忍。修法两层：分镜层把暴力写成因果两端——倒地、闭眼、深色污渍、破碎的镜面——不写创口本身；解析层从源头不产出这类词。

排查顺序：先分层对账，再重生成

看到翻车先别重生成。重生成是全价，改分镜是免费的。按下面的顺序对账。

1. 正文对账：成片和该段分镜逐句对照。台词归属、动作动词、点名的角色、姿态词、调色词，哪一项在分镜里就是错的？
2. 布景对账：打开该场景的空景图。残留物、强调色、情绪光是不是烘在图里？是就换图。
3. 参考图对账：打开定妆照与解析层外貌文本，删年龄词、气质词、表情词。
4. 模型对账：以上都对了仍复现，才是模型层——换有原生音频与说话人归属的模型、缩短段长，或接受该模型的已知弱项（手、刚体、多人同框）绕开写。

一个经验：同一种翻车在两个模型上都出现，几乎一定是写法问题；只在一个模型上出现，才值得怀疑模型。

关键数字与来源

资料来源

• https://help.aliyun.com/zh/model-studio/wan3-video-generation-api-reference
• https://developer.volcengine.com/articles/7606009619928449070
• https://platform.minimax.io/docs/guides/pricing-paygo
• https://ai.google.dev/gemini-api/docs/video
• https://developers.openai.com/api/docs/guides/video-generation
• https://app.klingai.com/global/quickstart/klingai-video-3-model-user-guide

本文提到的工具

延伸阅读