角色一致性
幕动次元为每个角色生成一张四视角设定图（正面、四分之三侧、侧面、背面），切成四张后作为参考图注入后续每一次画面生成，每个角色最多带 2 张参考图。角色的五官、发色与服装因此在跨镜头、跨集数时保持同一套，而不是每次重新掷骰子。
PRODUCTION METHOD / COMPARE
幕动次元和通用 AI 视频工具有什么不同
通用 AI 视频工具解决的是「生成一段好看的视频」，幕动次元解决的是「生成一整部前后连得上的剧」。两者不是好坏之分，是目标不同：单条视频不需要角色在第 40 个镜头里还是同一张脸，连载剧需要。下面六项差别都对应产品里真实存在的机制，不是说法。
左右滑动查看完整对比 →
| 维度 | 通用 AI 视频工具 | 幕动次元 |
|---|---|---|
| 角色一致性 | 每次生成都从提示词重新想象角色，同一句描述连出两张就是两个人 | 先出四视角设定图，再把它锁进之后每一次生成 |
| 视频能不能带角色参考 | 多数工具到视频这一步就断了，只能靠提示词描述长相 | 角色图上传为虚拟素材，视频生成直接引用 |
| 提示词怎么组织 | 一句提示词生成一整段，改哪里、改多少全靠试 | MCSLA 五层组装，身份与动作严格分离 |
| 不满意怎么办 | 重新生成，靠运气，改了什么、为什么变好都无从追溯 | 淘汰即诊断，只改问题层，重生成留血缘 |
| 试错成本 | 每次试错都按视频计费 | 先出 8 积分静帧验证，满意再花 61 积分烧视频 |
| 质量兜底 | 由 AI 自己判断写得对不对 | 8 项检查由代码判定，不靠 AI 自觉 |
WHY CONTINUOUS PRODUCTION
视频能不能带角色参考
视频模型出于合规会拒收含人脸的图片 URL，报「may contain real person」，这是绝大多数工具在视频环节丢掉角色一致性的直接原因。幕动次元把角色设定图上传到 BytePlus 的虚拟素材库，生成视频时引用 asset:// 地址而不是图片链接，绕过这道限制，让视频这一步也能带上角色参考。
提示词怎么组织
幕动次元把提示词拆成五层：Model（模型）、Camera（运镜）、Subject（角色身份锚定块）、Look（项目级风格前缀）、Action（这一镜的动作）。角色身份和运动描述严格分离，所以改动作不会动到长相，换运镜也不会把人换掉——这是跨镜头一致性在机制层面的原因，不是靠提示词写得好。
不满意怎么办
在幕动次元淘汰一条候选视频时可以触发诊断修复：模型读淘汰原因，只输出 Motion 与 Camera 层的补丁和针对性约束，Identity 锚定块锁定不变，重组后自动重新提交。新记录通过 repairOfId 关联到被淘汰的那一条，形成可追溯的血缘。每个镜头自动修复上限 3 次，超限就提示手动改镜，不会无限烧积分。
试错成本
幕动次元把验证和出片拆成两步：先用静帧预览验证角色与构图，一张 8 积分；确认满意后再生成视频，一条 5 秒竖屏 61 积分。同一个镜头改三版构图，走静帧是 24 积分，直接烧视频是 183 积分。一个镜头还可以一次提交 1 到 8 条候选（默认 4 条）批量生成后择优。
质量兜底
幕动次元在剧本阶段用代码跑 8 项检查：时长是否在目标 ±15% 内、单句台词是否都不超过 35 字、每场是否都有动作节拍、动作节拍有没有混进台词、开场钩子与结尾悬念是否填了、光照状态是否都在场景资产里登记过、出场角色是否都锁了形象。判定写在代码里而不是交给模型自查，提示不阻断流程，但全绿再进制作明显更稳。
BOUNDARIES / NOT FOR EVERY PROJECT
这些情况别用幕动次元
- —只想生成一条独立的炫技视频，不需要角色在后面的镜头里还是同一个人——通用 AI 视频工具更快也更便宜。
- —内容里没有反复出场的固定角色，比如风景、产品展示、抽象视觉——角色锁定这套机制对你没有价值，反而多几步流程。
- —需要真人出镜或真实人物形象——平台走的是虚拟素材路线，视频模型本身也会拒绝含真人脸的参考图。
- —要求逐帧精修到影视交付标准——这里的定位是把抽卡次数降下来、把连载做稳，不是替代专业后期。