锁定角色外观的三重锚定法

第一步，在首镜提示词开头固定「角色全称+三维特征链」。具体写什么？举个例子：【Li Xiao, 17-year-old girl, shoulder-length ash-brown hair, amber eyes, freckles on left cheek, wearing navy-blue hoodie】。这里面，年龄、发长/色、瞳色、面部标记、常服，五个维度缺一不可。缺了任意一个，后续镜头就会随机漂移。 第二步，所有后续镜头提示词的第一句，必须重复这个全称链，不能缩写，也不能用代词替代。比如，你写“She turns her head…”——AI根本不知道“she”指的是谁。正确写法是“Li Xiao turns her head…”，这样AI才能准确锁定目标。 第三步，每条提示词末尾强制追加统一的标识符：same character, consistent design, front-view reference applied。这三个词必须连续出现，顺序不能调换。否则，度加引擎会直接忽略一致性校验，角色就彻底放飞了。

分镜提示词结构化拆解（五字段法）

先说visual字段。这个字段必须包含「景别+机位+运镜+主体动作链」四要素。举个例子：“medium shot, eye-level, dolly-in slowly → Li Xiao unzips hoodie with right hand → left sleeve slides down to elbow → gaze shifts from floor to camera”。注意，动作用“→”串联，这样能体现帧间逻辑，避免AI插入无效过渡帧。 其次是emotion字段。这个字段只允许填2–4字的中文标签，禁用形容词。【愤怒】✅｜【非常生气】❌｜【眼神里充满怒火】❌——度加对中文情绪标签有预设映射表，超长描述会被截断，也可能被误判为视觉指令。 最后是cont字段，用来解决跨镜断裂的问题。当本镜没有新台词，但需要承接上镜的情绪时，可以这样写：“cont: Li Xiao’s breath hitches → pupils contract → fingers tighten on hoodie zipper”。用物理反应替代心理描述，AI才能生成连贯的微表情。

规避硬件级抖动的导出配置

导出这一步，很多人容易忽视。在度加AI的导出设置里，记得关闭「智能帧率补偿」开关。然后手动指定输出参数：帧率选【24fps】（不是23.976），编码器选H.264，关键帧间隔设为24。这三项匹配不好，ffmpeg重采样时就会触发non-monotonic dts警告，直接导致播放端画面撕裂。 导出前，一定要勾选「启用光流插帧校准」。这个选项会强制调用RAFT光流算法，对相邻帧做运动矢量对齐，能消除快速平移镜头中的背景条纹伪影。实测下来，TCS（时间一致性分数）可以从0.61提升到0.83以上。 总结一下，做好角色锚定、提示词结构化、导出配置优化这三步，度加AI生成视频的稳定性会有质的提升。