想要生成连贯稳定的动漫视频，关键在于能不能把文字剧本中的画面提示，准确转译成模型能够识别和执行的“指令”。很多用户会直接把一整段长剧本丢进去，结果往往是：角色每一秒都像换了一张脸，关键道具突然消失，服装也无缘无故发生变化——这并不是模型能力不够，而是你的提示词结构，没有和它的生成机制对齐。

想解决这三个最常见、也最影响出片效果的问题——角色形象不稳定、动作衔接不流畅、画面提示经常被忽略——需要从三个层面系统优化。

锁定角色外观：从首帧定义到全局复用

首先，在角色第一次出场的句子里，就要用括号完整写清它的视觉特征。例如：“（林小雨，16岁，齐肩黑发，左耳戴银色星形耳钉，穿蓝白水手服，裙摆有浅灰波点）”。这段描述必须放进角色首次出现的同一句话中，不能拆成多行，也不能分散到前后句。

在这之后，所有涉及该角色的镜头提示，只需要保留名字加动作或表情即可，外貌信息不必反复重复。比如写“林小雨皱眉→伸手推眼镜→转身跑出教室”，而不要每次都写成“林小雨（黑发+耳钉+水手服）皱眉……”。

还有一个非常关键的步骤：导出分镜之前，一定要打开度加AI的“角色锚定”功能，并点击“提取首帧角色特征”。如果省略这一步，后续每一帧都可能被模型当作全新角色重新生成，那么前面做的角色设定基本都会失效。

控制画面提示不被吞掉：动词前置+权重锚点

很多画面信息之所以被模型忽略，核心原因往往是提示位置不合理。把核心画面元素放在句首，并紧跟在动词后面用括号补充说明，通常效果会更稳定。比如，错误写法是“教室窗外飘着樱花”，模型常常会忽略“窗外”这个关键空间位置；更合适的写法应该是“镜头拉远（窗外满树粉白樱花，花瓣正被风吹入窗内）”。

对于那些必须保留、不能丢失的重要物件，还需要增加权重标记。比如“书桌（:1.3）上摊开物理试卷（:1.5），红笔（:1.8）斜压在右下角”。这些数字代表生成时的优先级，但需要注意，数值超过1.8容易造成画面畸变，低于1.2则很可能被模型直接忽略。

另外，尽量不要堆叠过多抽象形容词，比如“温馨的”“朦胧的”“充满青春感的”。这类词对AI模型来说缺少明确的空间和视觉坐标，不如改成可以被直接定位的具体描述，例如“阳光从东南角窗户斜射进来，在课桌表面形成20cm宽光带”。

保持动作连贯性：用镜头链替代单帧提示

连续动作生成，是另一个非常容易翻车的环节。更正确的做法是，把连续动作拆分成最小、不可再分的动作单元，每个单元单独成句，并用→符号明确连接顺序。例如：“林小雨低头看手机（屏幕显示未读消息3条）→手指向上滑动→眉头突然舒展→抬头望向窗外→嘴角微扬”。

相邻两句之间，至少要保留一个不变的空间锚点。比如上一句提到“课桌左上角橡皮”，下一句就应延续这个位置关系，写成“橡皮旁手机屏幕亮起”，而不是直接跳转到“她站在天台边缘”。

如果涉及转场，必须显式写明过渡方式。比如“切镜：黑屏0.3秒→林小雨已站在校门口”，而不要模糊地写成“然后她到了校门口”。因为度加AI并不能准确理解这种隐含式的转场逻辑。