01
先问是不是同一角色
人物一致性包含两个问题:故事是否让我们知道这是同一个人,以及人物的外貌、道具和动作有没有保持可理解的关系。脸变圆、衣领换色可能打断观看,但不能单凭这一点认定换了演员、换了角色或发生身份反转。先看称呼、目标与前后动作,再对照外观。
本文所有分镜均为原创虚构示例:阿禾持黄伞来到旧车站寻找姐姐,站钟停在17:20,纸票背面写着“回候车室”。这些设定用于练习观察,没有对应的真实人物事件或可播放剧集。
02
建一张人物识别卡
首次清楚出场时,记录角色称呼、当下目标、携带物和所在空间。下一镜头出现变化时,用多条线索交叉确认,避免把帽檐遮挡、侧脸角度或冷暖光线造成的观感差异全部记成错误。识别卡是辅助回看,不是人脸鉴定。
| 线索 | 虚构示例中的记录 | 能回答的问题 |
|---|---|---|
| 称呼 | 旁人叫她阿禾 | 叙事如何指认角色 |
| 目标 | 到旧车站寻找姐姐 | 为什么来到这里 |
| 携带物 | 进站时右手持黄伞 | 动作和道具如何接续 |
| 空间 | 站台走向候车室 | 下一镜头是否接得上 |
03
用相邻镜头定位变化
若远景中黄伞在右手、近景中移到左手,先检查两镜之间是否剪掉了一段动作,或中间是否插入站钟特写。存在时间省略时,换手并不难解释;若两镜明确拼接同一次开门动作,且没有换手过程,才可记为动作接续上的疑点。
笔记尽量写成“开门前右手持伞,开门后左手持伞,中间未见交接”,而不是“人物崩坏”。具体描述让他人知道你观察到什么,也给另一种解释留下空间。
04
分清外观瑕疵与叙事影响
可以分开记录“变化明显程度”与“是否影响理解”。衣扣数量改变可能很显眼,却不改变找人的主线;如果纸票由阿禾拿着变成陌生人拿着,而且剧中据此推出关键结论,人物与道具归属的混淆就会影响因果。评价应落到具体影响。
OpenAI在2024年视频生成研究报告中讨论了时间一致性、物体状态等局限。这说明相关问题值得观察,却不能证明所有当前模型都有同样表现,更不能据瑕疵判断某个视频的制作工具。
05
回看后的三个结论层级
看完再回看第一次出场,可以检查片中是否给过变装、回忆或主观想象的提示。没有交代的地方保留为未解释项,不为故事补写证据。阿禾返回候车室只说明行动方向改变,尚不能证明她已经找到姐姐。
- 观察:相邻镜头中伞的持握位置发生改变。
- 解释:可能存在省略动作,也可能是接续疏漏,需要更多上下文。
- 评价:只有当变化妨碍识别人或理解行动时,再说明它怎样影响观看。
参考资料与适用范围
OpenAI:Video generation models as world simulators ↗
2024年的技术报告将长视频中的时间一致性列为挑战;报告中的Sora能够在部分情境保留人物和物体,但并非总能做到。
这是2024年特定研究模型的定性报告,不能写成所有现有AI视频模型的当前能力排名。 核验日期:2026-11-16。
Adobe:What is continuity editing in film? ↗
连续性剪辑将不同镜头组织成观众能够理解的时间与空间关系;道具、服装、视线和空间方向均可成为观察点。
属于电影语言教育资料,不是AI生成检测标准。 核验日期:2026-11-16。