Jellyfish 分镜提示词生成原理：项目级风格继承如何保证跨镜头视觉一致性

Jellyfish 分镜提示词生成原理项目级风格继承如何保证跨镜头视觉一致性【免费下载链接】JellyfishAn end-to-end production workspace for AI-generated short dramas. From script input to structured storyboarding, consistency management, shot preparation, video generation, and export.项目地址: https://gitcode.com/gh_mirrors/jellyfish9/JellyfishJellyfish 是一个端到端的 AI 短剧制作工作区从剧本输入到结构化分镜、角色一致性管理、镜头准备与视频生成一站完成。本文带你拆解它生成分镜提示词的核心原理如何通过项目级风格继承、已确认实体上下文和相邻镜头连续性建议解决 AI 短剧中最头疼的「跨镜头视觉一致性」难题——让同一项目里的几十个镜头看起来确实像出自同一部剧。一、为什么「跨镜头一致性」是 AI 短剧的最大痛点用 AI 逐镜头生成画面时每个镜头其实是一次独立的提示词请求。模型并不「记得」上一个镜头用了什么画风、角色长什么样。如果没有统一约束很容易出现镜头 1 是写实电影感镜头 2 漂成插画风主角在镜头 3 换了发型、镜头 7 衣服变了颜色相邻对话镜头左右轴线翻转出现「跳轴」Jellyfish 的解法不是靠「生成后再筛选」而是在提示词生成阶段就把风格约束固化下来。它的生成链路可以概括为一条连续管道项目风格 → 基础提示词 → 最终渲染提示词 → 图片生成二、第一步项目级风格的三个字段新建项目时Jellyfish 会让你确定两个基础风格维度外加一个开关它们都持久化在项目记录中定义见 studio_projects.py字段作用示例style题材/风格悬疑、都市、古风…visual_style画面表现形式真人实拍、动漫…unify_style是否跨章节统一风格默认开启是 / 否关键点在于这三个字段只设置一次全项目生效。无论后续分多少章、多少个镜头风格源头都是同一份项目配置从根上避免了「章节 A 和章节 B 画风不一致」。三、第二步风格是「强约束」不是「弱提示」在提示词模板里项目风格被放在了最高优先级的强约束区。查看 shot_frame_prompt_agents.py 中的模板可以看到明确的规则必须继承项目级画面表现形式与题材风格visual_style/style若项目开启unify_style镜头信息不足时优先向项目风格收敛不许自由发散已确认的角色、场景、道具、服装名称必须原样保留不得翻译、改名或替换为同义词输出按固定口径组织景别/机位/运镜 → 场景环境 → 主体 → 动作状态 → 氛围情绪 → 风格收束这种「强约束 固定描述口径」的组合保证了同项目不同镜头之间的提示词结构趋同风格自然对齐。四、第三步已确认实体上下文锁住角色长相提示词不会只依赖剧本里的自然语言描述。生成前系统会显式读取该镜头已确认的资产角色含绑定的演员形象、默认服装、场景、道具、服装。这些实体描述随提示词一并注入模型见模板中的「已确认实体上下文」区块 shot_frame_prompt_agents.py。配合资产管理页见下图界面对角色/服装的统一维护同一个「林小满」出现在第 1 镜和第 40 镜时提示词里的外观描述来自同一份数据而不是模型即兴发挥。五、第四步相邻镜头承接 帧类型分工一致性不只是「同一镜头内」还包括「镜头与镜头之间」。Jellyfish 会额外注入两类信息相邻镜头承接上一镜头的标题、剧本摘录与结尾状态摘要下一镜头的标题与起始目标。系统据此追加连续性约束——承接上一个镜头的动作与视线方向为下一个镜头留下自然收束避免硬切和跳轴帧类型专项建议每个镜头的首帧、关键帧、尾帧各自有不同职责——首帧建立空间与初始站位且只写「触发瞬间」不写完成态、关键帧锁定动作峰值、尾帧强调收束与情绪余韵。若镜头已确认动作拍点action_beats系统还会按trigger / peak / aftermath三个阶段分别对应三种帧让同一组拍点被稳定消费这套逻辑集中在 shot_frame_prompt_agents.py 的_FRAME_FOCUS与模板约束条目中是跨镜头衔接平滑的关键。六、收尾二次渲染与质量闸需要强调的是上面生成的只是基础提示词——它只描述画面本身。最终提交给图像模型前系统会再基于「基础提示词 当前帧职责建议 参考图顺序」做一层frame-render-prompt二次渲染把图1/图2这类参考图映射说明补上见架构文档 shot-frame-prompt-generation.md。同时还有一道轻量质量闸若生成结果混入了「图1/图2」等映射残留、或遗漏了主角色名称系统会自动带着修正要求重试一次再决定最终落库避免脏提示词流入图片生成环节。任务成功后还会附带debug_context与quality_checks完整记录本次实际使用的项目风格字段、镜头语言字段与实体上下文——当你想排查「为什么这一帧长这样」时答案都可直接追溯。总结四层机制一条风格链路层级机制解决什么问题1项目级style/visual_style/unify_style全项目画风统一2提示词模板强约束 固定描述口径提示词结构不漂移3已确认实体上下文角色/场景/道具/服装角色外观跨镜头一致4相邻镜头承接 帧类型分工镜头衔接平滑、不跳轴对于新手来说理解这套原理后使用 Jellyfish 会更顺手项目风格只需配置一次之后专注于逐镜头确认实体与动作拍点剩下的风格一致性与镜头衔接就交给这条从项目风格一路贯穿到图片模型的约束链路。【免费下载链接】JellyfishAn end-to-end production workspace for AI-generated short dramas. From script input to structured storyboarding, consistency management, shot preparation, video generation, and export.项目地址: https://gitcode.com/gh_mirrors/jellyfish9/Jellyfish创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考