做古风短剧AI成片的人，几乎都踩过同一个坑：
书院群戏一拉全景，满屏复制脸；学子排队镜头，路人五官一模一样；工坊学徒扎堆，手脚扭曲、肢体崩坏。
尤其做书院题材，报名、就餐、工坊、围观……群像镜头根本绕不开。今天这篇，针对青云书院类学子群戏，从提示词、分镜、构图、运镜、人设到平台参数，给你一套可直接落地的完整方案，适配即梦Seedance、豆包视频模型、剪映AI成片。
一、全局前置锁词：每条分镜必加，从源头压制撞脸
这是成本最低的基础防护，所有多人镜头统一在提示词首尾加固定约束，先把AI的"偷懒复用"逻辑压下去。
正向强制约束（写在每条分镜开头）
群像多名古代学子，每张面孔五官差异化，长相高矮胖瘦各不相同，年龄区间14~22岁，面部轮廓、眉眼、脸型互不重复，区分圆脸、长脸、方脸，发型细节差异化，发髻、束发绳颜色区分，身形有高矮肥瘦，服饰配色深浅区分，杜绝复制脸、撞脸、重复五官，人群错落站位，肢体动作各不相同，自然松弛神态，8K，UE5写实古风电影光影，江南古风色调
群像专用负面词（贴在每条分镜末尾）
多张一模一样的人脸、复制脸、撞脸、五官复用、路人脸型重复、畸形手脚、扭曲肢体、五官歪斜、面部崩坏、同款发髻、同款衣袍、人群动作统一、AI叠脸、脸部重合、特写全员同一张面容
核心逻辑：不给AI"批量生成同款"的空间，从脸型、发型、身形、服饰、动作五个维度强制差异化。
二、分镜改写：拆分大群戏，才是治本之策
AI的人脸复用，本质是算力分配问题。一镜塞几十人，它必然优先复制五官。最有效的解法，不是跟提示词死磕，而是拆分镜头逻辑。
1. 大全景群像 → 远景+碎片化穿插
适用场景：书院报名、食堂人流、造纸围观
原版反面例子：
【全景】书院门口百名学子围拢看免费领纸张
改写后拆成3镜，零撞脸风险：
- 镜1 远景：青云书院大门远景，人流陆续涌向院门（远景弱化人脸，AI不细化面部）
- 镜2 中景：选取3名样貌不同学子上前问询，只聚焦3个差异化角色
- 镜3 侧镜头：街边零散赶路书生边角镜头，拼接烘托人多氛围
原则：不用一镜塞满所有人，用剪辑营造"人多"的感觉。
2. 食堂扎堆就餐镜头拆分
禁止：一镜拍摄满堂食客
拆分逻辑：单人近景厨子做菜 → 两三名学子一桌用餐中景 → 食堂过道排队人流远景
单镜画面人物严格控制在≤6人，人数越少，人脸和肢体的可控性越强。
3. 工坊做工群戏拆分
不要全景拍一众学徒同步动作，改为：
近处两名工匠捶打竹料精细刻画 + 远景虚化一众工人。远景人脸不刻画五官，只保留轮廓和动态，把算力集中给近处2人。
三、景别人数对照表：写分镜直接套用
不同取景级别，AI翻车概率天差地别。按这个表执行，能避开90%的群像崩坏。
景别 安全人数 人脸风险 适用场景
远景/大远景 人数不限 几乎为零 烘托声势、人流量、书院整体格局
中景 3~6人 低（需单独设定） 对话、小组互动、局部群戏
近景/特写 1~2人 可控 主角表情、关键动作
铁则：特写只给主角，严禁特写群像；中景必须提前给每个人做差异化设定。
四、批量固定路人模板：反复复用，杜绝随机撞脸
AI随机生成路人，必然撞脸。最稳妥的办法是：提前定制3套固定配角人设，所有中景群戏轮换调用，其余路人全部远景虚化。
青云书院固定学子模板（可直接复用）
- 学子甲：憨厚圆脸少年，粗布灰儒衫，短束发，身形微胖
- 学子乙：清瘦俊朗书生，青蓝色襦衫，高束发髻，眉眼狭长
- 学子丙：年少稚气少年，浅黄布衣，两侧垂发，身形矮小
后续所有群戏中景，都从这三人里选角出镜；远景人群只做氛围铺垫，不细化五官。既保证差异化，又节省人设成本。
五、运镜规避法：用镜头转移AI算力焦点
视频生成时，运镜方式直接影响AI的面部刻画优先级。焦点落在哪，算力就集中在哪。
1. 人流场面：推拉远景镜头，缓慢横移扫过人潮，全程不对路人面部聚焦，焦点落在书院牌匾、主角身上，路人做背景虚化
2. 院内围观戏：焦点锁定主角，周边学子做景深虚化，焦外人群弱化五官
3. 排队镜头：纵深感镜头拍摄队伍，前排2人清晰刻画不同样貌，后排梯队逐级虚化五官
一句话总结：不重要的人，别让AI看清。
最后
AI群像的核心逻辑，从来不是"让AI画好一百张脸"，而是主动管理AI的算力分配。
哪些人要清晰、哪些人要虚化、哪些镜头该拆分、哪些人设要固定，这些创作决策，才是决定成片质量的关键。
