從一個鏡頭到下一個鏡頭，是否都是同一個人的臉？

我們尚未進行測量，因此不做此宣稱。我們測量並確認穩定的是服裝、髮型、道具與場景。

角色如何保持其服裝一致？

它的主要參考照片會作為參考圖片，隨每個附加的提示詞一起傳送，而它的描述則以文字形式呈現。兩者都描述了同一件夾克、靴子和短髮，模型會將這些元素渲染出來。描述也可能帶來提示詞未要求的事物：第 3 個鏡頭中的雨傘就是來自於此。

為什麼手提箱在一個鏡頭中消失了？

因為該鏡頭的提示詞中沒有包含描述它的句子。道具的一致性取決於每個提示詞中描述它的文字，因此請將相同的句子貼到每個提示詞中；包含該句子的第二個版本鏡頭，就有手提箱。

地點仍然必須是照片嗎？

不需要。我們使用的是由 Seedream 5.0 Pro 生成的靜態圖像。任何該地點的靜態圖像，無論是上傳還是生成的，都可以作為地點的參考。

我可以將角色直接附加到影片模型嗎？

在我們測試的模型上，效果不佳：Seedance 2.0 Fast 拒絕了她的參考圖，Seedance 1.5 Pro 無法承載參考圖，而 Seedance 2.5 雖然接受了她的參考圖，卻自行創造了不同的平台。使用附加了地點的圖像合成器生成 16:9 的畫面，然後使用「將圖像動畫化」功能，則能同時保留兩者。

調色盤是如何測量的？

每秒兩幀，計算三個色調區間中飽和像素的比例，並對每個鏡頭進行平均，再與該地點靜態圖的相同指標進行比較。

指南 / 影像製作

讓角色和地點在不同鏡頭間保持一致

在 NOLGIA 上保持一致性有兩個關鍵：參考圖片，以及每次使用相同的文字。本指南檢視《Last Train》的五個鏡頭，確認哪些元素保持不變：服裝、道具、場景與色調。我們會進行統計。我們不會宣稱面孔屬於同一個人，因為我們尚未對此進行測量。

閱讀時間 11 分鐘
2026年9月24日

本文由英文自動翻譯。閱讀原文

錨點

鏡頭

計數

依序列出你製作的內容。點一下即可跳到對應步驟。

重點

角色由參考圖片加上描述組成；附加它並在提示詞中寫入 @Name。地點對於場景而言也是同樣的做法。道具則是一張靜態圖片加上一句話，貼入每個提示詞中。
在五個鏡頭中，凡是有 Vale 出現的畫面，其服裝細節皆保持一致；所有六個場景元素在五個鏡頭中也完全吻合。手提箱嚴格遵循提示詞中的描述，僅在未被提及的那一幀中消失；而雨傘雖未出現在該鏡頭的提示詞中，卻因包含在 Vale 的儲存描述裡而出現。
當畫面呈現場景時，色調保持一致：以牆面為主的部分，其綠色與靜態參考圖僅有微小差異；由火車或 Vale 佔據的鏡頭則綠色較少、琥珀色或紅色較多，這符合預期。
臉部特徵不在這份清單中。這裡沒有測量它，因此也沒有宣稱它。

本指南中的鏡頭來自 Last Train，這是一部為這些指南製作、時長 25 秒的影片，發布於公司官方帳號。Vale 是一個儲存的虛擬角色，Halcyon Street 車站是一個儲存的地點，鉻金屬手提箱則是一張靜態圖與一句描述。每個鏡頭都在影像合成器中以 16:9 比例製作，並附加了該角色與地點，接著在影片合成器中進行動畫處理。片中所有人物皆為虛構。

接著，我們用清單和捲尺逐一檢查鏡頭：每個鏡頭中出現哪些服裝、哪些道具和哪些佈景部分，以及畫面中有多少比例是佈景的綠色、隧道的琥珀色和夾克的紅色。以下是統計結果，包括兩個出錯的地方。

常見錯誤

錯誤	失敗原因	修正
在每個提示詞中重新描述角色	每個提示詞都是獨立的要求；外套可能變成夾克，短髮可能變成馬尾	使用參考圖片和一段描述儲存角色，附加該角色，並輸入 @Name
只在一个鏡頭中描述地點，然後就假設它會保持一致	模型每次都會創造一個新的月台	使用一張靜態圖片和一句話儲存地點；將其附加到每個鏡頭
在某个提示詞中漏掉道具	無論上一個鏡頭顯示了什麼，該道具在該鏡頭中都會消失	為每個道具寫一句話，並貼到應該出現該道具的每個提示詞中
直接將角色傳送到影片模型	一個模型拒絕寫實參考圖，另一個無法處理參考圖，而接受參考圖的模型則會自行創造佈景	先使用附加的演員陣容製作 16:9 畫面，然後再進行動畫製作
信任良好的第一秒	隨著片段播放，佈景會重複，道具會移動	將鏡頭保持在 4 到 6 秒，並在出現偏差時進行剪輯

這裡的錨點是什麼

NOLGIA 沒有經過訓練的身份模型。這裡有三種錨點，本指南會全部使用：

一個角色，來自角色頁面：最多八張參考照片（包含一張主要照片），以及一段會自動附加到每個相關提示詞的描述。在任一編輯器中的角色下選取它，並在提示詞中輸入 @Vale。編輯器會將主要照片放入參考欄位，並將 @Vale 重寫為該欄位。
一個地點，來自地點頁面：一張靜態圖像和一段標準描述。在地點下選取它，靜態圖像會與該句子一起作為參考資料。
一個句子，用於其他任何內容。例如，鉻合金外殼的案例就是一句話，直接複製貼上到每個相關的提示詞中，並搭配一張專屬的靜態圖像作為插入畫面的參考圖片。

Vale 的參考肖像：白金色短髮、櫻紅色皮革飛行夾克、白色背心、寬版黑色牛仔褲、厚底靴、透明雨傘。 — **角色的主要參考圖。** 需檢查的五件服裝單品和一件道具。

一個空蕩蕩的地鐵月台，鋪著淡綠色瓷磚，有一條深綠色條紋、日光燈管、一張鋼製長椅，以及一個溫暖琥珀色的隧道口。 — **地點的參考圖。** 需檢查的六個場景元素。

一個拉絲鉻合金硬殼箱，配有黑色把手和兩個黑色鎖扣。 — **道具的靜態圖**，以及它的描述句子：一個小型拉絲鉻合金硬殼箱，配有黑色橡膠把手和兩個黑色鎖扣。

Vale 的描述，儲存於角色設定中

The lead of Last Train: a woman in her early twenties with a platinum blonde sleek chin-length bob and a straight fringe, an oversized cherry-red leather bomber jacket over a white ribbed tank, wide black jeans, chunky black platform lace-up boots, a folded transparent bubble umbrella in one hand.

五個鏡頭

以下每個鏡頭最初都是畫面，在圖片合成器中使用 GPT Image 2.5 Flare 製作，並附加了 Vale 和車站，然後從該畫面進行動畫製作：奔跑鏡頭使用 Kling v3，其他四個鏡頭在影片合成器中使用 Seedance 2.5 製作。插入鏡頭的畫面沒有角色：附加了車站，以及根據其描述句子生成的箱子。

Vale 在濕潤的月台上朝鏡頭奔跑，右手拿著鉻合金箱子，左手拿著雨傘。 — **鏡頭 1，奔跑。** Kling v3。

Vale 經過街頭藝人 Ozzy，帶著鉻合金箱子和雨傘；他手持薩克斯風，看著她離去。 — **鏡頭 2，街頭藝人。**

Vale 伸手去抓正在關閉的火車車門，火車正在駛離。 — **鏡頭 3，車門。**

濕潤月台上單獨放置的鍍鉻行李箱，背景有一列火車飛馳而過。 — **鏡頭 4，插入鏡頭。**

Vale 坐在鋼製長椅上，氣喘吁吁，當鏡頭拉近時露出微笑。 — **鏡頭 5，長椅。**

保持一致的內容：服裝、道具與場景，逐鏡頭檢視

我們以每秒兩格的速率檢視每個鏡頭，並核對清單：五件服裝（櫻桃紅皮革飛行夾克、白色羅紋背心、寬版黑色牛仔褲、黑色厚底靴、白金色短髮）、兩件道具（透明雨傘、鍍鉻行李箱），以及六個場景元素（淡綠色瓷磚、深綠色條紋、日光燈管、鋼製長椅、黃色標線、琥珀色隧道口）。

鏡頭	服裝	雨傘	行李箱	場景
1 奔跑	5/5，夾克敞開	是	是	6/6
2 街頭藝人	5/5，加上 Ozzy 的防風外套、連帽衫與薩克斯風	是	是	6/6
3 車門	4/5：靴子未入鏡	是，但此提示詞中未包含	是	6/6，加上火車
4 插入鏡頭	無人	否	是，來自第一幀的靜止畫面	6/6，加上火車
5 長椅	5 之 5	是	否：在第 4 個鏡頭中放下	6/6

每個鏡頭中 Vale 出現時，畫面裡的每一件服裝；每個鏡頭中的每一個佈景元素。手提箱出現在提示詞中描述它的那句話的確切位置。雨傘也出現在一個提示詞未提及它的鏡頭中，因為它被包含在 Vale 的儲存描述裡。

注意：差距：手提箱從第一幀 2 中消失. 我們第一版的第一幀 2 提到了 Ozzy、長椅、薩克斯風和雨傘，但沒有提到手提箱。因此它沒有手提箱，儘管她在第一幀和第三幀中都有攜帶。沒有任何東西會自動幫你保留道具。修復方法很無聊：將關於手提箱的那句話加入提示詞，然後重新生成該幀。

第一幀 2，第一版：Vale 走過 Ozzy 和他的薩克斯風，手中只有雨傘；沒有手提箱 — 同一個角色，同一個地點，只加了一句話。

第一幀 2，第二版：Vale 走過 Ozzy，右手拿著鍍鉻手提箱，左手拿著雨傘 — 同一個角色，同一個地點，只加了一句話。

注意：反向情況：提示詞從未提及的道具. 反過來的情況也會發生。第 3 格的提示詞提到的是公事包而不是雨傘，但雨傘還是出現了，因為 Vale 儲存的描述中將雨傘放在她手中。角色的描述會伴隨每個與之關聯的鏡頭。

保持不變的部分：色調

場景也是一種色彩。我們以每秒兩格的頻率測量每個鏡頭的每一格：計算落在場景綠色範圍、隧道琥珀色範圍以及夾克紅色範圍內的飽和像素比例，以及平均亮度。地點的靜態圖作為參考基準。

鏡頭	綠色	琥珀色	夾克紅色	亮度
地點靜態圖（參考）	69%	1%	0%	0.26
1 奔跑	65%	3%	3%	0.28
2 街頭藝人	33%	6%	9%	0.28
3 車門	19%	12%	8%	0.25
4 插入鏡頭	37%	17%	0%	0.35
5 長椅	45%	13%	11%	0.28

每個鏡頭中各色調範圍的像素比例，僅計算飽和像素，並以其每秒兩格的頻率進行平均。場景的綠色比例從 19% 到 65% 不等，對比靜態圖的 69%：這取決於畫面中有多少比例是磁磚牆面。琥珀色比例從靜態圖的 1% 上升，只要隧道的光暈、火車燈光或暖色霧氣進入畫面就會如此。夾克的紅色比例追蹤 Vale 在畫面中佔據的比例，且在特寫鏡頭中缺席，這符合預期。

這段連續鏡頭最接近靜止畫面：沿月台的廣角鏡頭大部分是牆面。車門鏡頭的綠色最少，因為火車填滿畫面右側；插入鏡頭最亮，因為火車頭燈從箱子後方的隧道中出現。兩者都不是色調漂移，而是鏡頭本身呈現的內容。

未保持一致的部分，以及我們未聲稱的部分

臉部。 我們未測量 Vale 的臉在鏡頭之間是否屬於同一人，因此本指南不聲稱它是一致的。上述統計涵蓋的是服裝、髮型和道具。
沒有對應句子的道具。 第一個畫面 2 缺少箱子，因為該提示詞中沒有包含關於箱子的句子。
來自描述的道具。 在第 3 個鏡頭中出現了一把傘，但提示詞中並未提及，因為 Vale 的儲存描述將傘放在她手中。請圍繞描述撰寫鏡頭，或明確說明每隻手拿著什麼。
這次每個鏡頭只拍一次。 五個鏡頭都不需要重拍。但在另一次生成中，道具仍可能移動或淡入，因此請以全尺寸檢查每個鏡頭。

Vale 坐在有柱子的月台長椅上，此畫面未附加任何參考幀或地點。 — **為何先處理畫面。** 直接附加到 Seedance 2.5 且無參考畫面時，Vale 出現在模型自行創造的平台上：有柱子、沒有綠色條紋、沒有琥珀色隧道。Seedance 2.0 Fast 拒絕了她的參考圖，而 Seedance 1.5 Pro 無法承載參考圖。附加地點的 16:9 畫面能保留場景；直接的路徑則不行。

哪種錨點適合哪種任務

你想保持一致的是	使用	它在此處保留的內容
角色在多個鏡頭間的服裝與髮型	一個角色，已附加，在提示詞中使用 @Name	畫面中的每個物品，在她出現的 4 個鏡頭中的 4 個都保持一致（其中一個鏡頭靴子未入鏡）
地點在多個鏡頭間的一致性	一個地點，已附加	5 個鏡頭中的 5 個都保留了 6 個元素中的 6 個；場景的綠色在每個鏡頭中都出現，其比例取決於畫面中牆面的多寡
道具在多個鏡頭間的一致性	每個提示詞中的一句話，以及靜態插入鏡頭中包含該道具的畫面	在該句話出現的地方都存在，在該句話未出現的那一個畫面中則不存在
同一鏡頭中的兩個人物	兩人都列入演員陣容，按順序排列，並在提示詞中使用 @ 標註名稱	Vale 和 Ozzy，鏡頭 2
一張臉	此處未進行測量	未宣稱

成本是多少

儲存角色或地點不需要花費任何費用。單張圖片按張計價，鏡頭則依模型與長度計價。這五個鏡頭所用模型的即時費率如下：

GPT Image 2.5 FlareEvery plan
Per image
Native 8 點 · 2K 21 點 · 4K 58 點
Kling v3Pro and up
Per 5s clip (audio on by default)
720p 35 點 · 1080p 47 點 · 4K 117 點
Seedance 2.5Pro and up
Per 5s clip
480p 26 點 · 720p 56 點 · 1080p 137 點
1080p renders at 16:9 and 9:16
Seedream 5.0 ProEvery plan
Per image
1K 5 點 · 2K 9 點

頁面載入時從目錄即時讀取。所有價格都會在生成前顯示。查看所有費率.

檢查清單

每個重複出現的人物對應一個角色，並儲存主要參考圖與一段描述。
每個場景對應一個地點，並儲存一張靜態圖與一句話。
每個道具對應一句話，並寫入所有需要看到該道具的提示詞中。
以 16:9 比例製作畫面，並附加演員陣容與地點；鏡頭由這些畫面生成。
在剪輯前，以全尺寸逐一檢查每個鏡頭是否符合清單；若有落差，只需重做一個提示詞，而非整部影片。

親自試試看

將下方的肖像儲存為角色的參考圖，將車站儲存為地點的參考圖，在圖片合成器中以 16:9 比例附加兩者，並使用短片指南中畫面 1 的提示詞。接著自行統計：五件服裝、兩個道具、六個場景元素，逐鏡頭檢查。

錨點

Vale，參考肖像WebP 圖片 · 1536x2048 · 238 KB下載
Halcyon Street 車站，參考靜態圖WebP 圖片 · 1536x864 · 114 KB下載
鍍鉻手提箱，道具靜態圖WebP 圖片 · 1280x1280 · 56 KB下載

常見問題

從一個鏡頭到下一個鏡頭，是否都是同一個人的臉？: 我們尚未進行測量，因此不做此宣稱。我們測量並確認穩定的是服裝、髮型、道具與場景。
角色如何保持其服裝一致？: 它的主要參考照片會作為參考圖片，隨每個附加的提示詞一起傳送，而它的描述則以文字形式呈現。兩者都描述了同一件夾克、靴子和短髮，模型會將這些元素渲染出來。描述也可能帶來提示詞未要求的事物：第 3 個鏡頭中的雨傘就是來自於此。
為什麼手提箱在一個鏡頭中消失了？: 因為該鏡頭的提示詞中沒有包含描述它的句子。道具的一致性取決於每個提示詞中描述它的文字，因此請將相同的句子貼到每個提示詞中；包含該句子的第二個版本鏡頭，就有手提箱。
地點仍然必須是照片嗎？: 不需要。我們使用的是由 Seedream 5.0 Pro 生成的靜態圖像。任何該地點的靜態圖像，無論是上傳還是生成的，都可以作為地點的參考。
我可以將角色直接附加到影片模型嗎？: 在我們測試的模型上，效果不佳：Seedance 2.0 Fast 拒絕了她的參考圖，Seedance 1.5 Pro 無法承載參考圖，而 Seedance 2.5 雖然接受了她的參考圖，卻自行創造了不同的平台。使用附加了地點的圖像合成器生成 16:9 的畫面，然後使用「將圖像動畫化」功能，則能同時保留兩者。
調色盤是如何測量的？: 每秒兩幀，計算三個色調區間中飽和像素的比例，並對每個鏡頭進行平均，再與該地點靜態圖的相同指標進行比較。