易大师演示用ComfyUI工作流解决AI视频人物站位穿帮

以下是视频口播的自动转写，可能有错字。

诸位，你们自己在做AI视频的时候呢，有没有遇到像这样的情况？明明两个人一开始是站在悬崖边，然后下一秒呢，一个人就靠在石头上。等他讲完话之后呢，两人瞬间又瞬移到了悬崖边。就很离谱啊。然后呢，再比如说这个人进入到客栈之后呢，明明是站在门旁边的，但是九一地发现女生站在了门旁边，然后人物一坐，她自己又回到了门旁边。

这个问题就是空间逻辑在不断的跳跃啊。再比如说像这条视频，明明两个人是分着桌子坐的。等到小二过来讲完话之后呢，你会发现这个女主和男主。他俩又坐到一个桌子上，跟小二又互换位置了。因为我们在做 ai 视频的时候，尤其是那些激烈的战斗镜头，看着是很爽，也很容易让人兴奋，感觉一上来就是大制作。

但真正做过 ai 视频的同学都知道，在视频制作过程当中，反而是那些对话类的文戏最让人抓耳挠腮。对，你没听错，是文戏，不是武戏。因为呢，武戏动作大，变化快，就算有瑕疵，一晃眼就过去了，观众根本来不及细看。文戏就不一样，两个人站在那里对话，在那说话，一动不动，任何一点的瑕疵不对劲，观众一眼就能看出来。

有感同身受的公屏扣个一。所以有时候我们在看一段 ai 视频制作精不精良，有一个特别重要也特别基础的点，就是看你的镜头有没有穿帮。如果是自己做着玩呢，其实也还好，图个乐嘛。但一旦用在一些商业视频上，不好意思，一旦你的视频穿帮了，无论你的视频制作多么精良，特效多么炸裂，它都是一条废片。

这一条呢，我希望大家都能刻在你们的脑子里。那么今天给大家分享的这条案例呢，来自于我的一位学员，我也相信这同样是很多其他同学的痛点。他在后台呢，也多次向我请教过人物镜头的控制、空间逻辑、站位问题。为了帮他解决他的这个 ai 漫剧，不对啊，应该叫 ai 短片吧。

为了帮他解决这 ai 短片的痛点呢，我给大家做一次全流程的演示。本期视频我也会从资产图开始，一步步带着大家从头到尾逐一的演示中间遇到的所有报错，还有各种意想不到的问题，也会全程录制给大家。为什么不剪掉？因为我要让你知道视频制作从来不是一句简单的提示词问题。

它是一大堆细节堆出来的，哪一个环节松了，穿帮就来了。另外给大家说个实在的啊，今后无论是我的粉丝朋友也好，还是内部学员，如果有类似这种卡壳的视频桥段做不出来的，欢迎大家来找我代工。看看你做不出来的东西，别人是怎么做出来的。觉得本期视频对你来说有价值、有帮助，一定记得点赞、收藏、反复观看。

因为这个东西啊，你光看别人操作，自己不来一遍是肯定记不住的。首先给大家演示一遍错误的案例。就拿我这个学员的情况来说啊，通常你们在制作一些视频的时候，都是拿这个资产图，对吧？然后呢在旁边拉线，好，把这些线全部给到我们的视频。然后在视频下方呢，我们选择 c d s 或者是 mini max 对不对？

然后呢打上相关的提示词，巴拉巴拉，然后点击运行。这样制作大错特错，因为你把所有的分镜问题、站位问题、逻辑问题全部丢给了我们的视频大模型。你的图片上没有反映出任何人物空间逻辑的一些关系和位置图，你什么都没有给，你只靠提示词让模型去自由发挥。如果视频模型比较顶，那么像 c 2.5之类的，可能啊一次就出片。

但也有可能会抽两到三次卡。那如果你再交给能力比较弱的这个 mini max，那肯定这个结果可想而知。所以在做视频之前，我一再强调，也一定要先从我们的图片这个角度出发。如果你的图你都画不出来，那你这个视频大概率呢也做不出来。就像我之前给大家展示那个速瑞玛的片子一样的，还记得吗？

当时我在做这个速瑞玛片子的时候，也有一个人物空间逻辑站位的问题。哎，就是我们太阳神庙，啊，我的两个主角跟瑟塔卡他们两人进行对话。那你看一下，我们从分镜图的层面上就已经解决这个问题了。哪个在左，哪个在右，哪个在中间，然后谁在讲话，空间是怎么站位的，然后人物在讲话的时候，哎，各种正反打，讲到最后呢，然后人物退场，等等等等。

就是你看我们所有的图，就像看连环画一样，它本身就是符合逻辑关系的。你拿这样的图去做视频，它怎么可能会画崩呢？那么问题的关键也就在于此，如何才能得到这样空间逻辑关系合理的分镜图？来，我们演示一遍。如果比较心急，想直接看成片的同学，请直接跳转至这里。

本期视频我制作的网站是这个 running hub，你们打开首页之后呢，点击上方的无线画布，在无线画布里面呢，点击一个任意的画布，打开之后就能进入到我们的数字资产管理了。让我们先把目光移回到我们的人物资产图里面，首先要动手的就是我们的场景图。

关于这张场景图，它是不足以说明我们的人物站位和空间关系的，所以呢，这张图不够，我们需要把它变成类似于装修设计的上帝视角。在图片右侧拉根线出来，选择图片，那么下方的画图模型我们选择最便宜的一个就可以了。比如说啊，我选择 gpt 的低渠道版，画质选择为2k。

为了遵照原来的分辨率，我们同样把它设置为16:9，打上相关的提示词，帮我将这张图啊制作成俯视视角，类似于装修设计的平面图，点击生成。好，跑出第一张啊，但这张呢，哈。我感觉应该是画崩了，我们来看一下。这个俯视图呢，虽然是符合我们这张图的，但是啊，很明显他没有给我把背面，也就是下半部分画出来。

其实这是我们操作的失误问题，所以我们在做这样的俯视图之前，应该还在额外增加一个步骤，就是把我们这个图片呢，制作成一个全景的。或者是360度的一个视角，还是从旁边拉一根线出来，我们选择图片。同样我们选择 gpt 的低渠道版，同样也是一样的参数。

提示词呢这么写，基于这张已有的场景图片，帮我生成三视图，然后呢应该包含里面的柜台，对吧？因为我们的这个柜台没有画出来。然后通往后厨的门，但是不必把后厨画出来。这个场馆呢并不大，大概只有20多平方。好，我们同样也是点击生成。好，生成完我们来验收一下。

你看这个效果就好多了嘛，对不对？有正面，有背面，然后呢有这个全景图，而且还有像这样的平铺图，这个才叫场景素材嘛。其实我现在做这些工作都是在帮我们的同学来补充他的素材上的一些缺陷啊。那么这个时候你再拿这张图。后来作为资产图，它不就好多了吗？接下来我们开始制作分镜。

那在制作分镜之前，我们肯定还是先要拿到我们接下来的剧情走向。那我们看一下这位同学，他的视频脚本，视频脚本里面已经详细的说明了每一个镜头的用时的时长、运镜、运镜的路线、背景音、嘈杂声，然后以及原文的参考等等，以及下面这些伙计还有主角所讲的这些话语，其实都已经包含在里面了。

嗯，基本上是可以用的啊。但是有个问题啊，这些镜头的描述里面没有包含我们人物、空间、场景关系。所以为什么如果你只按照这个来生成呢？它肯定是会画崩的。所以我们在生成的时候要额外的补充我们画面里面就是提示词没有包含的部分。接下来我给你做一遍，你看一下你自己做的时候是否考虑到这些问题了。

首先我们点击这张图片，然后呢粘贴上我们的提示词：“帮我生成四张十秒左右的真人电影级别的分镜图”。注意啊，我是让他一口气画四张。但是我在右下角呢设置是一张，也就是这一张图里面就应该包含了四个分镜，这是我的第一个要求。然后呢我们分别 at 每一张图片，at 图片一到最后图片四。

然后大家注意啊，我在其中还设置了它相关的物理规则。首先这俩人进来之后啊，我们的人物是坐在什么位置上？店小二是个什么样的状态？哎，他趴在柜台上，避免三人同框。店小二应该是发现了两人的问话之后，才开始接下来的剧情互动。好，然后就是以下的剧情故事内容。

那这里呢其实很简单。我们一口气要生成4张，那么我们看一下每一段，它是不是刚好给了我们4个分镜头，对不对？那我们就直接复制这一段就行了，把它粘贴过来啊。好，同样我们检查一下参数设置，16:9的2k。选择的是 gpt，然后我们点击运行。好，生成完毕，我们来看一下。

这里包含了字幕啊，然后呢，还有个问题就是这个里面有太多的人了，突然之间好像我们的客栈都变大了许多。所以这里的问题怎么解决呢？首先第一，你没有强调这个客栈里面不能有其他人，对不对？第二，你没有强调这个客栈到底有多大。虽然你给到了刚才那个场景的逻辑图，但是那个逻辑图你没有去备注它。

所以这是我们犯的错误啊，来，继续在提示词里面我们再添加一些内容。这个物理规则非常重要啊，就是很多的朋友在创作的过程当中，都忽视了你的场景，你的画面里面所包含的物理规则，所以你们画的东西呢，都是崩的。好，我们整理了一下我们的物理规则，这样的话看起来更加有条理。

这两人进来之后是坐在我们的桌子上的，店小二是没精打采趴在柜台上的，然后店小二发现两人对话之后才有。有接下来的互动，额外补充了，就是整个空间里面呢只有三个人，啊，没有其他人了。整个场景呢并不大，只有24个平方。那么我们这样改动之后，看一下效果会不会更好啊？

点击发送。好，我们来看一下结果。那这样就比较符合我们要求了，ok？那么接下来的工作就更加简单了，我们只需要把后面的这些全部给它删掉，回到我们的脚本文案里面，把第三段也复制下来，粘贴上去。好，同样点击运行，什么都不用改啊。然后呢我这里生成了两张，我们一起来看一下。

首先第一组呢，它生成的图片都没有太大问题，包括人物呢也按照我的要求坐在了窗户旁边。人物的空间站位都是 ok 的，但是第一张有点小毛病，就是人物的窗户和门出现在了同一面墙上，这是不应该的。那么第二张呢，很明显要符合我的意境一些，可以看一下，你们觉得哪一张好呢？

所以我们也可以把这个生成好的图片呢，进行一个裁剪。按照四宫格来进行裁剪，裁剪之后我们就会得到四张图片。好，然后我们再对下一张呢，也同样进行一个四宫格的裁剪，把这一张挪过来，将这四张呢组成一个新的分镜。那拼接好之后，我们再把这四张呢打包成一个图层，这样我们一个全新的分镜图就做好了。

再来看一下现在这个图能不能符合我们的空间逻辑要求呢？没问题，之后我们再继续创作第四段，同样把提示词复制下来，然后进行粘贴，其他什么都不用改。点击运行，ok，那这样我们就得到了第四幕啊，我们来看一下啊，几乎就没有什么太大的问题了。而且呢，还要教给大家一招，那么如果我们以后都要做这种室内的空间场景的人物对话。

那么一旦我们人物落座之后，他是不是就不再发生变化了？所以呢我们以后呢也可以在接下来的分镜当中啊，加入一张人物空间的关系图。那这样的话，他作为一个锚定关系，就可以确定以后我们每一次生成呢，人物都按照这个座位来进行推演。那么这样他生成的东西就会有条有理，你会发现我们的人物始终是坐在这个窗户旁边的，就不会容易乱跑了。

最后呢我们一共生成了像这样5张分镜图，因为我在里面输入了5个脚本嘛。对吧？然后呢将它重新整理，得到了这样的一个。九宫格的分镜，那么一共有两组。其实我们在做视频的时候呢，也只需要两段就可以把它全部做完，因为每一段大概也就是在30秒左右。我们先来带着大家梳理一遍，首先是我的男主、女主，然后进入到客栈，然后小二比较懒散，看见他破烂的衣服，故意把脸歪过去了。

这个时候我们的男主就怒了，找他要水喝，小二不耐烦地说要5个银币，然后他就白了白眼。这个时候呢，把目光打向了我们的女主。那女主这个时候拿出身上的钱袋，放出来呢只有5个铜板，把这个钱呢给到他还不够。于是呢，他们又打量起了女主身上的耳环。那耳环把这个首饰拿下来之后呢，也给到男主，然后支付给小二。

小二呢，还不屑一顾的回头瞄了他们一眼。其实大概就是这么一个剧情故事啊，分镜制作差不多了，我们最后呢，开始视频的创作。所以有些同学在做视频的时候总是做不好。你看，为什么你做不好呢？因为你连一张图你都画不好，你说你怎么可能把视频做好呢？其实在我看来，做视频是最简单的一步，也是最后一步。

你把前面所有的剧情、文案都铺垫好了，最后做视频是水到渠成的。那么在生成视频之前，还是回到我们的豆包，先把我们的提示词按照一定的格式来进行处理。不可能说按照我们之前的那个脚本文案啊，像这种的话给 ai 它是看不懂的。还是一样，把我们刚才生成视频的那个提示词啊复制过来。

但是呢，我们在前面加上调用我们的 minimax 插件，其中的物理规则和参考图部分都不需要怎么改动，我们只需要把接下来的剧情故事呢，给它复制下来就行了。比如说我们是从第二段开始进行复制，那至于复制多少呢？我们也可以参考一下时间。首先这个镜头是在3秒3秒，然后2.5秒，再加上2.5秒，那么累计下来到这一段呢，大概也就是在30秒左右。

同样我们要按照图片的顺序呢，来依次上传我们的素材。首先图一一定是蚩尤，那么图二呢一定是店小二，然后图三还有我们的图四，然后记得把开头这里也改掉，这个时候我们要的是 ai 视频提示词，不再是分镜图。好，点击生成。在它生成的时候别忘了啊，我们也需要回到我们的工作流，把我们的这些素材啊全部给它替换掉。

这个我之前做的一个狗头的飞升，那么现在我们不需要了，把它换一下。云端呢用的还是成语之云，点击上方的应用商店，然后搜索易大师，敲回车，点击第一个 ai 视频。这里呢我就选择一个5090给大家演示吧，啊，选择5090，好，点击启用。启动之后呢，等待它的开机中变成运行中，我们就可以使用了。

顺序一样不能错啊，首先是蚩尤，然后是这个店小二。然后是西王母，然后第四个才是我们的九宫格的分镜图，这张也非常重要。后面这两个呢，我们是不需要的，把它禁用了。这个时候我们等待它。它的提示词完成就可以了。好，ok，我们得到这样的一个提示词啊，也，其实也不用看，直接全部复制下来。

然后呢回到我们的工作流，把原版的提示词呢全部清空，这里直接粘贴进去。然后你唯一要注意的就是它的每一个图片所艾特的图片的内容是不是一致。如果是 ok 的话就不用再改了。好，把这里调试完之后呢，我们点击上方运行。好，跑完了，我们来看一下效果啊。

快拿水来，渴死了！渴死了！一壶干净清水，五个玉币。哎，没有毛病吧？这回的话，人物、空间、场景、逻辑就做得非常合理了。那么，如法炮制，我们继续创作接下来的视频。那么，豆包这里呢，我就做了一个简写啊，把人物的素材同样的按照第一期发给他，然后呢，素材图也发给他，我们的空间场景图也发给他。

故事内容呢，其实比较简单。好，点击发送之后，我们得到了以下的提示词。那么，创作方式呢，跟我们之前是一样的。接下来又制作了第三期啊，然后我们一起来看一下最后的成片。好，工作流后端呢，已经完成了所有的任务。我们来看一下人物资产这边啊，大概是跑了四组图。

那其中有一条是废片，那就是剩下三条。其实经过我的这个优化之后呢，你们会发现这些素材它几乎是一次成片，不再需要抽卡。真的，你不信你可以去试一下，你按照我这个方式来创作的话，哪怕是你用 c-dance 都是一次出片。好，最后呢，我把所有生成的视频和我们的分镜呢，也全部都平铺在这个画板上了。

大家一会在观看视频的时候呢，也可以左右对比一下我们的分镜和视频，它有没有一一的对应。我们先来看一下第一段。快拿水来，渴死了！渴死了！一壶干净清水，五个玉币。对吧？这就没有任何的错误了。然后我们再看第二段。我就玩钉钉钱包，ok 啊，这些就全部都是由我们本地的 minimax 来跑的。

哲琴，光喝水不吃饭可不行！那你有钱就用他们，虽然成色不好，换顿饭应该还行。虽然成色不好，换顿饭应该还行。好，这里有个很小的穿帮啊，因为这个人物的手呢，应该是从左边指向他的耳环才对。细心的小伙伴也会发现，我们在观看这几条视频的时候，每一个视频它里面的人物声音都不太一样。

是因为我没有给它配套固定的音色资产，就是你需要给到它一个配音，然后它再按照这个配音来生成其他的配音。这里我是没有给到的，由于时间问题啊，我没有去细究了。如果大家细心一点，还是可以把这个耳环的分镜呢，给它换个位置。同时为了方便对比啊，在旁边我调用了这个 c-dance 2.0，也做了一条15秒的。

你们可以看一下这两个视频有没有特别大的区别啊。一模一样的素材图，一模一样的提示词，一模一样的参考。这些你看够不够？ok，其实感觉这个 minimax 会稍微油一点啊，我搞忘记加入人物的面部细化的 lora 了，那么加入之后呢肯定会更好一些。

所以视频从头到尾的制作就是这么一步一步的打磨出来的。你在网上看到制作精美、画质优良的视频呢，经过了后台不知道多少人的心血。人物的站位、空间关系，这些看起来最不起眼的地方，恰恰是决定你这条片到底是作品还是废片的分水岭。所以大家在刚开始接触的时候，也别老想着去做那些大场面、大特效。

先把最基本的不穿帮做扎实了，你才有资格谈质感。我是老易，通过AI技术带你看懂背后的商业逻辑。如果觉得本期视频对你来说有价值、有帮助、有启发，别忘了点赞、收藏、反复观看。咱们下期见！