群像空间进阶：为什么站位写得越详细，人物反而越容易乱跑？ | Foyege AI 影像创作教程：从剧情节拍到多人控场 | Vibe Shot Club返回专栏详情专栏Foyege AI 影像创作教程：从剧情节拍到多人控场
第 6 篇
群像空间进阶：为什么站位写得越详细，人物反而越容易乱跑？
完整内容
同一场多人长镜头，场景、角色图、台词和运镜参考都差不多，只改了人物初始站位那一行，结果却可能明显不同。
我做过这样的对比：一个版本把每个人站在哪里、怎样倚着桌子、身体朝哪边全部写进全局；另一个版本只让俯视图负责位置，再把角色编号与图片对应起来。后者反而更容易保住空间关系。
问题在于：同一件空间事实，被用不同视角重复解释了。
观看对比：详细站位说明与简化映射的两个版本
这次对比保留了相近的运镜参考、场景、人物资产与台词，重点调整“人物初始站位”这一行。这样才能把注意力集中在空间描述方式上。
如果同时换场景、换角色、换镜头，再比较哪条更稳定，就很难知道差异来自哪里。你自己做测试时，也可以先固定素材，只改这一行，再观察人物和家具之间的关系。
比较的重点不只是某一帧里六个人都在。更有用的观察点是：摄影机抬起来以后，原来靠近书桌的人还在不在书桌旁；被前景挡住的人重新出现时，有没有换成另一个位置；画面展开后，沙发与其他家具的关系能不能解释。
这里得到的是一个具体案例里的排错方向。它帮助我们减少互相冲突的输入，不代表只要删短提示词，任何群像都能一次成功。
上一部分准备了角色图、站位图和白模预演。现在进一步明确每一层的边界。
| 层级 | 它回答什么 | 放哪些信息 |
|---|
| 俯视图与世界关系 | 人物在房间哪里 | 家具、人物节点、相邻关系、遮挡与通路 |
| 人物资产映射 | 每个编号是谁 | C1 对应哪张角色图，C2 对应哪张角色图 |
| 镜头时间码 | 这一刻摄影机看见什么 | 当前左右、前后景、身体朝向、视线、动作和说话对象 |
这里的“世界关系”，可以理解为房间这张地图。摄影机换了观察方向，书桌和沙发的相对关系不会因此重新排列。
如果站位已经由俯视图提供，资产层就不用再次写成一整段人物小传。
C2 对应人物图 2，站在左下角深处的小书桌旁，
后腰倚着桌沿，一只手撑在桌面，身体放松……
这段话同时包含身份、位置、当前姿态，还带着一个没有说清参照系的“左下角”。
【初始空间】
采用 [俯视站位图] 中的人物节点与家具关系。
【身份映射】
C1 = [角色图 1]。
C2 = [角色图 2]。
其余角色按同一方式绑定。
C2 何时倚着桌子，哪只手撑桌面，身体重心落在哪里，等他真正进入镜头时，再写进对应的时间段。
| 原来挤在一起的短语 | 它实际在描述什么 | 更合适的位置 |
|---|
| C2 对应人物图 2 | 身份 | 资产映射 |
| 书桌旁 | 房间里的空间节点 | 俯视图与初始空间说明 |
| 左下角深处 | 某个视角中的二维位置 | 明确机位后的时间码 |
| 后腰倚着桌沿 | 当前身体姿态 | C2 入画时的表演描述 |
| 一只手撑着桌面 | 当前动作与支撑关系 | 对应时间段及结束状态 |
拆完以后，有些信息仍然保留，只是换了位置。身份映射变短了，当前镜头的动作却仍然可以很细。
这一点很重要。如果把姿态、视线和动作全部删掉，空间指令可能更简单，表演也会失去内容。真正需要清理的是职责重叠：不要让一段身份绑定同时替房间地图和当前镜头下命令。
- **房间或俯视图的方向：**书桌在地图的哪一侧。
- **摄影机画面的方向：**此刻 C2 出现在画面右侧深处。
- **人物之间的关系：**C2 面向 C1，看着 C1 的眼睛。
假设你写“C2 站在左下角深处的小书桌旁”。这个左下角，是俯视图上的位置，还是当前摄影机画面的左下角？镜头绕过去以后，画面左右已经变化，书桌却没有移动。
如果全局还要求 C2 永远在画面左下角，就可能与原先的房间关系冲突。
我的做法是把全局位置交给地图。当前画面左右，只在有明确摄影机状态的时间段里使用。
想象 C2 始终站在书桌旁。摄影机从房间这一侧看，他可能位于画面右边；摄影机转向另一侧，他可能出现在画面左边。发生变化的是观察方向，C2 与书桌的关系仍然相同。
因此，“C2 在画面右边”只适用于某个明确的镜头。“C2 属于书桌这个节点”才描述这段戏里的初始空间关系。
身体朝向又是另一件事。C2 可以没有离开书桌，只转头看向 C1；也可以身体仍朝着桌沿，目光先扫过其他人。把站位、身体朝向和目光当作三个可以分别描述的因素，文字会更准确。
写完一句包含“左、右、前、后”的话，我会补问：这是哪张图、哪一个镜头，还是哪一个人的方向？如果回答不出来，就把参照补清楚，或交回俯视图来表达。
00:00–00:03.20
摄影机以低机位靠近 C1 的脚部，再沿身体方向缓慢抬起。
C1 保持俯视图中的初始节点，完成当前动作。
00:03.20–00:10.50
摄影机越过 C1 的右侧肩膀，带出书桌旁的 C2。
C2 位于当前画面的右侧深处，身体朝向 C1。
他一只手撑着桌沿，目光先扫过众人，再回到 C1。
这时“右侧深处”有清楚的含义：它描述当前镜头看到的二维构图。没有要求 C2 离开原先的房间节点。
时间码可以写得细，但只细写当前发生的变化。已经由俯视图交代的整间房间，不必在每一秒重述。
俯视图能告诉模型两个人在哪里，却未必告诉它这一次谁在看谁，以及摄影机从哪一侧观察。
正反打可以同时写清人物关系与屏幕方向。例如，在这一组预设机位中：
镜头 A：C2 中近景。C1 的肩膀位于左下方模糊前景。
C2 看向 C1，保留两人对视的关系。
镜头 B：切到 C1 中近景。C2 的肩膀位于右下方模糊前景。
C1 看向 C2，摄影机保持在同一对话轴线一侧。
左右安排要与你的实际机位匹配，不能当成所有镜头通用的固定答案。重点是让两个镜头互相接得上，避免切换后两个人都朝同一个方向看。
如果只写“C2 看着 C1”，人物关系有了，屏幕方向仍然可能含糊。
我会先拿一个短镜头测试空间，暂时不加入复杂台词和情绪。只检查四件事：
- 角色资产有没有认错。
- 人物和家具的关系有没有变化。
- 摄影机移动后，人物总数是否异常增减。
- 正反打时，左右与对视关系是否连续。
人物暂时被遮挡或不在构图里，不等于总人数错误。你要检查的是出入画与遮挡能否解释，而不是要求所有人每一帧都出现。
前几秒已经错了，就先回去修图、编号或路线。继续加长提示词，通常无法替代对错误来源的定位。
短测试要选一个会暴露问题的动作。如果摄影机始终不动，可能看不出绕镜以后的错位；如果要验证正反打，就至少需要一次能检查视线关系的切换。
测试目的：[身份 / 空间连续 / 对视关系，先选一个主要问题]
固定素材：[角色图、俯视图、场景与预演]
本轮只改：[一行映射或一段时间码]
起始帧：[人物与家具关系是否正确]
关键运动后：[谁的位置、身份或视线发生异常]
结束帧：[能否接到下一段]
下一轮修改：[只处理最早出现的错误]
“最早出现”很有用。假设第 2 秒身份已经错了，到了第 4 秒又出现对视问题，先处理身份会更清楚。不要把后面的多个现象全部当成彼此独立的问题，一次写入大量修补指令。
测试也要区分出画与消失。摄影机绕过沙发，某个人被靠背遮住是可能成立的；同一个人没有经过任何遮挡，却突然换到另一件家具旁，才需要追查空间连续性。
| 错误什么时候出现 | 优先回查什么 |
|---|
| 第一帧就错位或认错人 | 俯视图是否清楚、角色图与 C 编号是否对应 |
| 第一帧正确，摄影机一动就乱 | 白模路线是否合理，时间码是否重复定义全局站位 |
| 位置都对，只有对视或正反打不成立 | 身体朝向、视线方向、屏幕左右与对话轴线 |
| 某个动作后位置改变且接不回去 | 动作起止状态是否明确，是否进入了新的空间段落 |
例如，人物身份一直正确，偏偏在绕镜后跳到另一边，就不必先换人物图。先检查这次摄影机移动，以及这一段文字是否给出了新的站位命令。
人物可以起身、侧身、靠近、转头。这些局部变化可以继续写进时间码，并说明结束状态。
但如果人物穿过客厅，从另一扇门进入走廊，或者发生追逐和大范围换位，就已经进入新的空间段落。此时可以为下一段重新准备俯视图与路线，再衔接生成。
不要让一张静态站位图承担整段复杂追逐。地图表达初始关系，时间码表达当前变化；变化超出这张图能清楚表达的范围，就建立下一张图。
如果 C2 从书桌旁走向门口，前一段至少要交代他什么时候离开节点、朝哪扇门移动、最后停在什么状态。下一段的俯视图，再从这个结束状态继续建立新的关系。
例如，上一段结束时他到达客厅门边，下一段可以从同一扇门进入走廊。角色编号继续沿用，改变的是场景布局、路径和观察位置。
拆段以后，也别把连续性全部丢给剪辑。服装、手里的道具、运动方向与动作进度，都应当在前后段之间对应。新的站位图负责新空间，起止状态负责把两段接上。
这种拆法适合静态布局已经无法清楚表达后续大范围移动的情况。只是一次转头或小幅侧身时，继续在当前时间码里说明即可。
【世界关系】
以 [俯视站位图] 为本段的初始空间依据。
人物节点、家具位置、相邻关系与可通行区域采用该图。
[白模视频] 提供本段摄影机路线与揭示顺序。
【身份映射】
C1 = [角色图 1]；C2 = [角色图 2]；C3 = [角色图 3]。
本段内编号不随画面左右变化。
【镜头时间码】
[时间段]：摄影机处于 [明确位置与观察方向]。
当前画面包含 [人物]，其中 [谁] 在前景，[谁] 在深景。
[人物] 身体朝向 [对象]，目光看向 [对象]。
发生 [可见动作与准确台词]。
结束时 [位置、姿态、视线与镜头状态]，接续下一段。
本时间段只描述当前构图与新发生的变化，
不重新排列已经由俯视图确定的整间房间。
这套写法的用途，是减少重复和冲突的空间指令。它仍然需要短测试与检查，但能让你更清楚地知道：该修的是地图、身份，还是当前镜头。
找一段自己的多人提示词，先不要重新生成。把其中每条信息标为三类：地图关系、角色身份、当前镜头事件。
凡是包含画面左右却没有明确机位的句子，单独标出来；凡是人物资产映射里出现姿态和动作的，把它移动到对应时间段。保留必要信息，清理重复定义。
然后固定参考素材，做一次 3–5 秒测试。检查最早发生错误的时刻，只修改相应的一层，再生成下一次。保留两次提示词和观察记录，比较的是具体关系有没有改善。
完成这次练习以后，你应该能解释一条修改为什么有效：它消除了哪两条相互冲突的要求，又把这条信息交给了哪一层。做到这一步，下一次空间出错时就有了可重复的排查方法。
下面保留完整讲解与演示，可结合前面的案例拆解回看。
