Qwen生成漫剧分镜需强角色ID锚定、禁用动态动词、分阶段注入叙事锚点、中文提示词token级压缩。必须用固定character_id显式调用角色，静态描述姿态并限定关节角度，分三阶段输入scene_id与视觉锚点，中文提示删修饰词、拆复合词、控长28–35token。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Qwen模型生成漫剧分镜时，提示词必须带角色ID锚点
不加角色ID的提示词，同一人物在10个分镜里会变3种脸型、4种发色、2套衣服。Qwen系列（包括Qwen-Image、Qwen-Max）对角色一致性无原生记忆，它不会“记住”上一张图里的女主穿红裙——除非你把红裙+五官特征+发型全部重复写进每条分镜提示词，并用固定ID标识。
实操建议：
qwen-omni-multimodal
下载
基于阿里云百炼 Qwen3.5-Omni 的全模态技能，支持文本、图片、音频、视频理解与文本/语音输出。适用于图片分析、音频转写理解、视频理解、跨模态问答及语音回复生成。
- 给每个主要角色定义唯一
character_id，例如char_A:28岁亚裔女性，齐肩黑发微卷，左眉尾有小痣，常穿墨绿高领毛衣 - 所有分镜提示词开头强制插入该ID，如
char_A；近景，她低头翻旧日记本，指尖沾墨迹，窗外雨滴滑落玻璃 - 避免用“她”“主角”“女孩”等代词，Qwen会忽略指代关系；必须全程用
char_A显式调用 - 若使用ComfyUI工作流，可将
char_A存为Lora触发词或CLIP文本嵌入节点的固定前缀
避免Qwen-Image生成肢体崩坏的关键：禁用动态动词+限定关节角度
“奔跑”“转身”“挥剑”这类动词会让Qwen-Image优先拟合动作轨迹而非人体结构，导致膝盖反向弯曲、手指数量错乱、手臂穿模。这不是模型能力问题，是它把“动态描述”当成了“空间拓扑约束缺失”的信号。
实操建议：
- 删除所有含运动意图的动词，改用静态姿势描述：
“站立，右脚微前点地，双臂自然下垂，左手轻握右手腕”而非“她正要迈出右脚” - 关键关节必须给出角度范围：用
肘部弯曲约30度代替手臂微弯；用颈部向左偏15度代替微微侧头 - 在负面提示词中强制加入：
extra limbs, fused fingers, twisted spine, dislocated shoulder, unnatural joint angle - 测试阶段先用
full body, front view, studio lighting锁定基础姿态，再逐步叠加镜头变化
Qwen-Max写漫剧脚本时，必须分阶段注入三类锚定信息
直接喂一段小说让Qwen-Max转成15个分镜，大概率出现逻辑断层、台词与画面脱节、节奏忽快忽慢。Qwen-Max不是视频剪辑师，它没有帧间推理能力，只能靠你提供的锚点把叙事链钉死。
实操建议：
- 第一阶段只喂
scene_id + char_A/char_B状态 + 环境情绪，例如：scene_03:char_A背对char_B站在阳台，夜风掀起她衣角，char_B右手悬停在半空未触碰，霓虹灯牌‘CLOSED’在背景闪烁 - 第二阶段才补充运镜和时长约束：
用缓慢推进镜头聚焦char_A后颈汗珠；持续3.2秒；无台词 - 第三阶段才加风格指令：
赛璐璐厚涂，阴影用硬边处理，主色调青灰+一点暖橙光点 - 每次输入都带上前一阶段输出的
scene_id和关键视觉锚点（如“后颈汗珠”），否则Qwen-Max会重置上下文
中文提示词喂给Qwen系列时，必须做token级压缩
Qwen系列对中文长句敏感度高于英文。一段40字的中文描述，实际被切分成更多语义碎片，导致权重分散——比如“穿着红色连衣裙的短发女孩站在咖啡馆门口微笑”，模型可能只强记“红色”“咖啡馆”“微笑”，而弱化“短发”“连衣裙”“门口”。
实操建议：
- 删掉所有连接词和修饰副词：“正在”“缓缓”“略带”“仿佛”全删
- 把复合名词拆成原子词：
“墨绿色高领羊绒毛衣” → “墨绿 毛衣 高领 羊绒”</li> <li>用顿号替代逗号分隔要素：<code>char_A、28岁、齐肩黑发、左眉尾小痣、墨绿毛衣、室内、午后斜光、微仰视
- 长度控制在28–35个中文token内（可用
len(list(jieba.cut(text)))粗略验证），超长必降权
