AI 短劇場景底圖怎麼做：空景主圖、180 度背面與光線變體
本文點數與規格以 TWno1 實際計費設定為準，最後核對：2026-10-05
我們在 2026 年 9 月稽核 244 張 AI 短劇分鏡圖，日夜或天氣畫錯 50 張（20.5%），根源是沒有場景底圖。
最典型的一格：劇本寫夜晚的天台，畫出來是白天陰雨，人還撐著傘。原因不複雜。每一格的提示詞只帶「場景名＋時段」，場景的具體描述在半路被丟掉了，也沒有一張圖告訴模型這個天台長什麼樣。這部 16 集示範短劇的稽核做於 2026-09-29。後來我們把規則改成「每一場先畫一張底圖，每一格都帶」，下面照實際操作的順序寫。
第一步：先寫房間佈局文字，再畫任何圖
底圖的起點不是圖，是一段文字。寫清楚這個房間的四面各有什麼：門在哪一面、窗在哪一面、代表性家具擺哪裡、地板和天花板是什麼材質。
這一步最常漏的是代表性家具。我們有一版會議室沒有會議桌，整個場景像一個空盒子，觀眾根本認不出這是會議室。規則：每個場景描述必須寫出讓人一眼認出用途的家具。會議室要有會議桌，診間要有診療床，便利商店要有貨架。
材質要寫在「共用」的位置。我們遇過一個很隱蔽的坑：地板材質只寫在背面那一段描述裡，正面沒寫，模型就自己編了另一種地板，正反兩張圖接不起來。後來的做法是：任何一面牆底下提到的地面、天花板描述，都抽出來當成共用材質，兩個視角都帶。
第二步：主圖是空景
主圖只畫場景本身：沒有人、沒有字、沒有標題。
我們的理由很實際。主圖要被這一場的每一格拿去當參考，如果裡面有人，後面每格都可能多冒出一個人；如果有字，後面每格都會出現那串字，而且多半是亂碼。
主圖也別塞太多。BytePlus 的 Seedance 2.0 提示詞指南（查證 2026-10-05）建議一次請求大約只放 4～5 個素材，其中場景圖 1 張，再加 1～2 張角色圖，不要把素材上限用滿，否則模型分不清哪個最重要。一個場景一張乾淨的主圖，剛好佔掉那一個位置。
第三步：背面是「相機轉 180 度」，不是改正面圖
這是最多人做錯的一步。
常見做法是拿正面主圖去編輯，叫模型「畫出另一面」。結果通常是背面跟正面長得一樣，連門都在同一個位置。另一種失敗是正面、背面各自獨立生成，各自猜材質和家具，兩張圖像兩個不同的房間。
我們做示範劇時用的規則：
- 背面的定義是相機在原地轉 180 度看到的那一面，照「背面」那段文字生成，不拿正面圖去改。
- 正面和背面都從同一份房間佈局文字推導，材質用第一步抽出來的共用描述。
- 背面不重複正面的家具。正面有會議桌，背面拍到的應該是白板、門或窗。
- 正反面拿來比對，太像就重畫。
最後一條聽起來反直覺：兩張圖太像反而要重畫。因為正反面應該是同一個房間的兩面，不是同一面拍兩次。
第四步：深夜版、暴雨版，只改光線和天氣
同一個場景常常需要變體：白天和深夜、晴天和暴雨。我們早期的變體會連佈局一起跑掉，門窗換了位置。
規則：變體＝原版圖只改天氣與光線，同佈局、同機位。
寫變體描述時要寫成純粹的光線或天氣變化，例如「同一間辦公室，深夜，只開桌燈，窗外下雨」。不要把角色狀態混進去，像「她加班到深夜很疲憊」。混了角色的字，模型容易把它當成一個新場景，從頭重畫佈局。
第五步：每一格都帶底圖，也帶時段和天氣
底圖畫好不代表每一格會用到。日夜錯 50 張的那一批，問題正是每格的提示詞只剩場景名和時段。
所以兩件事都要做：每一格都帶這一場的底圖當參考；時段和天氣寫進每一格的提示詞，不要只寫在場景標題。
第六步：審底圖先問「現實會這樣嗎？」
一張電梯的底圖，牆面掛滿水珠，整間電梯像剛淋過雨。審查的時候，這張圖被打了「佈局一致 ✅」。
佈局確實一致。可是現實中的電梯不會濕透。這類「室內下雨」的常理錯誤，靠逐項打勾抓不到，因為檢查表上沒有一項叫「合不合理」。
規則改成兩條：
- 室內場景，雨只下在窗外。
- 審查順序倒過來：先問「現實會這樣嗎？」，答案是肯定的，才開始逐項打勾。
這不是單一案例。Google DeepMind 等作者的 Physics-IQ 研究發現，多個影片模型對物理的理解相當有限，而且和畫面多逼真無關；VBench-2.0 也把物理與常識列為弱項。兩篇評測的都是 2026 年以前的模型，但提醒的方向一致：畫得漂亮，不代表畫得合理。
還有一點：審查要由沒參與製作的人看全尺寸圖。有一次是自動檢查替自己打分，回報「場景 4/4 通過」；另一個人親自看圖，發現 2 張不合格，一張多出一個盒子，一張電梯正面沒有門。
底圖檢查表
| 檢查項 | 合格標準 | 不合格怎麼辦 |
|---|---|---|
| 代表性家具 | 一眼認得出場景用途 | 補寫家具後重畫 |
| 主圖內容 | 無人、無字、無標題 | 重畫 |
| 正反面 | 背面＝相機轉 180 度，不重複正面家具 | 太像就重畫 |
| 地面與天花板 | 兩個視角材質一致 | 抽成共用材質描述 |
| 變體 | 同佈局、同機位，只改光線天氣 | 刪掉角色狀態字眼後重做 |
| 常理 | 現實會這樣（室內不下雨） | 先判不合格，再看其他項 |
| 每格提示詞 | 帶底圖，寫明時段與天氣 | 補上再出圖 |
在 TWno1 裡，這一關擺在影片之前
那 50 張日夜畫錯的圖，在靜態分鏡上一眼就看得出來；同樣的錯拖到影片才發現，那一段生成就白做了。TWno1 的流程是每一鏡先出分鏡圖，你看過、按了確認，才會開始生成影片，天台變白天這類錯會停在分鏡圖這一關；電梯濕透是底圖本身的錯，要在審底圖、審分鏡圖時抓出來，都在生成影片之前。底圖怎麼寫、電梯該不該濕，還是要你寫進場景描述、自己審。可以在 Studio 開一個專案，先拿一場戲試。
這套做法的限制與不適合的情況
- 需要精準空間關係時不適合。 例如同一間房要從十幾個角度拍、家具位置分毫不差，用 3D 軟體建場景或實景拍攝比較可靠。底圖只保證正反兩面大致合理。
- 20.5% 是一部劇的數字。 來自一部 16 集示範短劇的一次稽核，不是業界錯誤率。
- 相似度比對只能抓「太像」。 它抓不到「兩張都錯」，例如正反面都沒畫門。這要靠人看。
- 常理錯誤沒有自動檢查。 「現實會這樣嗎」目前只能人問，我們沒有可靠的自動化做法。
- 廠商也承認複雜場景難。 Google 的 Veo 3 模型卡把複雜場景中維持完整一致列為已知限制。
延伸閱讀：AI 短劇道具不連戲：保險箱變檔案櫃、報紙撕了又復原怎麼辦、AI 短劇眼鏡、髮型、服裝不連戲：從 244 張分鏡圖拆原因、直式短劇一鏡幾秒？平均 2.5～4 秒、單鏡 6 秒上限的由來。
常見問題
AI 短劇的場景底圖是什麼？
場景底圖是每一場戲開拍前先畫的一張空景圖，畫出房間佈局、代表性家具、材質與光線，之後這一場的每一格分鏡都拿它當參考。我們審 244 張分鏡圖時，日夜或天氣畫錯 50 張（20.5%），主因之一就是沒有底圖、每格提示詞只帶場景名與時段。
AI 場景的背面圖為什麼會跟正面一樣？
AI 場景背面和正面長一樣，通常是因為背面是拿正面圖去編輯出來的。背面應該定義為相機在原地轉 180 度看到的那一面，依背面的文字描述生成；正反面從同一份房間佈局文字推導，背面不重複正面的家具，兩張太像就重畫。
怎麼做 AI 短劇場景的深夜版或下雨版？
AI 短劇場景的深夜版、暴雨版應以原版底圖為基礎，只改天氣與光線，保持同樣佈局與機位。變體描述只寫光線或天氣變化，例如「同一間辦公室，深夜，只開桌燈，窗外下雨」，不要混入角色狀態的字眼，否則佈局容易被整個重畫。
為什麼 AI 畫的電梯會整面掛滿水珠？
這是 AI 圖像的常理錯誤：劇情在下雨，畫面卻把雨帶進了室內。規則是室內只在窗外下雨。審查 AI 場景時要先問「現實會這樣嗎？」再逐項打勾；我們遇過電梯牆面掛滿水珠，審查卻打了「佈局一致」，因為佈局一致不等於合理。
AI 短劇每一格都要帶場景底圖嗎？
要。只畫底圖、不在每一格帶上，等於沒畫。每一格分鏡都應帶這一場的底圖當參考，並把時段與天氣寫進每格提示詞。我們稽核的 50 張日夜畫錯的圖，問題正是每格提示詞只剩場景名和時段。
參考資料
- BytePlus ModelArk：Seedance 2.0 系列提示詞指南（查證 2026-10-05）
- Physics-IQ：影片生成模型的物理理解評測（arXiv 2501.09038）（查證 2026-10-05）
- VBench-2.0：影片生成內在真實性評測（arXiv 2503.21755）（查證 2026-10-05）
- Google DeepMind：Veo 3 Model Card（PDF）（查證 2026-10-05）