在生成 AI 影片時，道具經常面臨變形、材質漂移或尺寸忽大忽小的問題。要在不同分鏡裡穩住同一件物品，不能只靠在提示詞裡反覆強調「保持一致」，而需要在前期準備合適的參考圖。參考圖畫什麼、提供到什麼精度，取決於影片的具體類型以及鏡頭要交代的資訊。
一、依影片類型決定道具要求
準備參考圖之前，先看影片屬於商品展示還是劇情敘事。兩類影片各有需要優先確認的資訊。
商品或廣告影片裡，物品本身就是展示主體，觀眾需要看清它是不是同一件真實商品。這類參考應當優先採用有權使用的真實商品照片，並確認所有圖片對應同一型號、同一顏色和同一版本，不要混用不同批次或不同配件的圖片，以免模型自行拼湊出不存在的產品結構。光線變化可以改變表面反射，但不應讓髮絲紋金屬變成光滑塑膠，也不能為了畫面好看而改動真實結構。
例如要製作一支保溫杯影片，參考圖可以依鏡頭任務拆開準備：
- 真實商品主圖：展示完整的瓶身曲線、杯蓋比例、提把位置和品牌標誌，避免嚴重遮擋或誇張透視，用來約束靜物展示鏡頭裡的基本外觀。
- 局部與狀態細節圖：根據腳本裡的動作，補充杯蓋螺紋、按鍵結構或打開後的內膽開口。如果鏡頭裡有開蓋喝水的動作，卻沒有給打開狀態的參考，生成結果可能出現與實物不符的內部結構。
- 手持比例圖：展示手掌抓握瓶身的位置以及杯子相對人體的大小，避免切到人物鏡頭時保溫杯突然變成水桶或迷你小杯。
電影或短劇中的道具則主要服務於人物、動作和劇情。觀眾不一定需要看清道具背面的每一顆螺絲，但必須認出它屬於哪個角色、怎麼使用、在故事裡起什麼作用。比如一把隨身武器，重點在於輪廓是否鮮明、角色握持與拔出是否順暢；一張充當線索的房卡或一件舊信物，重點在於觀眾能否在特寫鏡頭裡看清那個推動劇情的缺口、編號或裂痕。
並非所有敘事道具都要畫成工程級別的三視圖。可以先確定鏡頭裡真正會出現的特徵，把形狀、材質和關鍵識別點交代清楚，再根據生成結果判斷是否需要補充參考。如果短劇裡包含了商業置入，那麼那件置入商品依然要按真實商品的標準準備參考，而同場戲裡的其他環境道具則按劇情重要程度分配精力。
二、整體外觀與關鍵細節
對於電影或短劇裡的原創核心道具，可以先做一張包含完整外觀與局部放大的設定圖。整體圖用來交代這件物品的輪廓、主色調和結構比例；局部放大圖則用來固定那些會在近景或特寫中露出的材質與裝飾。不需要機械地排列正面、側面、背面視圖，重點是所有局部放大圖都必須取自同一件物品，不能在放大時讓模型畫出另一種包覆方式或另一套零件。
下面這張英文武器設定圖展示了一把原創彎刀。畫面上方是完整的四分之三角度主圖，下方分別放大了刀身紋理、皮革握柄、護手和柄首四個部位。
這張設定圖為後續影片提供了四個層面的外觀依據：
- 刀身紋理（BLADE TEXTURE）：規定了微彎的刀身弧度、流動的鋼材紋理，以及靠近刀背的一條窄裝飾邊。這些紋樣需要貼合在金屬表面，避免在動態畫面裡演變成裂痕或發光條。
- 皮革握柄（LEATHER GRIP）：明確了深棕色皮革的顆粒感、斜向交疊的纏繞方式以及邊緣磨損。在手部抓握的近景裡，刀柄的纏繞邏輯比遠景裡的細碎花紋更容易穿幫。
- 護手細節（GUARD DETAIL）：展示了仿舊黃銅的色澤、彎曲造型，以及它與刀身、刀柄相接處的結構，保證各部分材質屬於同一套設計。
- 柄首細節（POMMEL DETAIL）：固定了多面體黃銅尾部和深色鑲嵌石的特徵，適合在拔刀或轉刀的特寫中作為視覺錨點。
這類設定圖可以參考以下英文提示詞：先描述整把武器，再指定四個放大部位與畫面排版。這裡的背景描述對應最終採用的淺灰白底版本：
Create an English weapon concept sheet for an original fictional saber.
Show the complete weapon once as a large three-quarter hero illustration.
Design: a gently curved blade with flowing steel grain and a narrow decorative border near the spine; a dark brown leather-wrapped grip; an aged-brass guard; and a faceted brass pommel with a dark inset stone.
Add four enlarged detail callouts taken from this exact weapon:
1. Blade texture and decorative border.
2. Leather grain, overlapping wrap and worn edges of the grip.
3. Guard shape, surface wear and its visible junction with the grip and blade.
4. Pommel shape and inset stone.
Keep the same shapes, materials and decorative details in the main illustration and every callout. Use fine graphite and sepia ink linework with restrained material shading on a near-white background with a faint neutral light-gray tint. Wide landscape composition with clear spacing.
English title: SABER CONCEPT STUDY
Callout labels: BLADE TEXTURE, LEATHER GRIP, GUARD DETAIL, POMMEL DETAIL.
No front-side-back views, no turnaround sheet, no dimensions, no characters and no action scene.
先用單體設定圖確認道具自身的設計，再去生成人物使用的畫面，排查問題時會清晰得多。如果直接在一張包含複雜動作的場景圖裡同時設計道具和人物動作，一旦手部遮擋了護手或光線改變了材質，後續鏡頭就很難找到統一的參照。
三、真人拔刀多分鏡範例
有了清晰的單體設定圖，接下來就可以測試它在動態影片中的表現。第一版影片直接將上面的彎刀設定圖作為唯一輸入參考圖，要求生成一段包含拔刀出鞘、端詳刀身、觀察刀紋與握柄特寫，最後回到人物持刀狀態的多分鏡真人影片。
本次測試使用的是透過 WaveSpeed 託管的開源模型 MiniMax H3（非 SOTA 模型），輸出規格為 768p，時長約 15 秒，包含原生生成的聲音。
本次使用的影片提示詞
Photorealistic live-action cinema, 16:9. Use <Picture 1> ONLY as the exact physical SABER object design reference: one elegant curved single-edged blade with flowing watered-steel grain and delicate engraved spine border, dark brown leather-wrapped grip, aged brass curved knuckle-bow guard, faceted brass pommel with a dark oval inset. The image is a design sheet, NOT a frame or storyboard. Transform that object into a convincing real metal film prop. Do not reproduce the sheet, illustration style, labels, panel layout, or lettering. No text on screen.
A real adult man in his thirties, wearing a plain charcoal linen shirt, calmly examines this saber in a softly lit pale gray-white studio. Natural skin texture, realistic hands and weight, restrained cinematic lighting, beautiful tactile close-ups. Same man, same clothing, same saber throughout. A simple dark leather scabbard fits the curved blade. He is peacefully admiring craftsmanship, never attacking or swinging.
Create FOUR clearly distinct shots with clean editorial cuts, coherent physical continuity:
[0s-5s] Medium three-quarter shot, waist to head. The man holds the scabbard securely in his left hand, grasps the leather grip in his right, and slowly draws the entire curved blade completely free in one continuous physically plausible motion. Camera gently pushes in. Hands remain on grip and scabbard, not the edge. End with the saber visibly fully unsheathed.
[5s-8s] Cut to a close three-quarter view of his face and the blade. He raises the saber at a comfortable distance, quietly admires the blade, and slowly rotates his wrist a few degrees so a broad soft highlight travels over the watered-steel texture. Natural subtle expression of appreciation.
[8s-12s] Cut to a cinematic macro insert tracking from the flowing steel grain and engraved border near the base of the blade to the aged brass guard and leather wrapping. Preserve the distinctive guard and pommel design from <Picture 1>. Shallow depth of field; realistic metal, leather pores, tiny wear. Only one blade, no duplication or morphing.
[12s-15s] Cut back to a medium close-up from the opposite three-quarter angle, maintaining screen direction. He looks down at the guard and pommel, gently turns the grip to inspect the craftsmanship, then holds the saber still with a quiet appreciative half-smile. Keep blade shape, length, guard, leather and pommel consistent.
Audio: Native synchronized stereo production sound throughout. At 0-5s, clearly audible textured steel sliding out of a leather scabbard, a delicate brass click at release, soft sleeve and leather creaks. At 5-12s, subtle movement of clothing and grip, light natural breathing, quiet indoor room tone. At 12-15s a small leather creak as the grip turns; soft room ambience continues across cuts. Intimate realistic foley, no music, no dialogue, no subtitles. No exaggerated sword swooshes or combat sounds. Real human live action, not animation, not a sketch, no illustration overlays.
在只提供一張單體武器設定圖的情況下，這段影片已經能夠較好地維持道具的主要外觀特徵，並呈現拔刀與觀賞動作。順著分鏡逐段檢查，可以看到參考圖在不同景別裡起到的作用與局限：
在開場的拔刀中景與隨後的端詳近景裡，彎刀的整體弧度、金屬表面的流動紋樣得到了保留，畫面也呈現了刀身從刀鞘中逐漸顯露的動作。切到細節特寫時，深棕色皮革的包覆感、黃銅護手的色澤與刀身紋理能夠對應回設定圖中的同一套材質。當鏡頭再次切回人物持刀畫面時，握持位置與道具狀態也基本接續。
不過仔細對比設定圖，近景中的細小雕紋、護手局部的彎曲轉折以及柄首裝飾仍存在一定程度的簡化或變形。在本次結果中，參考圖能把大輪廓、主材質和核心結構約束在合理範圍內，但不能保證每一處微小紋路在動態切換中分毫不差。檢查成片時，遠景和中景應重點看輪廓、配色與持握邏輯，特寫鏡頭則需單獨核對關鍵識別特徵是否達標。
四、角色與道具尺寸比例
道具看起來像同一把刀，不代表它在人物手裡始終保持著合理的大小。第一版影片雖然穩住了材質和特徵，但整把刀在人物手中略顯短小，更接近短刀而非預期的長彎刀。在多次分鏡切換時，刀柄粗細、刀身相對軀幹的長度，也是需要單獨控制的維度。
此前嘗試在參考圖片中備註尺寸與比例，沒有達到預期效果。單體圖可以清楚呈現刀具設計，但缺少它與人手、軀幹或環境的同框對照。準備參考時，不能把圖片上標了尺寸數字，當作實際大小已經得到約束的依據。
社群裡也有不少創作者遇到過類似困擾。在 Reddit 關於 MiniMax H3 Ref2V 的人物與物體比例討論中，發文者提到即使寫明相對身高，生成結果仍會出現比例漂移；留言區有人建議直接提供人物持物的參考圖、按比例拼合的對照圖，或者用簡單的三維模型佔位來交代大小。在另一篇關於人物與環境尺寸討論的貼文裡，有人覺得寫入具體公分數有幫助，也有人回饋數值完全被模型忽略。這些討論屬於創作者的個人經驗分享，但可以看出，把尺寸關係直接畫成可見的視覺畫面，通常比單純依賴數字更直觀。
如果在角色參考和道具參考之外，對兩者的相對大小有明確要求，可以額外製作一張人物與道具同框的分鏡圖或設定圖，專門用來錨定比例。
為了沿用原影片的人物形象，並嘗試加長刀身，這裡先從第一版影片中擷取人物畫面，生成了一張角色參考圖。這張圖保留了原影片人物的面部特徵、髮型和深灰色襯衫，同時補齊了原影片中未展示的褲子和鞋子，形成完整的全身像與面部近景。關於全身、側面與面部近景如何組織，可以參看《角色三視圖怎麼設計：從基礎參考到角色資產管理》。
接著，將這張角色參考圖與原本的彎刀設定圖結合，生成了一張人物持刀的全身比例參考圖。在這張新圖裡，我們刻意加長了刀身，同時保留了鋼材紋理、深棕色皮革握柄和黃銅護手的設計。畫面讓人物全身、手掌抓握刀柄的關係以及整把刀的長度同時處於清晰可見的狀態，且人與刀處於相近的景深平面，避免了刀尖直指鏡頭造成的透視畸變。
準備好這張比例錨定圖後，我們進行了第二版影片生成。這一版依然使用 WaveSpeed 託管的開源 MiniMax H3 模型（768p，約 15 秒，原生有聲），完整沿用了第一版影片的英文提示詞、生成參數和隨機種子（固定 seed 主要是為了減少測試變數，並不能單靠固定種子就保證畫面或比例一致）。
在輸入參考圖時，上面的全身角色參考圖只是一個中間過渡步驟，並未單獨傳入影片模型；實際輸入給第二版影片的，是原本的單體刀具設定圖（作為 <Picture 1>）和新增的全身持刀比例圖（作為 <Picture 2>）。提示詞僅在第一版的基礎上追加了下面這句說明：
Use <Picture 2> as the reference for the saber's size relative to the person, including the blade length and grip-to-hand proportions.
生成結果如下：
上圖左列為第一版，右列為新增比例參考後的第二版；上排取自各自影片的 4.5 秒，下排取自 6.5 秒。畫面直接從原影片擷取影格，未單獨縮放刀具。兩版的人物姿態和刀身朝向不同，這裡用於觀察視覺差異，不作為精確尺寸測量。
準備好道具設定圖和人物持物比例圖後，可以進入 MiniMax H3 影片生成器，新增參考素材，並在提示詞中說明每張圖負責的內容，再測試拔刀、握持或展示動作。
對比兩版成片，第二版影片在同樣完成拔刀、端詳和細節特寫的同時，刀身在視覺上明顯比第一版更加修長，握柄與手掌的關係仍可作為後續逐鏡檢查的重點。需要說明的是，由於這段影片的分鏡均為中近景和特寫，沒有出現完整的全身持刀畫面，因此還不能單憑這段成片證明刀身與身高的精確比例已經完全鎖定。這次結果為補充同框持物參考提供了一個實例，但仍需要更多鏡頭測試其穩定性。
複核這類影片的尺寸表現時，不要直接拿特寫影格與中景影格的螢幕像素長度作比較——鏡頭推近時刀在畫面裡變大是正常的透視現象。更穩妥的做法是從出鞘、抬刀、特寫和切回人物的片段中各取一格，觀察同一畫面內部「刀柄相對手掌的粗細」「護手相對手背的寬度」以及「刀身相對胸肩的長度」是否合理延續。
五、多人時如何組織分解參考
如果一段影片裡包含多名角色，且每個人手裡都有各自的武器或道具，把所有資訊塞進同一張圖裡往往顧此失彼：同框全景圖很難看清每件道具的局部材質，而只給單體圖又容易讓兩個人的身高差和武器長短在影片裡亂套。
針對這類複雜場景，在前述 Reddit 的 MiniMax H3 比例討論中，有社群成員提出可以用「單獨角色設定＋所有角色同框的身高對照圖」來管理比例。順著這個思路，當畫面同時涉及多人與多件道具時，可以嘗試把參考資料整理成「分解參考＋同框比例總覽」的組合（這一多人組織方式目前作為思路延伸供參考，尚未在本文的實測案例中驗證）：
- 單人及對應道具的分解參考：為每個角色單獨準備外觀與持物圖，或者將角色與他所持的道具清晰對應。比如角色 A 用長彎刀，角色 B 拿舊式懷錶，分解圖主要用來交代各自的面部特徵、服裝以及那件道具本身的紋理和握持方式，避免模型把 A 的配飾安到 B 的武器上。
- 多人同框的比例總覽圖：額外準備一張所有角色帶著各自道具站在一起的全身圖。讓人物腳下處於同一水平基線、位於相近的景深位置，不做誇張的高低機位俯仰。這張圖不追求展示道具上的微小雕花，專門負責告訴模型：A 和 B 誰高誰矮，A 的刀相對 B 的身體有多長。
在編寫影片提示詞時，再按圖片編號分別指明哪張圖負責具體人物與道具的外觀細節，哪張圖負責整體的身高與尺寸關係，並注意相鄰鏡頭裡道具在角色之間的交接或持握狀態，避免物品在切鏡時無故換手或消失。
準備道具參考圖時，可以從最終鏡頭倒推需要的資訊：先用單體圖說明外觀，再用局部圖交代關鍵細節，對尺寸有要求時補充人物與道具同框的比例參考。生成後仍要回到具體鏡頭，判斷這些關係是否得到保留，再決定需要補哪張圖、調整哪個動作。
