约 20 分钟的 AI 短片《ANERNEQ》，把这些容易被一句“电影感、超写实”盖过去的问题，拆成了可以持续检查的制作条件。它用角色资产维持身份，用 Blender 确定空间，用 Claude 保存项目规则，再把 Seedance 中的对白、动作与表演写进每一个镜头。
真正让人物活起来的，并不是某一次漂亮的生成。
而是镜头之间没有断掉的规则。
先弄清人物为什么行动
《ANERNEQ》的故事发生在 20 世纪 20 年代的楚科奇地区。18 岁的 Tyne 带着因悲痛而精神失序的父亲 Omryn 穿越冰原，前往鲸骨巷，希望在那里救回他。
故事经过放逐、冰窟与鲸骨巷三个主要段落。旅途中，父亲逐渐把女儿误认成亡妻；女儿则必须面对救赎可能带来的代价，以及最终的失去。
项目公开简报特意说明，片中的服饰、仪式与语言是对北方文化的综合创作，并不是对某一个民族的完整复原。这条边界很重要：它决定了观众应该如何理解这个虚构世界，也提醒创作者，世界观不能只靠视觉符号拼贴出来。
片中的技术选择都围绕人物的处境展开。辽阔冰原用来衬出人的渺小，手持摄影跟随身体移动，呼吸、风声和雪橇摩擦把寒冷变成可感知的东西。
所以，制作的起点不是先选模型，也不是先写一段漂亮提示词。
先要回答：角色在这一场戏里想完成什么？镜头又该怎样让观众看懂这件事？
让动作真的碰到世界
项目简报花了相当多篇幅处理日常动作。鼓、刀具、生火工具、雪橇、探冰杆、石灯、水囊和靴子，都不只是画面里的陈设，它们必须对应具体用途。
以生火为例，动作没有被压缩成一句“点燃篝火”。人物要准备工具，持续钻动，先出现烟，再形成火种，最后把火引起来。工具彼此配合，火焰也有一个从无到有的过程。
这段过程看似琐碎，却在悄悄完成一件事：让观众相信，这个角色确实知道如何在这里活下去。
拖雪橇也是一样。如果提示词只写“她艰难前行”，模型很可能只会给出一个走得比较慢的人。《ANERNEQ》把困难写成身体与阻力的关系：躯干前倾，肩带受力，人物迈出几步，滑橇被硬雪卡住，她再次俯身发力。
躺在雪橇上的父亲也不能静止不动。女儿每拉动一次，父亲的身体都应该产生相应变化。一个人在发力，另一个人的重量必须在画面里留下后果。
可信的动作有三个条件：接触、阻力和结果。
人物握住了什么？什么东西阻止了他？动作发生以后，身体、物体或环境改变了什么？如果画面里只有姿势，没有反作用，观众看到的就仍然是一场表演动作的演示。
先锁定这个人，再改变他的状态
对一部持续十几分钟的作品来说，单镜头好看远远不够。观众必须在不同景别、不同光线和不同剧情状态里，持续认出同一个人。
《ANERNEQ》把角色、场景、道具和动物整理成“文字描述＋图片”的资产组合，并使用统一标签。标签贯穿资产库、提示词和制作表，避免同一个对象在不同环节被重新命名。
角色的制作顺序尤其清楚：先生成脸部近景，确定身份；再围绕这张脸建立全身外观、服装、材料和轮廓。原始脸部近景作为基准保留，霜冻、污渍和伤痕等剧情状态尽量局部增加，而不是每次都重做整张基准图。
这相当于把两个问题分开管理：这个人是谁，以及这个人此刻经历了什么。
衣服的磨损、脸部纹理、发型和身体轮廓，都是观众识别角色的线索。项目一长，角色资产就不能只是一组“看起来差不多”的图，而要变成能追溯的版本。
一份可用的资产表，至少要让每个对象拥有统一名称、基准图和稳定描述；状态变化另列版本，并与实际镜头关联。这样，当某一场戏需要修改时，团队才知道哪些材料应该一起更新。
Blender 不负责漂亮，先负责把关系摆对
在这个项目里，Blender 的任务很克制：搭出场景，确定大小、距离、站位、朝向、遮挡、机位和光源。
人物可以只是简单几何体，帐篷可以只是低矮方块，道具也不必精细。重要角色用不同颜色标记，人群保持相对统一的颜色，目的只是检查主体能否从背景中被看见。
光源也会在预演阶段摆进去。火在哪里，能照到谁，哪些区域应该留在黑暗里，都先在空间里找到依据。
关键不在于把灰模画面做得多像成片，而在于把 Blender 里的空间关系转写成文字与数字，再放进提示词的几何锚点模块。灰模主要服务于构图与空间判断；如果直接把它当成视觉参考，生成模型反而可能复制灰色塑料般的材质。
在一个双人镜头样例中，简报把关系写得很具体：人物分别处于画面哪一侧，脸部相距约 30 厘米，摄影机距离约 1.2 米，相对人物轴线又是什么角度。
这些数字不是为了炫技。它们把“画面不对”变成了可以修改的问题：究竟是人物离得太远，还是摄影机位置错了？
预演真正提供的，是一套可重复调整的坐标。
Claude 保存规则，镜头才不会各拍各的
项目里的 Claude 依靠一份专用 Skill 工作。这份 Skill 更像一本不断复用的制作手册：里面放着资产描述、镜头模板、声音设定、语言词典、剧本、表演方法，以及不同场面的限制。
它解决的不是“帮我写一句提示词”，而是让每个新镜头都带上同一组已经确认的条件。
简报使用固定顺序的 20 个提示词模块。它们大致覆盖：镜头中有哪些角色和资产；画面从哪里开始；谁做什么、说什么；摄影机怎样观察；光线、镜头质感、皮肤和材料如何保持一致；身体怎样受力；表演怎样推进；声音来自哪里；镜头时长与空间参数是什么；这一镜又最容易错在哪里。
其中，风格、灯光、变形宽银幕效果和画面质感等固定模块，会在不同镜头中重复使用。原因很直接：只写“延续上一镜”，并不会自动把上一镜的服装、道具、光线、声音和空间关系完整带进当前输入。
长片需要模板，也需要版本管理。
当固定规则发生变化，新的描述必须注明适用场景和版本。否则，多套互相冲突的条件很容易同时进入一个镜头，最后得到的不是连续性，而是平均化的混乱。
情绪不是一个词，而是一串有代价的动作
《ANERNEQ》有一场很能说明问题的戏：父亲把女儿误认成妻子，伸手去触摸她的脸。女儿已经察觉，却没有立刻纠正，而是停住身体，顺着父亲的认知回应。
这场戏没有把控制重点放在“悲伤”“克制”这类抽象情绪词上，而是放在动作和反应上。
父亲想确认眼前的人是否真实，因此抬手触碰；因为身体虚弱，他抬手缓慢，手指僵硬。女儿想安抚父亲，于是压住本能反应，让自己的脸继续留在那只手里。
观众读到的情绪，来自人物为了完成动作付出的代价。
项目因此用目标、障碍与策略来组织表演，再加上少量非自主反应：迟来的眨眼、短暂屏息、下颌轻微绷紧。情绪被拆成可见变化以后，镜头才真正有东西可拍。
眼神也按同样的方式处理。所谓“目光呆滞”，可以继续拆成更具体的问题：瞳孔是不是完全不动？眨眼是不是过于机械？眉眼和嘴部是不是整齐地同时变化？不同角色分别写反应，能减少整张脸一起动起来的假感。
项目里的骨质雪镜还承担了一个实用功能：在合适场景中遮住部分眼部，把表演压力转移到呼吸、嘴部和身体上。这不是一条通用捷径，而是与具体故事情境相配合的取舍。
虚构语言也要有连续性
影片对白使用专门设计的虚构语言。团队为它建立词典与语法，一个词一旦确定，后续剧本和镜头就继续沿用。
提示词主体使用英文，人物真正说出的台词则用西里尔字母书写，以减少生成时混入英语发音习惯的问题。这是团队在当前语言和生成流程中的项目经验，不能直接外推到所有模型和所有语言。
声音本身也有角色身份。父亲和女儿分别拥有稳定的声音描述；虚弱、激动、疲惫等当场状态，再叠加在这个基础上。遇到发音不稳，团队先调整说话方式的描述；重要台词仍有问题时，再适度简化拼写，让文字接近生成器能够发出的声音。
顺序不能反过来。
先确定一句话的含义、写法和声音身份，再让它进入镜头生成。临时变体越多，后面的连续性核对就越困难。词典、发音版本和镜头编号关联起来，才能避免每一镜都从头猜一次。
光、声音与剪辑一起维持同一个世界
《ANERNEQ》的视觉基调以深蓝和石墨灰为主，火焰只提供局部暖色。极夜环境中的光来自火、星光和雪面反射，人物不会因为“需要看清”就被均匀照亮。
所以，灯光要求也必须具体：光源位于哪里？离人物多远？身体哪些部分应该被照亮？哪些地方必须留在暗处？
声音同样克制。根据公开简报，影片主要依靠风、呼吸、雪橇摩擦、火焰、对白、鼓声和无词摇篮曲组织听觉，没有用常规配乐持续铺底。
剪辑则更早介入。团队使用带观察感的跳切，缩短生成模型难以稳定完成的连续动作。旅途中的过渡可以压缩，关键事件则保留展开空间。
这意味着，生成、摄影和剪辑不能分开考虑。哪些时刻需要观众连续看完？哪些动作可以通过切镜完成？模型能稳定做到什么？这些决定共同塑造最后的节奏。
把长片拆成一套持续核对的顺序
把整份项目简报压缩下来，可以得到一条清楚的制作路径。
故事先行。 确定人物目标、关键事件，以及每场戏发生了什么变化。
资产锁定。 给角色、道具和环境建立统一名称、基准图与描述，状态变化另行管理。
空间预演。 在 Blender 中确认走位、遮挡、机位和光源，再提取需要写进镜头的参数。
规则入库。 把固定的画面、声音和语言条件写进项目 Skill，并为不同场景建立模板。
逐镜生成。 给当前镜头完整输入，明确人物的表演任务和最容易出现的错误。
对照检查。 检查身份、空间、受力、光线、声音与叙事信息，再决定重新生成、局部修改还是直接切镜。
项目公开页显示了 11,961 项 Generations，但没有公布 Credits spent，也没有说明这些记录中多少成功、多少失败、多少进入最终成片。因此，这个数字不能直接换算成现金预算，也不能用来推断生成成功率。
模板能够减少重复劳动，却不能替代导演判断。
《ANERNEQ》真正值得借鉴的，不是某个模型突然解决了 20 分钟叙事，而是团队把人物的生活、身体、声音和环境，都变成了镜头之间必须持续核对的条件。
生成能力让一张画面成立。
而那些细小、连续、彼此不冲突的决定，才让观众愿意跟着人物走完整部片子。