name: cross-shot-consistency-audit description: 跨镜头一致性审计工具：检查一组镜头或图像中的角色、服装、道具、场景、时间、光线、色彩、镜头逻辑和叙事事实是否一致。用于镜头组选片、成片检查和连续性修复。 veRSIon: 1.0.0

跨镜头一致性矩阵审计

R — 原文（Reading）

“我们要整个把这些图排在一起，最好是排在一起，看一下它的灯光是否有问题……需要非常专业的人来做风格一致性的校验。”

— MokeLMa，视频 01，00:59:00–00:59:09；视频 03，00:15:50–00:16:38

I — 方法论骨架（Interpretation）

一致性不是逐张判断“好不好看”，而是在同一叙事序列或品牌系统中判断“是否仍属于同一世界”。 审计必须先指定获批锚点；没有锚点，只能得到互相之间的差异，无法判定谁在漂移。 把镜头按时间线并排，再以身份、状态、空间、光照、色彩、材质、成像、运动等维度建立矩阵，防止“感觉不统一”变成无方向返工。 差异不等于错误：场景转换、情绪推进和平台适配允许有意变化；只有违反 Bible、连续性或预期过渡的差异才叫漂移。 每个漂移都要分级：可接受、局部可修、需要重建约束、身份/叙事冲突必须重做。 修复优先选择影响半径最小的路线；能局部调色、遮罩或合成解决的，不先整镜重抽。 修复后必须回到同一矩阵复审，不能把“做过处理”当成“已经匹配”。

A1 — 课程中的应用（Past APPlication）

案例 1：用获批关键图校正短片中的漂移镜头

• 问题：同一短片中，部分生成画面的调子与已经确定的画面发生偏移。

• 方法论的使用：讲者先把镜头排在一起检查，把确认图作为锚点，再将其色彩/光照特征迁移到漂移图，并配合去杂色与超分处理。

• 结论：修复不从“重新抽一张”开始，而从锚点、漂移维度和最小修改开始。

• 结果：该手段被用于讲者提到的特朗普短片；课程只局部展示，没有全片盲评或观众测试。

• 出处：视频 01，00:58:51–01:00:28；对应案例池 c11。

案例 2：跨平台生成后做质感与感官匹配

• 问题：来自不同平台的沙漠或港式灯光镜头过于干净、油腻，颗粒、锐度、饱和度和高光感不一致。

• 方法论的使用：讲者逐项调整高光/泛光、颗粒、柔化、饱和、色带和深度分层，而不是只套一个统一滤镜。

• 结论：平台差异要拆成可见维度处理；“统一加颗粒”不能代替材质、光照和空间检查。

• 结果：现场前后对比更接近讲者设定的质感，但手部等生成缺陷仍存在，也没有证明“更真实”是普遍评价。

• 出处：视频 01，01:12:45–01:16:49；视频 02，01:34:29–01:41:34；对应案例池 c14。

A2 — 触发场景（future Trigger）

用户会在什么情境下需要这个 Skill？

1. 多个镜头、海报、发布会视频或直播包装单看合格，合在一起却像不同作品或不同品牌。

2. 同一角色在镜头间出现脸型、服装、道具状态、渲染写实度、材质或比例漂移。

3. 同一场景的主光方向、色温、阴影、接触关系、曝光或空气层在切换时跳变。

4. 项目混用多个生成模型、软件、供应商或实拍素材，需要统一 sequence QC 与修复优先级。

5. 用户只会说“不统一”“AI 味太重”“像贴上去的”，需要把感觉转成可定位的差异矩阵。

语言信号

• “每个镜头都挺好，为什么剪起来散了？”

• “帮我做跨镜头一致性检查 / 风格连续性校验。”

• “Run a cross-shot consistency audit and produce a repair matrix.”

• “Match these AI shots to the live-ACTion plate / approved keyframe.”

• “同一角色忽写实、忽三渲二，光也接不上。”

与相邻 Skill 的区分

• visual-calibration-loop 提供情绪、色彩、光线和关键帧锚点；本 Skill 在已有素材上定位偏差并复审修复。

• entity-continuity-system 提供角色、道具、商品与场景的身份和状态基准；本 Skill 检查实际镜头是否遵从。

• 本 Skill 只审计已经入选并进入序列的资产，不负责前期定调、建库或候选筛选。

E — 可执行步骤（Execution）

激活后，Agent 不得直接给“统一一下色调”的笼统建议；必须输出锚点、矩阵、严重度、修复路由和复审结论。

1. 锁定审计范围与观看条件

• 收集要审计的镜头/资产、正确播放顺序、镜头 ID、版本、来源工具、场景和时间状态。

• 在同一显示变换、色彩空间、分辨率/缩放与播放速度下建立 contact sheet 和时间线；把代理压缩、错误 LUT 或显示设置造成的假差异先排除。

• 完成标准：每个项目项都有唯一 ID 和顺序，审计者能在同一条件下并排或连续观看。

2. 指定批准锚点与允许变化

• 为全局风格、每个场景、关键角色和主要光照状态指定获批锚点；记录批准人、版本和它代表的标准。

• 同时记录有意变化，例如昼转夜、情绪降温、梦境变形或平台尺寸适配，避免把叙事变化误判为漂移。

• 判停条件：若没有获批锚点或 Bible，停止“合格/不合格”判定，转到 visual-calibration-loop 或 minimum-visual-bible；此时只能交付差异清单。

• 完成标准：每个被审计镜头都能指向一个锚点和一组允许变化。

3. 建立一致性矩阵

至少检查以下维度；不适用项要标记 N/A，不能静默跳过：

• 完成标准：每个镜头×维度单元格都有证据注释和严重度，不以一条总评替代矩阵。

4. 分离“有意差异”与“非预期漂移”

• 对每个差异询问：是否有 Bible/剧情/场景状态依据？是否沿时间线形成可理解过渡？是否由批准人明确同意？

• 使用四级严重度：0 匹配、1 有意或可容忍差异、2 可局部修复漂移、3 身份/叙事/空间冲突。

• 对 2、3 级写出可观察证据，例如“镜头 S14 的鼻影向右，锚点与相邻镜头向左”，不写“光不对”。

• 完成标准：每个非零项都有 依据 / 严重度 / 影响 / 责任路由。

5. 按影响半径选择修复路线

• L1 局部后期：曝光、白平衡、局部饱和、锐度、颗粒、色带、遮罩、边缘和轻微材质差异。

• L2 定向匹配：参考图/批准帧色光迁移、分层 relight、深度遮罩、接触阴影、局部合成、状态资产替换。

• L3 约束重建：身份、比例、轴线、空间、动作或关键光照关系错误时，回到 entity-continuity-system、constraint-input-router 或批准 layout 重新生成/渲染。

• L4 叙事裁决：若两个镜头分别漂亮但无法在叙事上并存，由具名导演/美术/品牌负责人决定删、换或改段落，不能让算法平均折中。

• 完成标准：每个问题只有一个主修复路线、负责人、预计代价和复审条件。

6. 对真人/AI 混合镜头执行强制光照检查

• 除色调外，必须检查主光方向、填充、反弹光、遮挡、接触阴影、环境反射、空气层、景深关系和边缘融合。

• 只套同一 LUT 不能通过此门；主体像“贴在背景上”时优先重建光照/合成关系。

• 完成标准：在静帧与播放状态下均不存在方向冲突或缺失接触关系；无法确认的项标记风险，不伪造“已匹配”。

7. 修复后用同一矩阵回归审计

• 保留修复前后版本，以相同锚点、观看条件和矩阵重新评分；不得换标准来让结果通过。

• 3 级问题未清零不得交付；2 级遗留必须得到具名批准并写明风险；1 级需标注为何是有意变化。

• 完成标准：输出前后差异、通过项、遗留项、批准人和最终 PASS / CONDITIONAL PASS / FAIL。

最小输出契约

• 有序 contact sheet / 时间线和版本表

• 批准锚点与允许变化表

• 镜头×维度一致性矩阵

• 0–3 严重度、证据与责任路由

• L1–L4 修复计划

• 修复前后回归结果与最终判定

B — 边界（Boundary）

不要在以下情况使用此 skill

• 只有一张独立图片、没有序列或品牌系统关系；做单张质量评审即可。

• 尚未决定风格、角色或场景方向；先用 minimum-visual-bible 与 visual-calibration-loop 建立标准。

• 团队正在从大量候选中挑选方案；那是 bounded-explore-select，不是一致性审计。

• 问题是剧本、镜头覆盖或角色设计本身不足；一致性矩阵不能把错误方向修成好作品。

课程警告的失败模式

• 每个镜头单独追求“惊艳”，导致同一角色忽写实、忽三渲二，材质、通透度、色光不断变化。

• 只看当前镜头，不与前后镜头或获批关键帧并排。

• 把无瑕、平滑、均匀锐利当成电影质感，再用统一颗粒掩盖所有问题。

• 真人与 AI 只对同一色调，不对主光、遮挡、反弹与接触关系。

讲者盲点与时代局限

• “更有人味”“更真实”是目标相关的审美判断，不是颗粒、柔化或过曝越多越好；必须服从批准锚点与媒介目的。

• LUT 或自动光照传递只能作为候选修复，不能证明物理光照一致；最终看可见关系和合成证据。

• 不同平台、色彩管理、压缩和显示器会制造假漂移；审计前必须统一技术观看条件。

• 课程案例主要是个人项目和局部演示，缺少完整观众测试；严重度阈值要由项目团队批准。

容易混淆的邻近方法论

• 一致性不等于所有镜头完全相同；叙事情绪、昼夜和镜头功能需要有设计的变化。

• 风格匹配不等于身份连续；同色调的两张脸仍可能不是同一角色。

• 摄影参数写在提示词里不保证物理准确；审计依据应是可见透视、光照和可靠元数据，而不是提示词中的数字。

来源

• 来源课程：《AI 创作体系：视觉 Bible、工作流与 Agent Skill》— MokeLMa

• 来源段落：视频 01，00:58:51–01:00:28、01:12:45–01:16:49；视频 02，01:03:18–01:07:39、01:34:29–01:41:34；视频 03，00:15:50–00:16:38、00:39:29–00:39:52

相关 Skills

• depends-on：visual-calibration-loop — 以获批关键帧、情绪和色光曲线判断视觉漂移。

• depends-on：entity-continuity-system — 以实体身份、状态和版本判断连续性错误。

现有生态接入

• receives-from：ai-video-ouTPUt-review — 后者先从真实视频提取时间戳、接触表和可见故障；本 Skill 再把多镜头证据组织成锚点化差异矩阵。

• checks-against：character-continuity-bible — 使用其中的身份、服装、武器、场景与空间锁作为提示词侧基准，但以实际画面和实体事实源作最终判定。

• hands-off-to：ai-video-iteration-doctor — 审计确定最高严重度和最小修复层级后，由后者生成单变量重试补丁；不直接把整条提示词全部重写。

审计信息

• 三重验证：V1 通过 / V2 通过 / V3 通过（verified.md 的 v09）

• 关键边界：必须先有批准锚点；真人/AI 混合必须检查真实光照关系；提示词摄影参数不作为物理证据

• 测试通过率：100%（独立路由盲测）

• 蒸馏时间：2026-07-13