人物表情是AI视频里容易被忽略，但最能暴露承制团队真实制作水平的地方。嘴角勾起弧度、眉毛微微皱起，这种看起来程度轻微的提示词，生成结果却夸张大笑或者一副苦大仇深的表情。尤其到了连续剧情里，同一个角色上一镜还在克制地说话，下一镜突然瞪眼张嘴，观众马上就会出戏。
要让AI做出生动的人物表情，第一步不是急着找一条万能提示词，而是先了解手里的模型到底有多听话。可以用同一个角色、同一个机位，依次测试“轻微紧张”“明显紧张”“极度恐惧”这类不同强度的描述，再观察眉眼、嘴部、头部动作和身体姿态分别变化了多少。这样几轮下来，你会知道这个模型对情绪词的响应是细腻，还是只会把表情直接推到最大。
这一步看起来像在做小测试，实际是在建立自己的“表情刻度”。模型调性摸清以后，写提示词就不再靠猜。需要角色压住情绪时，描述眼神、呼吸、嘴角和动作幅度；需要情绪爆发时，再增加面部变化和身体反应。别一上来就把“极度悲伤、撕心裂肺、痛苦大哭”全塞进去，很多模型会把这种指令拍成表演过度的舞台剧。
给主要角色建立表情库
如果只是做一条十几秒的短片，临时调整也许还能应付。长剧集就不同了，主角会反复出现在不同场景、不同光线和不同情节里。此时最好为角色建立一套表情情况库，记录平静、疑惑、警觉、开心、压抑、愤怒、受伤和惊讶等常用状态，同时保留对应的正面、侧面和不同景别参考。
表情库不要只保存脸。主角的发型、服装、配饰、道具和常用姿态也要一起整理。角色资产越完整，后续分镜越容易复用，连续镜头里的身份就越稳定。编剧或导演在写到某一场戏时，也能直接从资产库里挑选接近的状态，再根据剧情微调，而不是每次从一张空白人物图重新抽卡。
表情资产还应该和剧情功能对应。比如“强装镇定”和“真正平静”都可能是闭着嘴，但前者可以保留紧绷的眉间和不自然的视线，后者则让眼神、肩膀和呼吸都放松下来。把这些差别记录下来，团队在沟通修改时会比一句“表情自然一点”明确得多。
先固定完整分镜，再让角色开始表演
很多人生成AI视频时，直接拿一张角色素材图去做动态，结果人物有了动作，表情却像贴在脸上一样。原因在于模型只拿到角色身份，缺少这一镜中发送的具体事件，比如人物站在哪里，环境是什么，镜头从哪里看过来，光线如何变化，角色为什么要做出这个反应。
这些内容如果只靠资产图来支撑，很难让视频模型完全理解并遵循。所以先用设定资产图+镜头首帧画面的提示词，生成带场景、环境和镜头关系的完整分镜图，在这张分镜图里，把人物的表情、视线、姿态和画面构图一起固定下来，再把它作为首帧参考生成视频。角色不是凭空开始“演”，而是在明确的空间和情绪里完成一个动作，眼神、身体和镜头运动也更容易互相配合。
当然，首帧参考并不能保证每一帧都完美。制作时仍要检查表情是否在动作中自然过渡，人物说话时口型和情绪是否一致，镜头切换后角色状态有没有突然跳变。必要时可以调整动作幅度、缩短镜头，或重新生成关键片段。AI负责提供变化，创作者负责判断哪些变化真的属于这个角色。
所以，AI人物表情的关键从来不在于把情绪词写得多复杂。先用测试摸清AI模型遵从度，再用表情和服装资产维持角色连续性，最后把角色放回有场景、有动作、有镜头关系的完整分镜里，人物才会逐渐有“演技”。如果项目需要连续角色设定、分镜和视频生成，可以了解AI视频制作服务，让有编导和后期经验的团队把这些环节真正接起来。
