为什么同一个产品，单独生成时看起来很正常，放进不同镜头后，却突然变大或变小了？
为什么第一段视频中的道具细节非常完整，到了第二段视频里，外观却发生了变化？有时候，甚至连道具的结构、颜色和原本的尺寸关系都无法保持。
遇到这些问题，很多人会不断修改提示词，反复强调保持大小一致、符合真实比例。但即使写了很多限制，生成结果仍然可能出现偏差。
这是因为，道具的外观、实际尺寸，以及它在不同镜头中的呈现方式，是三个不同的问题。
想要提高道具的一致性，除了在提示词中明确要求，还可以从参考图入手。
本节介绍两种实用方法。
第一种是在制作道具资产时，增加手掌等尺寸参照，让 AI 更直观地理解道具与人体之间的相对比例。
第二种是在生成连续视频时，将上一段视频中已经生成好的道具截图下来，作为下一段视频的参考图，让 AI 尽可能延续已经确定的道具外观和尺寸关系。
这两种方法分别解决道具资产制作和连续视频生成中的不同问题。掌握之后，就能减少重复调整，让道具在不同镜头中保持更稳定的表现。
一、为什么同一个道具，换个镜头就变了？
先理解一个问题：AI 能够识别物体的外观，并不代表它已经准确掌握了物体的实际尺寸。
例如，你上传一张照片，希望 AI 生成一个人物拿着这张照片的画面。
参考图可以清楚地展示照片的颜色、边框、图案和纸张质感。这些信息能够帮助 AI 还原照片的外观，却不一定能明确告诉它，这张照片在现实中究竟有多大。
道具图
同样的情况也会出现在手机、杯子、书本、包装盒和其他产品上。
如果只提供一个独立物体的图片，AI 可能知道它是什么，却缺少判断它与人物、手掌以及周围物体之间尺寸关系的直接依据。
当道具进入完整场景后，人物姿势、构图、镜头景别和摄影机距离都会影响最终的画面表现。如果缺少明确的比例参照，模型就可能生成一个构图看起来合理、但实际比例不够自然的道具。
例如，一个人物拿着手机，手机的宽度应该与手掌相协调。如果生成结果中的手机大到接近整个手掌，人物的握持姿势就会显得不自然。
如果你继续生成下一个镜头，手机的外观可能基本没有变化，但它与人物手掌之间的比例却可能再次发生偏差。
这里需要区分两个概念。
第一，物体的实际比例。
例如，手机与手掌之间的尺寸关系，书本与手臂之间的尺寸关系。这些关系应该符合合理的现实尺度。
第二，物体在画面中的占比。
同一个手机，在远景中可能只占画面很小的一部分，在特写中则可能占据画面中央的大部分区域。这是正常的摄影表现。
我们真正需要解决的，不是让道具在所有镜头中看起来一样大，而是让它在不同景别中保持合理的物理尺度和外观连续性。
因此，想要提高道具的一致性，不能只关注提示词，还需要考虑参考资产应该提供哪些信息，以及这些信息如何在后续镜头中延续。
二、方法一：通过图生图，为道具增加可控制的尺寸参照
第一种方法适合在正式生成视频之前使用。
我们不需要重新制作道具，也不需要进行复杂的三维建模。
只要准备好原始道具图片，再通过图生图的方式，在旁边增加一只作为尺寸参照的手掌，就能够让AI获得更加明确的比例信息。
而且，手掌与道具之间的大小关系还可以通过提示词主动控制。
第一步：准备一张原始道具图片
首先，准备一张已经生成好的道具图片。
可以是一张遗嘱、一封信件、一本书，也可以是杯子、手机、包装盒或其他产品。
如果直接把它放进人物手中，AI就可能自行判断遗嘱应该有多大。
因此，我们可以先处理这张道具图片，为它增加一个尺寸参照，再用于后续的场景生成。
第二步：通过图生图，增加手掌并控制比例
接下来，将原始道具图片上传到seedream5.0 pro中。
这一步的目标非常明确。
保留原有道具的外观，在旁边增加一只虚拟手掌，并指定道具相对于手掌的大小。
这里，我们采用统一的浅灰色虚拟手掌模型，而不使用真实人物的手。
因为虚拟手掌没有复杂的皮肤纹理、饰品和服装细节，能够更加清楚地承担尺寸参照的作用。
我们将成年女性虚拟手从腕部到中指指尖的长度设定为约18厘米。
接下来，只需要通过修改一个比例参数，就可以控制道具相对于手掌的大小。
例如：
0.5倍：道具最长边约为手长的一半，即9厘米。
1倍：道具最长边与手长相当，即18厘米。
1.5倍：道具最长边约为27厘米。
2倍：道具最长边约为36厘米。
这样一来，我们就不必每次都让AI自行猜测道具的大小，而是可以通过修改比例参数，主动决定道具应该有多大。
例如，如果生成的是一张小型照片，可以尝试将比例设置为0.8倍。
如果生成的是一张较大的纸质文件，可以将比例设置为1.5倍。
如果生成的是一个更大的道具，也可以继续增加比例。
具体数值需要根据实际物体和创作要求调整，并不是所有道具都适合同一个比例。
下面是可以直接使用的通用图生图提示词。
请以我上传的原始道具图片为唯一外观参考，完整保留道具原有的形状、长宽比例、颜色、材质、纹理、图案、边缘结构及所有可辨认细节，不重新设计道具。
**【尺寸比例控制】**
在道具右侧增加一只独立的成年女性虚拟右手模型，作为尺寸参照。以手腕至中指指尖的长度约18厘米作为固定基准。 道具最长边的实际尺寸设定为手腕至中指指尖长度的 **【1】倍**。根据这一比例确定道具与手掌的相对大小，优先保持手掌尺寸不变，通过等比例缩放道具实现指定比例，不拉伸、不压缩道具原有形状。 **【手掌与空间关系】**
虚拟手掌朝向镜头，五指自然舒展、略微分开，指尖朝向画面上方。手部采用统一的哑光浅灰色三维模型材质，没有真实皮肤纹理、饰品、手套或衣袖。 手掌仅用于尺寸对比，不拿取、不触碰、不遮挡道具，两者之间保留清楚间隔。 手与道具处于相同的拍摄距离，采用便于直接比较尺寸的展示角度。不得通过前后透视放大或缩小任一物体。 **【画面要求】**
适当扩展画面，完整容纳道具与手掌。保留道具原有的展示角度和外观特征，背景简洁干净，光线均匀柔和。 严格执行指定的尺寸比例，确保手掌与道具的相对大小直观明确，不额外增加其他物体。
最后，把调整完成的图片保存下来。
这时，我们得到的就不再是一张只有道具外观的图片，而是一张同时包含道具外观与尺寸参照的资产图。
后续在生成正式视频时，可以将这张图片作为参考，并明确告诉AI：只参考道具的外观和尺寸关系，不需要把灰色虚拟手掌生成到正式画面中。
这样就完成了第一种方法。
三、方法二：把上一段视频中的道具截图，作为下一段视频的参考
第一种方法适合在道具资产制作阶段使用。
但如果我们已经生成了一段视频，而且还需要继续生成第二段、第三段视频，又应该怎样保持道具一致呢？
这时，就可以使用第二种方法。
核心思路是：
从已经生成的视频中提取一张道具清晰的画面，再将它作为下一段视频的参考图。
这种方法不需要重新制作带手掌的道具资产，而是直接利用上一段视频中已经确认的生成结果。
例如，我们正在制作一条悬疑短片。
画面中，一名人物正在检查一艘旧式船模。
船模具有泛黄的白色船身、深色旧化痕迹、蓝绿色船舱、栏杆、天线以及其他细小结构。
在第一段视频中，这艘船模的外观和大小都已经符合要求。
接下来，我们需要生成第二段视频，让人物继续观察或操作同一艘船模。
如果只依靠文字重新描述，并且用原本的道具资产人物手拿道具的方向，还有道具贴粘胶的细节，以及道具的大小都会不一致。
即使整体看起来仍然是一艘旧船模，它也不一定是前一个镜头中的同一件道具。
这时，最简单的方法就是从第一段视频中选择一张清晰的画面，将它截图保存。
第一步：从第一段视频中提取道具关键帧
首先，打开已经生成好的第一段视频。
找到道具展示比较清晰的时刻，将画面截图下来。
这里需要注意，并不是随便截取一帧就可以。
尽量选择道具轮廓完整、主要结构清楚、没有严重运动模糊的画面。
第二步：将截图作为下一段视频的参考图
截图保存后，在生成第二段视频时，将这张图片上传到支持图片参考的视频生成工具中。
然后告诉AI，参考图中的道具就是上一段视频中已经出现过的同一件物品。
第二段视频需要延续它的外观、结构、材质、颜色和尺寸关系。
第三步：明确指定参考图的作用
在视频生成提示词中，建议增加一段道具的描写
比如这里就简单地说明，图13是现在船贴了胶布的状态
它的主要作用，是告诉AI：这张参考图提供的是道具信息，而不是整张画面的复刻要求。
这样，在生成第二段视频时，模型就能够获得更明确的视觉参考。
第四步：检查前后视频的道具一致性
第二段视频生成完成后，我们还需要对比前后两个片段。
四、为什么第二种方法能提高连续视频的一致性？
理解第二种方法之后，我们还需要知道它为什么有用。
原因其实很简单。
已经生成好的画面，本身就可以成为后续生成的视觉参考。
当我们只使用文字描述一个道具时，AI需要根据这些文字重新理解物体的外观。
即使我们已经写清楚了颜色、形状和材质，也很难完整描述一个复杂道具的所有细节。
例如，一艘船模可能有多层甲板、不同形状的栏杆、特殊的船舱结构以及大量细小的装饰部件。
如果每一段视频都重新描述这些内容，不仅需要较长的提示词，还容易遗漏细节。
但如果使用已经生成的画面作为参考，模型就可以直接看到这些结构。
同样，参考图中如果包含人物手部与道具的关系，也能够为后续生成提供一定的尺寸依据。
这就相当于把上一段视频中已经确认的结果，继续传递到下一段视频。
不过，这种方法也有一个需要注意的问题。
如果前一段视频中的道具已经出现了比例错误，直接把错误画面当作新的参考，也可能让偏差继续延续。
所以，应该优先选择外观正确、尺寸关系合理的关键帧。
五、两种方法分别适合什么情况？
虽然这两种方法都能够帮助我们控制道具一致性，但使用阶段有所不同。
第一种：还没有生成视频
如果你已经准备好了道具图片，但还没有把它放进正式的场景中，就可以优先使用手掌参照法。
通过图生图，为道具增加一个固定尺寸的虚拟手掌。
再根据道具实际需要，修改比例参数，主动控制道具的大小。
当道具比例调整完成后，就可以把它保存为标准资产，供后续图片或视频生成使用。
这种方法更适合解决道具初始资产缺少尺寸信息的问题。
第二种：已经生成了一段视频
如果第一段视频已经生成，而且其中的道具外观、结构和大小都符合预期，就可以直接从视频中提取清晰的关键帧。
随后，将关键帧作为下一段视频的参考图。
这种方法不需要重新制作道具，而是直接延续已经生成好的视觉结果。
它更加适合多镜头、连续剧情和产品视频等场景。
六、建立一套更稳定的道具创作流程
对于需要连续生成多个镜头的项目，可以把这两种方法整理成一套固定流程。
首先，准备原始道具图片。
如果道具没有明确的尺寸参照，就通过图生图增加虚拟手掌，并通过比例参数确定道具大小。
接着，将处理好的道具图片保存为标准参考资产。
然后，使用这张资产生成第一段视频，并检查道具的外观、结构和相对比例是否符合要求。
当第一段视频生成成功后，从中选择一张道具清晰的关键帧。
之后，在生成第二段视频时，将关键帧作为新的视觉参考，并明确要求保持同一道具的外观和尺寸关系。
如果后面还有第三段、第四段视频，也可以继续使用这种方法。
但要记住，后续生成不一定每次都必须使用上一段视频的截图。
如果最初保存的标准道具资产更加清晰，或者后续截图出现了细节偏差，就应该优先使用已经确认过的标准资产。
结语
AI视频中的道具一致性，并不是一句“保持大小不变”就能够完全解决的。
当道具还没有进入场景时，我们可以通过图生图，为它增加一个固定的手掌参照，再通过比例参数控制道具大小。
当第一段视频已经生成后，我们又可以直接提取其中的道具关键帧，作为下一段视频的参考，尽可能延续已经确定的外观、结构和尺寸关系。
前者解决的是道具初始尺寸的控制问题，后者解决的是连续镜头中道具信息的延续问题。
将这两种方法结合起来，就能够减少AI在不同镜头中重新猜测道具大小和外观的情况。
记住，想让AI更稳定地生成同一个道具，不仅要告诉它道具是什么，还要给它明确的尺寸依据，并让已经确认的视觉信息在后续镜头中继续发挥作用。