ViMax 角色提取完整指南：让剧本人物在成片里始终"长同一张脸"
【免费下载链接】ViMax"ViMax: Agentic Video Generation (Director, Screenwriter, Producer, and Video Generator All-in-One)"项目地址: https://gitcode.com/GitHub_Trending/ai/ViMax
用 ViMax 把剧本变成视频时，最容易翻车的往往不是画面，而是人物。ViMax 角色提取（CharacterExtractor）负责在正式生图之前，先把剧本里每个人物整理成一份统一的外貌档案。后续每个镜头都参照这份设定，角色才不会"换脸"。
先说痛点 🎭：为什么"角色换脸"这么难解决
生成视频的工具，本质是逐个镜头出图。
同一场戏拆成多个镜头，模型每一帧都要重新画人。
问题就在这里：模型没有"记忆"。它不会记得上一帧 John 是短发，下一帧就可能画出长发。
换个说法，你写的是同一个角色，AI 却把它当成了几张不同的脸。
人多的剧本更糟。主角和配角长得太像，观众根本分不清谁是谁。
角色提取这一步到底在干什么
简单说，它是整条流水线里的"人事档案员"。
你把剧本交给它，它通读一遍，再把每个人物变成一张结构化的"档案卡"。
每张卡记四件事：怎么称呼这个人、在不在画面里、基本不变的静态特征、随时能换的动态特征。
这一步实现在 agents/character_extractor.py，位置很靠前，直接决定了后面所有画面的质量。
三条规则，决定它读剧本的水准
规则一：同一人只建一份档案
剧本里一个人常被叫很多名字："John"、"那个高个男生"、"他"。
角色提取会识别出它们是同一个人，再挑最合适的名字当主标识。
遇到真实名人，它保留本名；角色没名字时，就用职业或特征代称，比如"咖啡师"。
规则二：没写全的，它替你合理补全
很多剧本对人物着墨不多，只写"一个中年男人"。
这时它会结合上下文，补上合理的五官、体型、穿搭，避免描述太空泛。
它还会刻意让不同角色长得不一样，降低"撞脸"概率。
注意：性格、人际关系这些它不碰，只写能真正画出来的视觉特征。
提取结果长什么样，存在哪
输出不是散乱的文字，而是固定结构，定义在 interfaces/character.py 的 CharacterInScene 里。
每个角色就是一个带字段的对象，核心字段有identifier_in_scene（称呼）、is_visible（是否出镜）、static_features（静态特征）、dynamic_features（动态特征）。
比如一个角色会是这样一段描述：叫 John，静态特征写"高挑运动型男生，短发"，动态特征写"穿蓝色球衣"。
所有角色打包成一个列表，存到工作目录下的characters.json。下次跑同一条剧本，它直接读这个文件，不再重复调用模型。
上手指南：跑通你的第一次角色提取
第一步，把仓库克隆到本地：
git clone https://gitcode.com/GitHub_Trending/ai/ViMax第二步，打开configs/script2video.yaml，填上你的模型参数：
chat_model: init_args: model: google/gemini-2.5-flash-lite-preview-09-2025 model_provider: openai第三步，把main_script2video.py里的script换成你的剧本，然后运行它。
角色提取会自动触发，几秒后你就能在.working_dir/script2video目录里看到characters.json。
常见问题
能不能跳过提取、自己指定角色？
可以。流水线支持直接传入角色列表，就会跳过自动提取，改用你给的设定。
提取失败了怎么办？
它带了三重保险。最多自动重试三次。输出用容错解析器处理，模型多写个逗号也不会崩。结果还会落盘缓存。
收尾
想看到角色提取的真实效果，最省事的做法，是先用仓库自带的示例剧本跑一遍，再打开characters.json逐个核对人物档案。
发现哪个角色描述不到位，就回头补剧本细节。这一步的质量，直接决定后面每一帧画面里，人物是否"长得稳定"。🎬
【免费下载链接】ViMax"ViMax: Agentic Video Generation (Director, Screenwriter, Producer, and Video Generator All-in-One)"项目地址: https://gitcode.com/GitHub_Trending/ai/ViMax
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
