AI 场景生成：为互动故事配图

在 Pominis 的故事里，每个场景都可以有一张背景图，而这张图是有实际作用的：在任何人开口之前，它先告诉玩家身在何处、谁在场、气氛如何。这篇文章按照值得使用的先后顺序，介绍完成这件事的三种工具：生成场景图、用自然语言修改图片，以及短视频片段。

文中的例子来自一个虚构的小型悬疑故事：黎明时分的电车车库，一位上夜班的司机发现当晚最后一班电车停在那里，车门敞开，车上空无一人。

场景图从哪里来

Agent 写完一章的对白场景后，会为每个场景准备图片提示词，然后按项目的图像风格生成图片，画幅取决于你选的画面目标：PC 横版是 16:9，Mobile 竖版是 9:16。场景里出现的角色，其角色图或角色设定图会作为身份参考一起交给图像模型，这样同一张脸、同一套衣服更容易在不同地点保持一致。

生成前后你都可以引导它。生成前：在第一条消息里，或者在“创作说明”里写明常用地点的固定特征，“创作说明”是 Agent 每一轮都会读取的长期指令。生成后：在场景卡片上打开“场景详情”，在“场景画面”里用自己的提示词生成新图、刷新画面，或者上传你在别处做好的图片。在提示词里输入 @，可以引用项目里已有的图片作为参考。

地点写一次，变化单独写

• 固定特征：红砖电车车库，三条平行轨道，漆成绿色的电车，出口上方挂着一面钟，钠灯还亮着。
• 时间与光线：高窗透进第一缕灰白的天光，灯还没关。
• 仅限本场：一辆电车停在站台边，两扇门都开着，座位全空；司机在前景，背对镜头。

把这几层分开写，下一次提需求会轻松很多。前面某一场需要午夜时分的同一个车库时，只要改一行，而不是重写整段描述。

用一句话修改图片

图片只差一点时，不要从头重新生成。直接用平常的话请 Agent 修改：“车库那一场，把电车的门打开。”“同样的镜头，改成夜里，灯亮着。”“去掉站在钟下面的第二个司机。”修改会把当前图片连同你的要求一起交给图像模型，没提到的部分保持不变，然后替换掉场景图；旧版本会保留在项目里。

如果问题出在构图本身，比如镜头放在了站台错误的一侧，那就重新生成。修改是针对细节的，新图是针对新镜头的。场景图修改同样会带上角色的身份参考，所以修一盏灯，不会顺手把司机的脸也改了。

先用动效，值得时再做视频

很多场景只需要一点动感，不需要一段视频。“画面动效”会在播放器里给静态图加上效果：镜头运动，比如“缓慢推近”“向左漂移”；粒子效果，比如“雨”“雪”；以及点缀效果，比如“屏幕故障”“回忆柔光”。每种效果都可以先在场景图上预览再应用。车库这一章，大部分场景加一层轨道上的“雾气”就够了。

真正的视频，留给玩家应该记住的那一刻。在场景编辑器里，“转成视频”会用场景图生成一段短片，你可以描述想要的动作，比如“电车门自己慢慢关上”。场景视频的时长可以是 5、8、10 或 15 秒，默认 5 秒，分辨率最高 768p。视频本身没有声音，也不支持用参考图生成视频或编辑已有的视频。有视频的场景会播放视频，只有播放器退回静态图时才会用到动效设置。手机聊天场景不生成视频。

需要花多少

生成图片、修改图片和生成场景视频都会消耗积分，媒体越丰富、图片质量设置越高，消耗越多。除非你把 Agent 切换到“全自动”，否则它会在消耗积分的步骤前暂停，等你批准。比较好的习惯是：先把对白写完、把路线玩通，再打磨画面，并把积分花在承载故事转折的那几个场景上。

在播放器里检查每个场景

• 每个地点的第一张图，能不能让玩家知道自己在哪？
• 换了地点之后，反复出现的角色还像同一个人吗？
• 画面的重点有没有被对话框挡住？
• 视频或动效是在衬托这句台词，还是在和它抢注意力？
• 在读者实际使用的屏幕尺寸上，图片还看得清吗？