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】ViMaxViMax: 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】ViMaxViMax: 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