ViMax 角色提取完整指南让 AI 从剧本里认出一群不一样的人【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你有没有试过把一段小说直接丢给 AI然后得到一群长得一模一样的角色这正是 AI 视频生成的老大难问题同一个人换个镜头就换了张脸而 ViMax 的 CharacterExtractor 角色提取模块就是来解决这件事的——它从故事文本中精准识别关键人物并把每个人拆成不会变的和随时换的两类特征为后续生成一致的角色形象打底。一句话说清它干嘛它就是剧组的选角导演。你扔给它一段剧本它回给你一张演员表每个人叫什么、长什么样脸型、身材这些固定项、穿什么戴什么可以随时换的项。后面生成角色立绘、分镜、视频时都照着这份演员表走所以同一角色跨镜头不会变脸。三步把散乱称呼归成一个人剧本里同一个人可能被叫作年轻女子、她、服务员普通做法会把它们当成三个角色。CharacterExtractor 在系统提示词里直接写死了合并规则所有指向同一实体的称呼归到一个角色下再挑一个最合适的名字当主标识如果故事里根本没出现真名就允许用职业或外貌特征比如the young woman当称呼。逻辑在agents/character_extractor.py的system_prompt_template_extract_characters里# 提示词核心规则指向同一实体的所有称呼归为一个角色 - Group all names referring to the same entity under one character.顺带一提它还会主动过滤掉背景龙套路人甲不会被当成独立角色避免演员表里塞一堆无关人员。静态与动态特征分家防止角色串妆这是它和随便描述一下人物的关键区别static_features只装外貌、体型这类几乎不变的信息dynamic_features只装服装、配饰、随身物品这类随场景变化的信息。数据结构定义在interfaces/character.py的CharacterInScene模型里字段就是按这个思路分的。好处是角色换装换场景时脸这部分始终复用同一份描述只更新服装字段一致性就有了来源。描述不全它会补还要求补得不撞脸剧本往往只交代主角配角可能就一句话带过。此时提示词会要求它基于上下文设计合理、可视觉化的特征——比如大眼睛、高鼻梁、红色围巾而不是一个好看的女生这种抽象词。更细节的是它还专门要求不同角色的外观尽量拉开差距宁可多给配角加几个特征也不让两个角色撞脸。补全后的结果通过 Pydantic一种帮你校验数据格式的 Python 库模型统一输出后续管道拿到的永远是同一种结构。落到地上写短片剧本时pipelines/script2video_pipeline.py会在开场先跑一遍角色提取存成characters.json你中途还能直接替换这份名单来控制角色设定做长篇小说改编时novel2movie_pipeline走事件-场景-角色三级结构CharacterExtractor 的静态特征一路贯穿保证跨章节角色不崩做游戏 NPC 或虚拟形象的原型设计也可以只取这份结构化演员表当素材不用走完整视频流程。最短上手路径克隆仓库git clone https://gitcode.com/GitHub_Trending/ai/ViMax打开configs/script2video.yaml填入你的模型api_key运行python main_script2video.py脚本里自带示例剧本跑完就能在工作目录里看到提取出的角色和成片这份演员表是整个 ViMax 流水线的地基角色认得准、特征分得清后面的分镜和视频才有稳定可依。按仓库更新节奏看下一步大概率会把性格、情感倾向这类深层属性也纳入提取范围——到那时角色不只是长得对还演得对。【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