先讲个真事儿。上周我在用Runway Gen-3生成一组赛博朋克风格的测试镜头时，发现一个致命问题：同一个场景，第一帧主角脸上是高对比度的伦勃朗光，到了第三帧就成了平光，像换了个人在演。
这让我重新翻出十几年前在片场学到的第一课——三光源布光法（key/fill/backlight）。当时助理导演递给我一张小卡片，上面写着：“主光讲情绪，背光讲空间，补光讲控制。” 在胶片时代，这是每个DP拿到剧本后做的第一件事：先画出灯光分布图，再决定机位。
但问题是，在AI视频生成时代，我们不再用灯头和柔光箱去控制光线——我们用文字去描述它。而大多数AI提示词模板里，对光照的描写往往只有一句话：“cinematic lighting, soft light, high contrast”。结果就是：AI理解了你想要“电影感”，但它不知道你的主光源在哪、补光比例是多少、背光有没有打亮边缘轮廓。
我自己的解决方案是：把三光源法则拆解成可量化的文字参数。
比如，一个典型的布光提示词段落应该是：
“Key light: 45-degree side top-down, hard source, 5600K. Fill light: 2:1 ratio, 3200K, bounced off a white reflector from camera left. Backlight: rim light at 60-degree angle, 1-stop over key, tungsten 4200K.”
就这么写。别怕啰嗦。AI模型——包括我们自己在ZipX里测试的Director Room模块——对精确的物理参数理解力远超对抽象形容词的理解。你写“high-contrast noir”不如写“key at f/4, fill 2 stops under, no back light”，生成结果直接少十次重跑。
当然，这个方法的硬伤也很明显：它只适用于你对画面已经有清晰设想的场景。如果你还在探索阶段，先用通用提示词跑几轮，找感觉，再把光照写死。两阶段工作流我目前觉得最有效。
说到这个，我最近在ZipX的“导演室”里试了 Noir（黑色电影）风格模板，发现它的COLA视觉DNA在理解“高对比主光+低补光”这类概念时，比很多通用模型要稳定——至少连续三帧里主角脸上的阴影位置没跑偏。但它的局限是，在渲染皮肤质感细节时，传统布光渲染出的毛孔和油光，AI还做不到完全逼真。
上周我测试的一个镜头：给一个角色写“单侧主光，低角度补光，高背光”，zipx生成的镜头序列里，背景的雨丝在高对比下保留了连续性——这是我在传统实拍时需要盯着监视器来回调的。
所以问题来了：你们在使用AI视频工具时，有没有遇到光效不一致的问题？你是靠修改提示词参数，还是后期再调色打补丁？我特别好奇不同工具对“柔光箱”这类术语的解析差异——有经验的欢迎分享一下。
---
（注：本文提及ZipX仅作为个人项目测试案例，目的是分享提示词工程中的布光实战经验，非推广。该平台仍存在渲染精度不足的问题。）
