交互视频的连贯性不在生成之后，而在分镜脚本里。使用 X2.0 这类工具时，如果只给一段很长的提示词，分支节点之间的画面容易跳变；真正稳定的做法是把叙事路径拆成「主线节点 + 分支节点」的分镜脚本，再为每个分镜写独立的提示词结构。这样既能控制角色和场景的一致性，也能让镜头切换有明确依据。

交互视频的连贯性控制，核心是让每段视频只承担一个叙事功能。建议把脚本拆成主线与分支的表格，每段固定复用同一套提示词骨架；角色描述单独成段，分支间只改动动作和情绪；镜头衔接使用短句和明确动词。适用场景是分叉较少、每个节点画面内容清晰的交互视频。操作时先写脚本表，再对应生成，最后逐段检查角色字段和镜头词是否冲突。风险是当分支数量超过5个时，手动维护角色字段会变得繁琐，需要结合环境确认是否引入变量替换。

先确定交互分支与主线叙事节点

交互视频的分镜脚本不等同于普通视频的分镜。它需要在叙事节点上标出用户选择点，否则生成时不知道哪里该衔接。建议先画出主线路径，再在每个可选位置分出分支。下面是一个可以直接套用的脚本表格模板，每行对应一段独立的提示词段落。

每段对应的功能要写清楚：A 是基础环境，B1/B2 是分支动作，C 是延续情绪。这样在写提示词时，才能确定哪些字段需要固定、哪些字段可以变化。

用固定提示词骨架封装场景与动作

很多画面跳跃是因为提示词写法不一致：同一角色有时写“一个穿黑夹克的男人”，有时又写“黑衣男子”，X2.0 可能理解成两个人。建议使用固定顺序的提示词骨架，每次生成都按同样字段填写。一个通用的骨架示例是：

[角色身份] + [环境描述] + [核心动作] + [镜头语言] + [情绪/氛围]

实际使用时，可以写成：一个30岁的棕发女性，穿深蓝色工装夹克，站在仓库门口；弯腰捡起地上的信封；中景，镜头缓慢推进；紧张但不慌张。
每一段生成都必须严格按照这个顺序，不要随意插入对其他镜头细节的描述。需要替换时，只替换对应字段的内容，不要同时改动多个字段。

为每个分支写单独的角色一致性描述

分支越多，角色越容易漂移。建议把角色描述从动作描述中拆出来，单独维护。字段至少要包含：外貌（发型、脸型、服装、配饰）、性格（说话方式、手势频率）、行为习惯（常用小动作）。复用原则是：每个分支的提示词开头必须完整复用同一段角色描述，之后才写该分支特有动作。

前后对照示例：

错误写法：分支1写“一个短发女孩生气地摔门”，分支2写“那位女士微笑着离开”。两个分支外貌不一致，X2.0 很可能生成两个不同的人。

正确写法：两个分支都写“穿白色衬衫与卡其长裤、戴银色耳环的短发女人”，然后在后面分别接“摔门而出”和“微笑着离开”。
这样 X2.0 会更容易把同一角色在不同动作下视为同一个人。

通过短句衔接控制镜头切换节奏

镜头切换节奏直接影响连贯性。如果一段提示词里连续出现“镜头从门口快速移到桌子前，再推到人物面部”，X2.0 可能把多个动作压进同一帧，导致画面突兀。建议把镜头切换写成短句，用明确的衔接词区分切换类型。

镜头语言同样要复用。每次进入新分镜时，先用一句固定风格的短句写镜头，再写动作。比如“切到仓库门口，一个30岁的棕发女性弯腰捡起信封”，比单纯描述动作更能控制切换节奏。