来源：
作者：Dio-AI
链接：https://www.zhihu.com/question/1912652598873393039/answer/2001332410709726545
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
纯 AI 短剧一致性怎么控？角色资产库（CHAR）怎么设计? 这篇文章将给你一套从“每帧换演员”到“稳定上镜”的可落地方法，落地角色所使用的免费工具是ComfyUI工作流。如果你不会ComfyUI也没关系，请你滑到文章下面“不会Comfy UI？小白如何用在线生图工具把角色一致性做稳 ”。
好的，那先问你 3 个扎心问题（如果中了 2 个以上，你就需要 CHAR）：
- 同一个角色，换个镜头就“变脸”，像换了演员？
- 衣服、发型、配饰每次都随机，上一秒西装下一秒卫衣？
- 视频里第一帧很像，往后 2 秒就开始跑偏，越动越不像？
一句话答案：把角色当“资产”管理，而不是当“提示词”管理
一致性做不起来，通常 prompt 写的不好，而是你缺少一套“角色资产库”。我们把角色拆成四层：最硬的“身份 ID（脸）”锁住；可变的“外观资产”做成开关；上层用“风格”和“镜头语言”统一口味。
一、你到底在控什么：脸、衣服、风格、镜头，全都要分层
很多人只盯着“脸像不像”，结果一换衣服/角度/光线就崩。正确做法是：把一致性拆成可控变量。
| 层级 | 你要锁住的东西 | 落地手段 |
|---|---|---|
| 身份 ID（脸） | 五官比例、脸型、关键特征点 | 参考图/ID 模块（InstantID/PhotoMaker 等） |
| 外观资产（可变） | 发型、服装、配饰、道具、伤痕 | 做成“套装/版本”，用命名+参考图约束 |
| 画面风格 | 色彩、材质、光影、镜头质感 | 固定风格词/LoRA/统一 base 模型 |
| 镜头语言 | 景别、机位、镜头运动、节奏 | 分镜表格里固定字段，避免“乱切” |
二、CHAR 资产库：不是玄学，就是“1 个文件夹 + 3 张表”
先给你一个可以直接照抄的目录结构（你做 10 个角色，也不会乱）：
然后是 3 张表：角色卡、外观套装表、生成参数表。你只要把它们填满，一致性就“有抓手”了。
表 1：角色卡（CHAR Card）
| 字段 | 怎么写才好用（直接拿去填） | 例子（Leo） |
|---|---|---|
| 角色ID | CHAR_001 这类可排序编号 | CHAR_001_Leo |
| 一句话识别 | 别人 3 秒能记住的标签 | “温柔但很倔的维修师” |
| 关键特征点 | 3-5 个“不会变”的点 | 左眉尾小痣；薄唇；轻微黑眼圈 |
| 体型/比例 | 身高体型、肩宽、腿长等 | 175cm，偏瘦，肩略窄 |
| 发型基准 | 默认发型（可变要做版本） | 黑色短碎发 |
| 配色基准 | 固定 2-3 个主色 | 深蓝 / 灰 / 暖黄 |
| 禁区 | 明确不允许出现的元素 | 不戴眼镜；不变成胡子大叔 |
表 2：外观套装表（Outfit / Props Pack）
| 套装ID | 包含内容 | 参考图要求 | 使用场景 |
|---|---|---|---|
| OUT_A_工作装 | 深蓝工装+工具腰包 | 全身1张+半身1张 | 修车厂/外景 |
| OUT_B_便装 | 灰卫衣+牛仔裤 | 全身1张+侧面1张 | 日常/室内 |
| PROP_扳手 | 同一把扳手 | 近景1张（道具清晰） | 特写镜头 |
表 3：生成参数表（最容易被忽略，但最关键）
一致性最怕“参数漂移”。你今天 CFG=7，明天 CFG=3，出来当然像两个人。把参数记录下来：
| 项目 | 建议固定项 | 备注 |
|---|---|---|
| Base 模型 | 同一底模（如 SDXL 某款） | 换底模≈换演员 |
| 分辨率 | 同一比例（如 1024×1024 / 1216×832） | 比例一变，脸会漂 |
| 采样器/步数 | 同一采样器 + 步数范围固定 | 步数差太大也会变 |
| CFG | InstantID 场景通常更低 | 低 CFG 更容易跟参考（见官方节点建议） |
| Seed | 关键镜头固定 seed | 方便回滚/复现 |
| 负面词 | 统一一套基础负面词 | 避免“突然长胡子/变老” |
三、真正落地：3 条路线（按成本从低到高）
你不需要一上来就训练 LoRA。先用“参考图驱动”把脸稳住，再决定要不要训练。
路线 A：不训练，靠参考图（最快上手）
适合：你想先跑通一集，或者角色数量多、更新快。核心是 IP-Adapter / InstantID / PhotoMaker 这类“用图锁人”的方法。
（1）利用 IP-Adapter 锁定角色
（2）利用 InstantID 锁定角色
（3）利用 PhotoMaker 锁定角色：
PhotoMaker 适合“用多张照片更稳地还原同一个人”。如果你手里有多张参考图（不同角度/不同表情），PhotoMaker 这类方法往往更稳。
路线 B：轻训练（LoRA），把“衣服/风格”也做成资产
适合：主角长期出镜，衣服/画风要稳定。做法：脸用参考图锁，衣服或画风用 LoRA 固化。
路线 C：重训练（DreamBooth 等），追求更强一致性
适合：你要做系列化、角色长期经营，且愿意付出训练成本。通常用于把“角色身份 + 风格”更深地写进模型。
四、实战小案例：10 镜头怎么不崩（你照着做就行）
我们拿一个虚拟主角 Leo 举例。目标：同一集里 10 个镜头，脸不漂、衣服不乱、情绪连贯。
Step 1：先产出一套“参考包”
最低配：3 张清晰脸（正面/侧面/微表情）+ 2 张全身（工作装/便装）+ 3 张情绪（冷静/紧张/开心）。
把这些图放进对应的 CHAR 文件夹，并在表 2 里把套装写清楚。
Step 2：分镜表里，把“可变项”提前标出来
| 镜头 | 景别/机位 | 情绪 | 套装 | 关键约束（可抄） |
|---|---|---|---|---|
| S01 | 中景/正面 | 冷静 | OUT_A | 固定光源方向；脸部参考权重中等 |
| S02 | 近景/45° | 紧张 | OUT_A | 锁眉尾痣；保持黑眼圈；不加胡子 |
| S03 | 全景/侧逆光 | 开心 | OUT_B | 风格词不变；衣服必须是灰卫衣 |
Step 3：一套“可复用 prompt 提示词模板”
【正向模板】
<角色一句话识别>，<关键特征点>，<套装描述>，<场景>，<景别/镜头>，<光影>，<画风>
【负向模板（基础版）】
extra fingers, bad hands, deformed, old face, beard, glasses, watermark, text, logo
【参数建议（示例）】
分辨率：固定；采样器/步数：固定范围；CFG：保持一致；关键镜头固定 seed
五、视频一致性：先稳关键帧，再做 I2V（别反过来）
纯 AI 短剧最容易翻车的地方是“动起来就跑”。我的经验是：先用上面的 CHAR 方法把 3-5 张关键帧做稳（同一角色同一套装同一风格），再把关键帧送进 I2V/视频模型做运动。
六、最后给你一份排查清单（收藏就够用）
- Base 模型是否换过？（换了≈换演员）
- 分辨率比例是否漂移？（比例一变，脸最先崩）
- CFG/步数是否大幅波动？
- 参考图是否太杂（不同光线/角度/妆容差太大）？
- 衣服/发型有没有做“版本号”（OUT_A / OUT_B）？
- 关键特征点有没有写进角色卡（痣/疤/眉形）？
- 镜头语言是否乱切（上一镜头近景、下一镜头超广角）？
- 负面词是否统一？（胡子/眼镜/变老要明确禁止）
- 有没有保留失败样例并写原因？（不写永远在撞墙）
七、不会Comfy UI？小白如何用在线生图工具把角色一致性做稳
很多小伙伴不会使用ComfyUI这类逻辑操作复杂的生成工具，看不懂各种参数名词，没关系，我们也有一套能直接照着做、还不容易翻车的流程。利用 即梦 / 豆包 / 可灵 / Nano Banana等在线生图模型即可通过简单的自然语言描述来生成统一的角色。
下面我把当前很多实战团队常用的“在线生图打法”补成一套可复用的 SOP：从建角色参考，到分镜出图，再到翻车修复。
先给你一句定心丸：角色一致性 ≠ 玄学。它本质就是把“不会变的东西（身份层）”固化下来，把“每个镜头要变的东西（动作/表情/场景）”拆出来分别控制。
A. 30 分钟起步：先做“角色参考包”
你只需要准备 4～6 张图，就能把后面 80% 的一致性问题提前解决。建议这样做：
- 把这 4～6 张图打包进 CHAR 资产库：后面每个镜头都“挂参考图”，不要偷懒。
- 如果是短剧：再补 1 张【关键道具图】：比如“红色围巾/耳钉/徽章”，这会成为你最稳的锚点。
- 补 1～2 张【表情库】：开心/愤怒/惊讶/哭（解决情绪脸崩）。
- 再补 2 张【不同角度】：侧脸 / 45° / 全身（解决转头、远景翻车）。
- 生成 1 张【角色主图】：正面半身、光线干净、纯色或简洁背景（方便模型抓脸和服装）。
小提醒：别一上来就做 20 张。少而精更稳。参考包越“干净一致”，模型越容易学。
B. 在线工具共通逻辑：参考图 + 强度（或相似度）
无论你用即梦、豆包、可灵还是 Nano Banana，真正起作用的通常就两个控件：
- 参考强度 / 相似度 / 权重：越高越像原角色，但越不容易换动作与构图；越低越容易改镜头，但也更容易跑脸。
- 参考图（Reference）：告诉模型“这个人长什么样 / 穿什么 / 风格是什么”。
经验值：做分镜时一般从“中等偏高”开始（先稳住人），等你熟了再逐步降强度去换更大的动作。
C. 工具 1：豆包（手机端最顺手的参考图入口）
适合：新手快速试错、如果使用手机端可以边走边改分镜；你甚至可以把它当“移动端分镜打样机”。
小白 5 步：
- 下一镜头：继续挂同一张参考图，只改动作/表情/场景，不要改风格与衣服。
- 先生成 2～4 张 → 只挑“脸最稳的一张”作为后续镜头的主参考（别纠结全部完美）。
- 写提示词时把“身份层”写死：年龄段/发型/衣服/标志物；把“镜头层”写清：景别、机位、表情、动作。
- 点「参考图」→ 先放【角色主图】（建议先只放 1 张，稳定后再加多角度）。
- 将编辑好的提示词发送即可。
常见翻车与修复：
- 情绪不对：优先上“表情参考图”，不要用文字硬拽。
- 远景脸崩：用“全身参考图”替换/叠加，或者把镜头先改成中景让模型抓稳再拉远。
- 脸像但衣服跑：把“衣服/材质/颜色/配饰”写成一句固定模板，每镜头复制粘贴。
D. 工具 2：可灵（更像“分镜工厂”，多图参考更适合批量）
适合：你已经有一套分镜表格，要批量跑 50～300 张分镜图；或者需要“多图参考 + 风格锁定”的稳定输出。
可灵对图片提供许多灵活的编辑功能，例如局部重绘、扩图、画质增强等。
推荐打法（批量更稳）：
- 批量出图时：同一角色的一组镜头尽量用同一套参考图组合（别一会儿 1 张一会儿 4 张）。
- 镜头提示词固定结构：景别→机位→动作→表情→场景→光线→风格（最后一句固定不变）。
- 再叠加「风格特征参考」锁住画风（尤其是漫剧/二次元/统一分镜风格）。
- 用「角色特征参考」先锁住“同一个角色”。
可灵的一个优势是“参考类型”更细：当你发现“脸稳了但风格跑”，你可以单独拉高风格参考强度，而不去动角色参考。
E. 工具 3：即梦（Seedream 4.0 系常见入口，适合画风+角色一起稳）
适合：你想要“更像漫画/分镜稿”的风格统一，同时还要角色别乱跑。
经验打法：先用即梦把“画风”确定下来（同一套风格词 + 同一比例/尺寸），再用参考图稳住角色。
如果你发现“人物稳但构图太死板”，就把参考强度轻轻往下调一点点，同时用更明确的镜头语言描述（例如：俯拍/仰拍/中景/特写/过肩）。
F. 工具 4：Nano Banana（Gemini 的图像生成能力，强在“多模态理解+改图”）
适合：你已经有角色主图了，想用“同一角色”去做风格迁移、改动作、换材质；或者你需要它理解你给的多张图之间的关系。
一个很实用的用法：把你的“角色主图 + 表情图 + 服装细节图”一起喂进去，让它在同一套视觉规则下做镜头变体。
G. 一个“你明天就能照做”的小案例：同一角色 4 镜头打样
目标：用 1 个角色参考包，跑出 4 张不同镜头（特写/中景/全身/背影），并且脸、衣服、画风尽量一致。
你照抄就行的提示词模板（把【】替换成你的内容）：
【身份层-固定】一位【年龄段】的【性别】角色，【发型/发色】、【五官特征】、【肤色】，穿【上衣/下装/鞋】（颜色/材质明确），标志物：【道具/配饰】。
【镜头层-可变】镜头：【景别】，【机位】；动作：【动作】；表情：【表情】。
【场景层-可变】场景：【地点/时间/天气】；光线：【柔光/逆光/霓虹】。
【风格层-固定】整体风格：【二次元/漫画线稿/写实电影感】；色调：【暖/冷】；画面质感一致。
跑 4 镜头时，除了“镜头层/场景层”之外，其余内容一字不改。你会明显感觉到一致性上去了。
H. 翻车速查表：你遇到的 90% 问题，其实都能对症下药
| 症状 | 最可能原因 | 最快修复动作 |
| 脸变了/不像同一人 | 参考图太少或强度太低；身份层描述在漂移 | 先只用“角色主图”单图参考，强度调高；身份层整段固定复制 |
| 衣服颜色/款式乱跳 | 提示词里衣服描述不够“硬” | 把服装写成固定句：颜色+材质+版型+配饰；必要时补“服装参考图” |
| 远景全身比例崩 | 模型抓脸抓不住；缺全身参考 | 补 1 张全身参考；先中景稳定后再拉远 |
| 表情不对/情绪不对 | 只用文字指令，缺表情锚点 | 做 4 张表情库并作为参考；或用局部重绘只改嘴/眉 |
| 风格漂移 | 风格词不固定；或混用不同模型/参数 | 风格词固定一条；同一角色一组镜头尽量用同一模型与比例 |
到这里，你已经有一套“能跑起来”的角色一致性方案了。后面我会把“角色资产库（CHAR）+ 分镜脚本表格 + 自动化工作流”串成一套可复用模板。
如果这篇对你有用：
PS：如果你也在做 AI 短剧，评论区告诉我：你现在卡在“一致性”的哪一段（脸/衣服/风格/视频）？我会优先写你最需要的。
好了，如果觉得有用，欢迎收藏、转发、或关注，也可私信我们一起进步哦～
