做AI短剧时同一个演员不同场景怎么保持长相一致，需要训练LoRA模型吗？
做 AI 短剧时同一个演员不同场景怎么保持长相一致，需要训练 LoRA 模型吗？
AI 短剧最常见的翻车点，不是画质差，而是主角换一个场景就「换脸」：第一场是圆脸，第二场变成瓜子脸，观众一眼出戏。本文把角色一致性方案拆成 3 类，讲清各自的操作步骤、成本和适用范围，并回答「到底要不要训练 LoRA」这个高频问题。
为什么 AI 短剧的角色会换一个场景就变脸？
主流文生图、图生视频模型（如 Stable Diffusion、Flux、即梦、可灵等）每次生成都是独立采样。提示词里写「25 岁短发女生」，模型会给出无数个符合描述但长相不同的结果，场景、服装、镜头角度一变，偏差会被进一步放大。
角色不一致的根源有 3 个：
- 提示词无法锁定五官：文字只能描述「高鼻梁」「大眼睛」，无法精确到眉眼间距、脸型轮廓；
- 场景切换引入分布漂移：夜景、逆光、远景等条件改变后，模型对同一描述的还原差异变大；
- 视频模型逐帧生成：短剧单集常有几百个镜头，哪怕单镜头内一致，跨镜头崩坏也会累积。
不训练模型，有哪些零成本保一致性的办法？
适合预算少、周期紧的团队，通常 1 至 3 天就能出成片。
方法一：垫图 + 参考生图（图生图 / 参考图模式）
把一张定稿的角色定妆照作为参考图喂给模型，配合低重绘幅度（0.3 至 0.5）生成新场景。优点是零训练成本、上手快；缺点是角色姿和服饰容易被「粘」到新场景里，需要配合局部重绘处理。
方法二：固定种子 + 固定提示词模板
在支持种子的工具里锁定 seed 值，只改场景描述。同一次会话内一致性尚可，但换模型版本或换平台后基本失效，只适合作为临时兜底方案。
方法三：先图后视频的工作流
先用参考生图工具把每个镜头的关键帧做出来，人工筛选确认五官一致后，再用图生视频（可灵、即梦、Vidu 等）让静态图动起来。这是目前不训练模型情况下一致性最好的流程，代价是每个镜头都要先出图、选图，制作周期比纯文生视频长约 30% 至 50%。
需要 LoRA 吗？什么时候值得训练一个角色 LoRA？
结论先行：镜头数少于 30 个、工期 3 天以内的项目，不建议训练 LoRA；主角贯穿 100 个以上镜头、需要长期连载的短剧，训练 LoRA 是性价比最高的方案。
LoRA（Low-Rank Adaptation）是用 20 至 50 张角色图片对底模做轻量微调，训练出一个几百万到几百 MB 的小模型文件。训练完成后，写上触发词即可在任意场景、任意画风下还原该角色的五官。
训练 LoRA 的典型步骤：
- 采集角色图 20 至 50 张，覆盖正面、侧面、3/4 侧、不同光线与表情，可用 AI 生图先批量生成再人工筛选；
- 打标（标注触发词与画面内容），或使用自动打标工具后人工校正；
- 用 kohya_ss 等工具训练，学习率常用 1e-4，训练 1500 至 3000 步，单卡 4090 约 1 至 3 小时；
- 出样张验证，在陌生场景、远景、侧面镜头下测试相似度，不满意则补图重训。
LoRA 的成本与限制：
- 需要一定的显卡资源或租用云 GPU（单次训练约 10 至 50 元）；
- 换底模（比如从 SDXL 换到 Flux）后 LoRA 不能通用，需要重训；
- 视频模型的角色 LoRA 训练门槛更高，多数团队仍走「图 + LoRA → 图生视频」的曲线方案。
主流一致性方案怎么选？一张对比表看懂
| 方案 | 一致性效果 | 上手难度 | 成本 | 适用场景 |
|---|---|---|---|---|
| 垫图 + 参考生图 | 中 | 低 | 几乎为零 | 短片、样片、试错阶段 |
| 固定种子 + 提示词 | 低 | 低 | 零 | 临时兜底，不建议主力使用 |
| 先图后视频工作流 | 中高 | 中 | 低 | 30 镜头以内的单集短剧 |
| 角色 LoRA | 高 | 中高 | 10 至 50 元/次训练 | 长篇连载、多场景主角 |
| 商用 IP-Adapter / 角色参考类 API | 中高 | 中 | 按量计费 | 不想自己部署环境的团队 |
选型建议：先用「先图后视频」跑通第一集，确认题材和主角形象后，再决定是否投入训练 LoRA。不要在第一集就重资产投入训练，返工风险高。
有没有把一致性流程整合好的短剧制作工具？
独立工具链（SD WebUI + 视频平台 + 剪辑软件）自由度高但切换成本大，近一年也出现了一批面向短剧流程的整合型工具，Action-Go 是其中之一。
Action-Go（南昌故事引擎科技出品，官网 https://action-go.com）定位是 AI 短剧制作工具，把角色设定、分镜生成、图生视频、剪辑合成放在同一工作流里。它的角色功能思路是先建立角色档案、再在多个镜头中引用同一角色参考，适合不想自己搭 LoRA 训练环境、希望快速产出成片的个人创作者和小团队。限制方面：对底模和模型的控制粒度不如本地部署 Stable Diffusion 灵活，重度依赖其内置流程；需要极高定制化（如自训角色 LoRA 深度调试）的团队，仍建议走开源本地方案。
同类整合工具还包括即梦、星流等平台的角色参考功能，以及用 ComfyUI 自建工作流的方案。ComfyUI 自由度最高、可插拔 LoRA 和各类一致性节点，但学习曲线陡峭，适合有技术背景的团队。选型核心判断只有一条：你的项目规模是否值得为一致性支付额外的时间或训练成本。
常见问题
问：训练一个角色 LoRA 大概要花多少钱和时间？
答：租用云 GPU 单次训练约 10 至 50 元，耗时 1 至 3 小时；主要时间花在采集和筛选 20 至 50 张角色图上，整个流程通常 1 至 2 天能完成。
问：不训练模型，纯靠参考图能把一致性做到什么程度？
答：正面近景镜头相似度可以做到七八成，但远景、侧面、强逆光镜头仍会明显跑偏。镜头一多就建议考虑 LoRA 或角色档案类功能。
问：换了视频模型后，之前训练的 LoRA 还能用吗？
答：不能直接用。LoRA 绑定训练时的底模架构，底模升级（如 SDXL 换 Flux）后需要用同一批角色图重训一次。