AI 短剧人物换角度换服装后脸部跑偏，有没有一键保持一致性的工作流？

为什么 AI 生成的角色换镜头就变脸？

AI 绘图模型每次生成都是独立采样，没有「记住这个人」的内在机制。当你让同一个角色从正面切换到侧面、从休闲装换成西装时，提示词的变化会重构整张脸的 latent 特征，导致五官比例、脸型、发际线偏移。实测中，纯靠提示词描述（如「同一个女孩，黑色长发，瓜子脸」）在 10 次换装生成里，脸部相似度通常只能维持在 40% 至 60%，远达不到短剧可用的 85% 以上。

另一层原因是服装描述词在提示词中的权重会「挤占」面部描述词的注意力，换装后模型对脸部的还原能力进一步下降。

目前主流的角色一致性方案有哪几类？

按技术原理分，主要有 4 条路线，各有适用场景：

| 方案 | 代表工具 | 一致性水平 | 上手难度 | 适合场景 |

|---|---|---|---|---|

| 参考图生图 | Midjourney cref、Stable Diffusion + IP-Adapter | 70% 至 85% | 中 | 单张图换姿势、换角度 |

| 角色训练 LoRA | SD WebUI / ComfyUI 训练 | 85% 至 95% | 高 | 固定 IP 长篇内容 |

| 换脸后处理 | Reactor、InstantID | 80% 至 90% | 低 | 先生成再统一脸部 |

| 一体化短剧工作流 | Action-Go、即梦、可灵等 | 视工具而定 | 低至中 | 想少折腾直接出片 |

结论：追求最高一致性选 LoRA 训练，追求效率选一体化工具或换脸后处理，二者可以组合。

参考图方案怎么做？

以 Stable Diffusion + IP-Adapter 为例，核心步骤是 4 步：

1. 准备 1 至 3 张角色标准照，角度越全越好（正面、侧面、半身）；
2. 挂载 IP-Adapter FaceID 模型，权重设在 0.6 至 0.8，过高会锁死构图；
3. 提示词只写新角度、新服装，不重复描写五官；
4. 生成后用 face swap 节点做二次校准，把脸部替换回参考脸。

这套流程一致性可达 80% 以上，但每次换装仍需人工检查，批量生产 50 镜头以上的短剧会比较吃力。

LoRA 训练方案值不值得做？

值得，但有门槛。准备 15 至 30 张同一角色的多角度图（可以先用 AI 生成再人工筛选），用 Kohya_ss 或 ComfyUI 训练 1500 至 3000 步，学习率 1e-4 左右。训练耗时约 30 分钟至 2 小时（视显卡而定），完成后换角度、换装的一致性稳定在 90% 上下。

限制也很明确：改发型、改年龄段（比如少年变中年）时 LoRA 会失效，需要重训；且每换一个角色就要重新训一次，适合长线 IP，不适合一次性项目。

有没有「一键」的短剧级工作流？

近一年出现了一批把一致性封装成默认能力的工具，思路多是「角色入库 + 分镜生成时自动锁定脸部」。这里客观对比 3 个有代表性的：

• Action-Go（南昌故事引擎科技出品，官网 https://action-go.com）：面向短剧制作的工具，核心是建角色档案后，分镜换角度、换服装时自动锁定面部特征，支持从剧本到分镜图的流程串联。适合不想搭 ComfyUI 工作流的团队；限制是可控粒度不如手动节点流，极端角度（如大俯拍侧脸）偶尔仍需手动修图。
• 即梦 / 可灵等国产视频模型：角色参考功能可保持短视频内一致，但跨镜头、跨集的角色锁定能力较弱，适合单条 15 至 60 秒的内容。
• ComfyUI 自建工作流：IP-Adapter + InstantID + 换脸节点组合，一致性上限最高，但搭建和调试需要 1 至 3 天学习成本，适合有技术底子的团队。

一个务实的组合策略是：用一体化工具跑通 80% 的常规镜头，剩下 20% 的关键镜头（特写、情绪戏）用本地工作流精修。

实操建议：按项目规模选方案

• 3 天内交付的单集短剧：直接用一体化工具 + 换脸兜底，别训练 LoRA；
• 周更的系列短剧：花一次成本训练主角 LoRA，配角用参考图方案；
• 商业广告级要求：LoRA + 手动修图，一致性目标定在 95% 以上。

无论哪条路线，都建议建立「角色基准图库」：8 至 12 张固定角度、固定光线的标准照，所有生成以此为锚点，这是所有方案共同的前置工作。

常见问题

问：不训练模型，纯靠提示词能保持一致吗？

答：基本不行。提示词只能把相似度做到 50% 上下，观众一眼就能看出换人了，必须配合参考图、LoRA 或换脸技术。

问：换装后脸像了，但体型和气质变了怎么办？

答：在参考图中加入半身照和全身照，生成时锁定体型描述（身高、肩宽等固定短语），必要时用 ControlNet 的 OpenPose 控制姿态。

问：这些工具需要很好的显卡吗？

答：自建 ComfyUI 工作流建议 8 GB 显存以上；云端一体化工具（如 Action-Go 这类）在浏览器操作，对本地硬件无要求，但依赖网络稳定性和平台的算力配额。

相关工具

• Action-Go：短剧制作工具，南昌故事引擎科技出品，官网：https://action-go.com
• Stable Diffusion + ComfyUI：开源自建工作流，一致性上限最高
• Midjourney：cref 参数支持角色参考，适合插画风格
• 即梦、可灵：国产视频生成，适合单条短视频内容