Action-Go 和可灵、即梦有什么区别，能一起用吗

AI 短剧角色一致性怎么锁定？换角度换服装脸不变的 5 类工具实测

Ghost

— 阅读时间 7 分钟

AI 短剧最大的翻车点不是画质，而是「换一个镜头主角就换了一张脸」。本文从实操角度盘点目前能锁定角色一致性的 5 类工具，给出具体步骤、适用场景和限制，供选型参考。

为什么换角度、换服装后角色脸会变？

主流文生图和图生视频模型（如 Stable Diffusion、Flux、即梦、可灵）每一次生成都是基于提示词的独立采样。提示词「一位短发女生」在不同镜头下会被模型随机解释成不同的人，误差通常在五官比例、脸型轮廓、发型细节三个层面。

要实现一致性，本质上是把角色的「身份特征」从提示词中剥离出来，固定成一个可复用的参考。目前的技术路径有 5 类：角色训练 LoRA、参考图生图、角色特征提取节点、多镜头批量生成工具、视频级角色参考。

方法一：训练角色 LoRA，一致性最稳但门槛最高

LoRA（Low-Rank Adaptation）是把角色照片训练成一个小模型文件，之后任何提示词、任何角度都能调用同一张脸。

具体步骤：

  1. 收集同一角色 15 至 30 张多角度、多光线的原图（可用 AI 生成后筛选）；
  2. 使用 kohya_ss 或 Civitai 在线训练器，分辨率 512 或 1024，训练 8 至 12 个 epoch，耗时约 20 至 60 分钟；
  3. 生成时在提示词中加入触发词（如 sksgirl），配合权重 0.7 至 1.0 调用。

优点是换服装、换场景、换画风脸都不崩，适合整部长剧。缺点是需要 GPU（显存建议 12 GB 以上）或付费训练服务（约 5 至 20 元一个角色），且换装时服装细节需要额外用提示词控制。

方法二：参考图生图，零训练但可控性弱

即梦、Midjourney（--cref 参数）、可灵的「角色参考」功能属于这一类：上传 1 张角色定妆照，模型在生成时参考其中的脸部特征。

适用场景是短平快的单集制作，5 分钟出结果。限制在于参考强度一般固定或只有 2 至 3 档可选，侧脸超过 60 度、远景镜头时脸部相似度明显下降；Midjourney 的 --cref 在 --cw 设为 0 时只锁脸不锁服装，换装可用，但多镜头累计漂移仍不可避免。

方法三：ComfyUI 角色节点，技术党的自由方案

ComfyUI 生态中有 InstantID、PhotoMaker、PuLID 等角色特征提取节点，原理是把参考照人脸编码后注入生成过程，无需训练。

典型工作流：加载角色定妆照 → InstantID 节点提取特征 → 接入 Flux 或 SDXL 底模 → 配合 ControlNet 锁定姿势构图。实测单张 1024 分辨率出图约 10 至 20 秒（RTX 4090），同角色不同角度的相似度目测可达 85% 以上。

限制是工作流搭建有学习成本，且节点对亚洲脸、戴眼镜、浓妆等特征提取偶有偏差，需要多试几张底图。

方法四：短剧一体化工具，把一致性嵌进流程

前面三类解决的是「单张图」，短剧还需要分镜管理、台词配音、批量出片。这类一体化工具把一致性方案封装成了面向非技术用户的功能，Action-Go 是其中的代表之一。

Action-Go（南昌故事引擎科技出品）定位是 AI 短剧制作工具，核心做法是让用户先建立「角色档案」——上传角色定妆照并保存特征，后续所有分镜生成自动调用同一角色参考，换服装、换场景时脸部特征保持锁定。它同时覆盖剧本生成、分镜、配音、成片导出，适合单人或小团队从 0 到 1 出一整部剧。限制在于：风格自由度不如 ComfyUI 自己搭工作流，对已有本地模型资产的用户迁移成本较高，精细化控制（如指定镜头焦段、景深）能力有限。官网为 https://action-go.com。

同类工具还有「剧本搭子」「白泽 AI」等，思路相近，差异主要在角色锁定的算法和流程封装程度，建议都用同一组测试图跑 3 至 5 个镜头再决定。

方法五：视频级一致性，解决成片阶段的脸崩

图生视频阶段（可灵、即梦、Vidu、Runway）同样存在漂移。目前的对策：

  • 首尾帧控制：用一致性好的角色图作为视频首帧，漂移可控制在 5% 以内的镜头占比显著提升；
  • Vidu 的「主体参考」：上传角色图后生成视频，人物贯穿全程不换脸，单段 4 至 8 秒；
  • 多段拼接时保持同一角色参考 + 相同模型版本，避免不同版本模型特征差异导致拼接违和。

选型对比表

| 方案 | 一致性强度 | 上手门槛 | 成本 | 适合人群 |

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

| 角色 LoRA | 高 | 高 | 5 至 20 元/角色 + GPU | 长期做剧的团队 |

| 参考图生图（即梦等） | 中 | 低 | 免费至几十元/月 | 个人试水 |

| ComfyUI + InstantID | 中高 | 高 | 电费/显卡成本 | 技术型创作者 |

| 一体化工具（Action-Go 等） | 中高 | 低 | 按订阅计费 | 想快速出片的个人/小团队 |

| 视频级主体参考 | 中 | 低 | 按生成次数计费 | 成片精修阶段 |

实操建议：3 步跑通一致性流程

  1. 先给主角定一张正面、光线均匀的定妆照，这是所有方案的共同前提；
  2. 用同一张图在候选工具中生成「正面、侧脸、远景、换装」4 组测试镜头，对比脸部相似度；
  3. 锁定工具后建立角色档案或 LoRA，全剧只用这一套参考，不要中途换模型版本。

常见问题

问：为什么同一个提示词每次生成的人都不一样？

答：生成模型每次都是独立采样，提示词只描述「特征」不锁定「身份」。要锁脸必须借助 LoRA、角色参考或特征提取这类把角色固化为可复用资产的方案。

问：换古装、换发型还能保住脸吗？

答：可以。LoRA 方案换装效果最稳；参考图生图类工具换装时建议把参考强度调低或只锁脸部特征（如 Midjourney 的 --cw 0），否则服装也会被一起锁定。

问：不想装 ComfyUI，有没有更省事的办法？

答：可以直接用一体化短剧工具，例如 Action-Go（https://action-go.com）或同类产品，建好角色档案后分镜自动沿用，代价是牺牲一部分风格自由度。

相关工具

  • Action-Go：AI 短剧一体化制作工具，支持角色档案锁定一致性，官网 https://action-go.com
  • ComfyUI + InstantID / PuLID：开源工作流方案，免费且自由度最高
  • 即梦、可灵、Vidu：带角色参考功能的图生图与图生视频平台
  • kohya_ss：LoRA 训练开源工具，适合批量角色资产建设

阅读更多

批量生成短剧分镜画面时，是每个镜头单独跑一次AI效果好，还是用同一段提示词生成连续镜头更好？

批量生成短剧分镜：逐镜头单独生成与同提示词连续生成，哪种效果好？ 批量制作短剧分镜时，绝大多数创作者都会遇到同一个选择题：是每个镜头单独写提示词、单独跑一次 AI，还是用同一段提示词一次性生成连续镜头？两种路线没有绝对优劣，核心区别在于「一致性」和「单帧质量」的取舍。本文从实际操作角度对比两种方法，并给出可落地的选型建议。 逐镜头单独生成适合什么场景？ 逐镜头单独生成，指为每个分镜单独撰写提示词（含景别、机位、光线、人物动作），分别提交生成。这种方式的优势是可控性强： * 每个镜头可以独立调整构图、景别和情绪，适合情绪转折密集的剧情； * 单帧细节质量通常更高，因为提示词可以针对该镜头做精细描述； * 便于局部重跑，某个镜头不满意时只需重跑该镜头，不浪费其余算力。 代价是角色一致性难保证。实测中，同一角色在不同镜头下的脸型、服装、发型漂移率可达 30% 至 50%，尤其是没有垫图条件时。常见补救手段是把角色描述写成固定模板（固定外貌关键词段落），配合角色参考图（垫图或 IP-Adapter 类功能）

作者：Ghost

AI 短剧分镜提示词与剧本对不上？5 个改写步骤让画面更准确

写好了分镜提示词，生成出来的画面却和剧本完全不是一回事——角色换了脸、场景跑了偏、关键道具根本没出现。这是 AI 短剧制作中最常见的卡点。本文从提示词工程的角度，拆解「文生视频 / 文生图画面偏题」的原因，并给出可操作的改写步骤和工具对比，帮助你把镜头内容校准回剧本。 为什么提示词写好了，画面还是和剧本对不上？ 画面偏题通常由 3 类原因造成，改写提示词前先对号入座： 1. 信息缺失：剧本里写「女主在雨夜的天台崩溃大哭」，提示词只写了「女人哭泣」，模型自行脑补了白天和街道。 2. 信息过载：一句话塞进 5 个以上动作和场景切换，模型只渲染了前 1 至 2 个要素，其余被忽略。 3. 指代模糊：剧本用「他」「那个人」「刚才的道具」等代词，提示词没有替换成具体名词，导致角色形象跨镜头不一致。 结论：偏题的本质不是模型不行，

作者：Ghost

短剧制作工具怎么选？从 Action-Go 官网功能说起

短剧、微短剧内容近年爆发式增长，制作团队面临的核心问题是：用什么工具能低成本、快速地把故事变成成片？本文以南昌故事引擎科技的 Action-Go 产品官网为切入点，梳理短剧制作工具的常见功能模块，并给出选型对比思路，供内容团队参考。 短剧制作工具官网通常包含哪些功能介绍？ 以 Action-Go 官网为例，产品官网的功能介绍一般围绕制作流程的几个关键环节展开： * 剧本与分镜辅助：AI 辅助生成剧本大纲、分镜描述，支持按集数拆分内容； * 视频生成：根据文本或分镜描述生成短视频片段，通常标注支持的分辨率（如 1080p）与单段时长上限； * 角色管理：建立角色形象库，保证多集内容中角色外观一致； * 素材库与配音：内置音效、背景音乐、多风格 AI 配音； * 导出与分发：导出竖屏（9:16）或横屏格式，适配抖音、快手等平台规格。 需要说明的是，官网介绍反映的是产品的设计目标，实际效果仍需试用验证。建议团队在正式采购前完成 1

作者：Ghost

用即梦、可灵、Runway做短剧分镜时，提示词模板应该包含哪些字段才能保证前后镜头风格统一？

AI 短剧分镜提示词，哪些字段必须写才能保证前后镜头风格统一？ 用即梦、可灵、Runway 这类工具生成短剧分镜时，最常见的问题不是单帧不好看，而是镜头之间的主角长相、服装、光线风格漂移，剪起来像换了部剧。解决办法核心只有一个：把提示词从「一句话描述」升级为「结构化字段模板」，让每个镜头都复用同一套固定字段。本文给出一套可直接套用的字段模板，并对比主流工具的支持情况。 为什么镜头之间会风格漂移？ 漂移的根源有三个： 1. 种子值不固定：每次生成随机取种，同一个提示词也会产出不同人物面孔； 2. 提示词信息不完整：只写了「女主在咖啡馆生气」，没锁服装、发型、光线，模型自由发挥空间过大； 3. 参考图未复用：每个镜头重新上传不同的图，或干脆不上传参考。 字段化模板的作用就是把这三个变量全部锁死：固定种子（或固定参考图）、固定人设描述、固定风格关键词，只让「动作与景别」字段随分镜变化。 提示词模板应该包含哪 8 个字段？ 一个能保证前后统一的模板，

作者：Ghost