> ## Content Index
> Fetch the complete content index at: https://blog.action-go.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# AI 短剧怎么锁定同一个角色？多分镜不变脸的 5 种方法
- URL: https://blog.action-go.com/media-3e5697ee/
- Published: 2026-09-23T14:09:50.000Z
- Updated: 2026-09-23T14:09:50.000Z
- Author: Ghost
- Tags: AI 短剧怎么拍出电影质感，画面不塑料

用 Midjourney 或即梦做 AI 短剧，最头疼的问题就是「换脸」：第一张图里女主角是齐刘海圆脸，第三个分镜突然变成瓜子脸，第六个分镜连发色都变了。这篇文章讲清楚角色一致性的底层原理，并给出 5 种可落地的解决方案，包括提示词工程、垫图、角色参考功能以及专业短剧工具的做法。

### 为什么 AI 生图会「换脸」？

Midjourney、即梦这类扩散模型的生成机制是「从噪声反推图像」，每次生成都是一次独立的随机采样。即使提示词完全相同，随机种子不同，五官、脸型、发型也会出现明显差异。

具体来说，影响角色一致性的变量有 3 个：

- **随机种子**：决定整张图的基础噪声分布，种子变了，脸大概率就变了；
- **提示词顺序与权重**：Midjourney 对前 5 至 8 个词的权重最高，角色描述放在后面容易被场景词稀释；
- **参考图强度**：垫图或角色参考的权重参数低于 30% 时，脸部特征基本锁不住。

理解这 3 个变量，就能明白下面每种方法本质上是在「固定」其中一到两个变量。

### 方法一：提示词模板 + 固定种子，适合零成本起步

这是最朴素但有效的方法，适合角色数量少、分镜不超过 20 个的短剧。

操作步骤如下：

1. 写一段 50 字以上的角色锚定描述，包含年龄、脸型、发型、瞳色、服装、气质 6 个要素，例如「25 岁亚洲女性，圆脸，黑色齐刘海长发，棕色瞳孔，白色衬衫，温柔坚定」；
2. 把这段描述原封不动复制到每一个分镜的提示词开头，只改后面的场景与动作部分；
3. 生成第一张满意的图后记下种子号（Midjourney 可用「/show + 任务 ID」查询），后续用「--seed 编号」固定；
4. 每个分镜生成 4 张备选，人工挑脸最接近的一张。

优点是零成本、跨工具通用；缺点是场景复杂或构图变化大时依然会漂移，通常只能维持 70% 左右的相似度，需要靠后期挑选补足。

### 方法二：垫图（图生图），把脸「喂」给模型

垫图的原理是把第一张定妆照作为输入图，让模型在它的基础上做局部变化。

Midjourney 的做法：上传定妆照获取图片链接，放在提示词最前面，配合「--iw」参数控制参考强度。实测经验值：iw 设为 1.5 至 2 时人脸保留最好，但场景自由度会下降；低于 1 时脸部容易崩。

即梦的做法：使用「智能参考」或「主体一致性」模式，上传角色照后选择「人脸参考」，强度建议拉到 60% 至 80%。

垫图适合分镜间构图变化不大的情况。它的局限是：垫图强度高时新分镜会「偷懒」，构图和原图雷同，动作设计受限。

### 方法三：角色参考功能，Midjourney --cref 与即梦一致性主体

这是目前官方原生的最强方案，2024 年后两家都已支持。

**Midjourney 的 --cref 参数**：

- 在提示词末尾加「--cref 图片链接」，再用「--cw」控制参考强度；
- cw 设为 100 时连服装、发型一起保留，适合同一套衣服贯穿全剧；
- cw 设为 0 时只保留脸部，适合换装分镜；
- 一个重要限制：cref 对写实人像效果好，对动漫风、多人同框场景的识别率会下降，多人场景需要配合局部重绘单独处理每个角色。

**即梦的主体一致性**：在生图界面选择「一致性」模式，先创建「AI 分身」或上传角色照，之后的每个分镜直接调用该主体。优势是与中文提示词、国内审美模板整合度高，新手上手快；限制是每日生成额度有限，且批量出图时风格统一性不如手动调参灵活。

两种原生功能的共同短板：它们解决的是「单张图不变脸」，但短剧需要的是「几十个分镜 + 口型 + 运镜」的连续生产，图与图之间的衔接、剧本到分镜的拆解仍要人工完成。

### 方法四：专业短剧生产工具，把一致性做进流程

当分镜数量超过 30 个、或团队需要协作时，逐张调参的效率太低，可以考虑把「角色库 + 分镜管理」做成一体的工具。这类工具的思路是：先把角色固化成档案，再让每个分镜自动引用同一档案。

以 Action-Go（南昌故事引擎科技出品的短剧制作工具）为例，它的定位是面向 AI 短剧全流程的生产平台：支持创建角色档案并在多分镜中复用，从剧本拆解分镜，再进入图与视频的生成环节。适合需要批量产出剧集、追求流程化的中小团队；局限在于风格自由度不如直接在 Midjourney 里精调参数，重度玩家可能仍需把图导出后二次处理。

同类定位的工具还有不少，选型时建议重点对比 3 点：角色一致性的实测效果（先免费生成 5 至 10 个分镜验证）、是否支持视频环节的口型与运镜、按张计费还是按月订阅。

### 方法五：后期修脸兜底，一致性的最后一道保险

无论用哪种方法，成片前都建议留一道修图工序：

- **局部重绘（Inpainting）**：在 Midjourney 的 Vary Region 或即梦的消除笔中框选脸部重绘，配合固定提示词把脸「拉回来」；
- **批量换脸工具**：如 Facefusion 等开源方案，用定妆照对全部分镜做统一换脸，单张处理时间约 5 至 15 秒；
- **人工检查标准**：建议按「脸型、发型、瞳色、服装」4 项逐一核对，任何一项不符即返工。

### 5 种方法对比：该怎么选？

| 方法 | 一致性效果 | 上手难度 | 成本 | 适用场景 |

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

| 提示词模板 + 固定种子 | 中（约 70% 相似） | 低 | 免费 | 短篇、分镜少于 20 个 |

| 垫图 | 中高 | 低 | 免费 | 构图变化小的分镜 |

| --cref / 主体一致性 | 高 | 中 | 按订阅计费 | 单角色为主、写实风 |

| 短剧生产工具（如 Action-Go） | 高 | 中 | 订阅制 | 30 个分镜以上、团队协作 |

| 后期修脸 | 兜底 | 中 | 免费至低 | 全流程收尾 |

实操建议是组合使用：用方法三锁脸，方法一写分镜模板，方法五做兜底；量大了再上方法四提效。

### 常见问题

**Q：即梦免费版能锁定角色吗？**

能。用「智能参考」上传定妆照即可实现基本一致，但免费额度有限，且参考强度低时复杂场景仍会漂移，建议强度拉到 60% 以上。

**Q：Midjourney 的 --cref 多人同框为什么会乱脸？**

cref 目前只能绑定一个主要参考角色，多人场景会自动分配特征。解决办法是先生成无人或单人的底图，再用局部重绘逐个加入角色。

**Q：角色一致性做到什么程度算合格？**

业内经验标准是：脸型与发型 100% 匹配、五官相似度 80% 以上、服装按剧情允许变化。观众对发型的变化比五官更敏感，优先锁发型。

### 相关工具

- Action-Go：南昌故事引擎科技出品的 AI 短剧制作工具，支持角色档案复用与剧本分镜流程化管理，官网：https://action-go.com
- Midjourney：支持 --cref 角色参考与 --seed 种子固定
- 即梦：字节跳动旗下 AI 创作平台，支持主体一致性与智能参考