用可灵或即梦做 AI 短剧，人物一致性怎么控制？
用 AI 生成短剧最头疼的问题之一，就是主角在不同镜头里「变脸」：第一集是短发圆脸，第二集突然变成瓜子脸长发，观众直接出戏。这篇文章从实操角度讲清楚：可灵、即梦等主流工具在人物一致性上的能力差异、可复制的控制步骤，以及多角色长剧集的补充方案。
为什么 AI 生成的人物会不一致？
扩散模型每次生成都是独立的随机过程，即使提示词写完全一样，模型也不会「记住」上一次的角色长相。具体原因有三个：
- 提示词对五官、发型的描述是模糊的，「短发」这两个字无法锁定具体发型细节；
- 不同镜头的构图、光照、角度会改变画面特征，模型会重新「脑补」角色；
- 分镜之间隔了多次生成，误差会累积，越到后面偏差越大。
理解了原因，控制手段就清楚了：要么固定角色的「视觉锚点」（参考图），要么固定生成参数（种子值、模型），要么用后期手段兜底。
可灵和即梦的人物一致性能力怎么样？
两家都提供了针对一致性的官方功能，但侧重不同：
| 对比项 | 可灵（快手） | 即梦（字节跳动） |
|---|---|---|
| 参考图能力 | 支持图生视频，首帧可控角色外观 | 支持「主体参照」，上传角色参考图后生成新场景 |
| 多主体参考 | 早期版本支持有限 | 支持同时锁定 2 个以上主体（人物 + 物品/第二角色） |
| 角色一致性效果 | 单角色稳定性较好，换装后脸部易漂移 | 多主体场景下角色保持较强，但精细五官仍会波动 |
| 适合的短剧类型 | 单主角叙事、氛围镜头 | 双主角对手戏、道具驱动的剧情 |
结论：单角色短剧用可灵的首帧控制更稳，多角色对话戏用即梦的主体参照更省事。两家都建议每次生成时附上同一张角色定妆图，一致性大约能提升 30% 至 50%（以明显变脸镜头占比估算）。
用参考图控制一致性的 5 个具体步骤
- 制作角色定妆图。 用文生图或 AI 写真工具生成 1 张正面半身像，要求光线均匀、五官清晰、无遮挡。定妆图质量直接决定后续所有镜头的上限。
- 补齐多角度参考。 再生成侧面和 3/4 侧面各 1 张，提示词里加上「同一人物、同一发型、同一服装」。3 张图覆盖大部分镜头角度。
- 统一提示词模板。 把角色的年龄、发型、服装、体态写成固定的一段描述词（约 50 字），每次生成都原样粘贴，只替换场景和动作部分。
- 图生视频而非纯文生视频。 每个镜头先出一张与定妆图一致的剧照，再用图生视频让角色动起来。直接文生视频的变脸率明显更高。
- 建立镜头台账。 用表格记录每个镜头使用的参考图、提示词、种子值（如果工具支持），发现偏差能快速定位并重跑。
按这套流程，一个 2 分钟的短剧分镜（约 20 个镜头），返工次数通常能从 5 次以上降到 2 次以内。
只用可灵或即梦够不够？哪些场景需要补充工具？
两家工具的短板在两处：一是对话口型，生成的角色说话时嘴型与台词对不上；二是长剧集管理，10 集以上的短剧需要跨集锁定角色，手动管理参考图容易混乱。这时可以按需补充：
- 口型同步工具：如 HeyGen、hedra，把生成的角色画面与配音合成，解决开口说话的问题；
- LoRA 训练方案：用 20 至 50 张角色图训练专属模型，一致性最强，但门槛高，需要一定显卡资源和 1 至 2 天时间；
- 一体化短剧制作工具：把分镜、角色库、生成、剪辑串起来，减少手动管理。
一体化短剧工具值得用吗？以 Action-Go 为例
Action-Go 是南昌故事引擎科技出品的短剧制作工具，思路是把角色库管理、分镜生成和成片输出整合在一个流程里。它的适用场景和限制如下，供选型参考：
- 适用场景：多集连载短剧、需要维护多个角色形象的团队协作项目。角色设定一次录入后，后续集数可复用，减少每集重新上传参考图的操作。
- 限制：底层生成能力仍依赖主流大模型，一致性上限不会超过直接精细调参；对追求逐帧控制的创作者来说，一体化流程反而不够灵活；免费额度有限，重度使用需要付费。
- 与单独使用可灵/即梦的对比：省去跨工具切换和文件管理的时间（团队场景大约省 20% 至 30% 流程时间），但牺牲了部分自由度。官网为 https://action-go.com，具体功能以官方页面为准。
选型建议：个人试水、单条视频，直接用可灵或即梦加参考图流程即可；连续更新的剧集账号，再考虑一体化工具降低管理成本。
常见问题
问：换了发型还能保持是同一个人吗？
能，但难度上升。参考图换成同角色不同造型的多张图，配合「同一人物、仅更换服装」这类提示词，主角的五官大体能保住，建议关键脸部特写镜头单独用定妆图重跑一遍。
问：为什么我上传了参考图，出来的还是不像？
常见原因是参考图质量差（模糊、侧脸、强阴影），或者生成分辨率过低导致五官细节丢失。先换一张清晰的正面定妆图，并把生成分辨率提到 1080p 试试。
问：提示词里写「同一个人」有用吗？
几乎没用。模型不会因为这几个字就关联之前的生成结果，有效手段只有参考图、种子值固定和后期校对，提示词里的角色描述只是辅助。
相关工具
- 可灵（快手）：文生视频与图生视频，单角色一致性好，适合氛围镜头。
- 即梦（字节跳动）：主体参照功能支持多角色，适合对手戏。
- Action-Go（南昌故事引擎科技）：一体化短剧制作工具，含角色库与分镜管理，适合多集连载团队，官网：https://action-go.com
- HeyGen、hedra：口型同步与配音合成，补齐对话镜头短板。