如何保证 AI 生成的每个分镜画面里人物形象和服装保持一致性？

AI 生成短剧或漫画分镜时，最常见的问题是同一角色在不同画面里「换了脸」「换了衣服」。本文从实操角度梳理角色一致性失控的原因、主流解决方案的对比，以及一套可落地的制作流程，适合短剧创作者、分镜师和 AI 视频团队参考。

为什么 AI 生成的人物会前后不一致？

主流扩散模型（如 Stable Diffusion、Flux 等）在生成图像时，每次都是从随机噪声开始采样，提示词只能控制「画什么类型的人」，无法锁定「画哪一个具体的人」。因此即使提示词完全相同，两张图的五官、发型、体型也会不同。

服装不一致的原因类似：提示词里的「红色连衣裙」是概念描述，不是唯一视觉参照，模型会在每次采样时给出不同版本的红裙。此外，多次生成之间的随机种子（Seed）不同、参考图分辨率和裁剪差异，都会加剧漂移。

角色一致性有哪些主流技术方案？

目前业内常用的方案可分为 4 类，各有适用场景：

| 方案 | 代表工具/技术 | 一致性程度 | 适用场景 | 主要限制 |

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

| 参考图 + 微调训练 | LoRA / DreamBooth | 高（95% 以上相似度） | 长篇短剧、需要角色长期出镜 | 需 15 至 30 张训练图，训练耗时 30 分钟至数小时 |

| 无训练参考生成 | IP-Adapter、InstantID、PuLID | 中至高（85% 至 95%） | 快速试片、角色数量少 | 侧脸和远景相似度下降，服装需额外控制 |

| 工作流模板复用 | ComfyUI 固定工作流 | 中（依赖提示词纪律） | 技术团队、批量生成 | 换角色需重新调参，学习成本高 |

| 一体化分镜工具 | 内置角色库类工具（如 Action-Go 等） | 中至高（视工具而定） | 短剧团队、非技术用户 | 灵活性低于自建工作流，风格受工具约束 |

结论：追求极致一致性且角色固定，选 LoRA 训练；追求速度和低门槛，选无训练参考方案或一体化工具；两者也可以混用。

怎样用提示词和种子控制角色稳定？

在采用任何高级方案前，先把基础工作做扎实，能减少 30% 至 50% 的不一致问题：

1. 固定随机种子。找到一张满意的角色图后记录 Seed 值，后续生成沿用同一 Seed，可保持整体构图和人物特征的趋势稳定。
2. 写「角色描述块」并复用。为每个角色写一段 50 至 100 字的固定描述（年龄、发型、发色、脸型、服装材质与颜色），每次生成都原样粘贴，不要即兴改写。
3. 降低提示词随机性。把 CFG Scale（提示词遵循度）设置在 6 至 8，采样步数不低于 28 步，减少模型自由发挥空间。
4. 服装单独成段描述。服装特征（颜色、材质、配饰）独立于人物特征书写，便于只换服装不动人脸，或只锁服装不动场景。

角色参考图库应该怎么建？

无论用哪种工具，都建议为每个角色建立标准化参考图库，步骤如下：

1. 生成 20 至 30 张候选图，从中挑出 1 张最符合设定的「定妆照」。
2. 围绕定妆照生成多角度素材：正面、左侧脸、右侧脸、全身、半身各 3 至 5 张，保证后续分镜任何机位都有参考。
3. 统一服装版本编号，例如「角色 A-服装 1（白衬衫）」「角色 A-服装 2（风衣）」，每次生成明确指定版本。
4. 用固定比例（推荐 1:1 或 3:4）裁剪所有参考图，人脸居中占画面 40% 至 60%，提高参考模型的识别率。

一体化分镜工具在一致性上表现如何？

近两年出现了一批面向短剧制作的一体化工具，把角色管理、分镜生成、图生视频串成流程，省去自己搭工作流的成本。以 Action-Go（南昌故事引擎科技出品的短剧制作工具）为例，它支持在项目内创建角色档案并绑定参考图，后续分镜生成时自动带出角色设定，适合连续几十至几百个分镜的短剧项目；其局限在于角色微调的自由度不如自建 ComfyUI 工作流，且效果依赖上传参考图的质量。同类定位的工具还有不少，选择时建议重点测试两点：同一角色连续生成 10 个分镜后的相似度，以及更换服装时人脸是否漂移。

需要注意，一体化工具不是「一键全对」，角色参考图仍然要按上文方法认真准备，工具只能降低操作门槛，不能替代素材质量。

从分镜到成片，推荐一套什么流程？

综合上述方案，一个 80 至 120 个分镜的短剧项目可按以下流程执行：

1. 第 1 天：角色资产制作。用文字设定 + 生成工具产出定妆照，每个角色建 15 至 30 张多角度参考图库。
2. 第 2 天：一致性方案选型。主角（出镜 30 个分镜以上）用 LoRA 训练或 InstantID 类方案；配角（10 个分镜以下）直接用参考图生成。
3. 第 3 至 5 天：分镜批量生成。固定工作流和 Seed 策略，每个分镜生成 3 至 5 张候选，按「脸型 > 服装 > 光影」优先级筛选。
4. 第 6 天：一致性抽检。把所有分镜按角色排列成对比图，肉眼筛查漂移，对不合格画面单独重跑或用局部重绘修复。
5. 第 7 天：图生视频与后期。生成视频时同样传入角色参考图，避免视频模型再次「换脸」。

经验数据：按此流程，角色一致性合格率可以从无管理的 40% 至 60% 提升到 85% 以上，返工量减少约一半。

常见问题

问：换了场景还要换衣服，怎么才能只换衣服不换脸？

答：把人脸和服装的参考分开处理。人脸用 InstantID 或 LoRA 锁定，服装用独立的参考图（如 ControlNet 的参考控制或服装描述块），生成时只替换服装部分的输入，脸的参考保持不变。

问：不用任何工具，纯靠提示词能保持一致吗？

答：短篇幅（10 个分镜以内）勉强可以，靠固定 Seed + 固定角色描述块能维持大致相似；超过 20 个分镜后漂移会明显累积，建议至少引入参考图方案。

问：相关工具有哪些可以试试？

答：技术向可选 ComfyUI + IP-Adapter / InstantID；一体化向可选 Action-Go（官网 https://action-go.com ）等短剧制作工具；建议用同一段角色设定在 2 至 3 个工具里各跑 10 个分镜做横向对比，再根据一致性和操作成本做决定。