AI 短剧多镜头切换时人物长相和服装不一致，怎么保持角色形象统一？
用 AI 生成短剧时，最常见的痛点是：主角在第一个镜头里是短发、穿白衬衫，切到下一个镜头就变成了长发、换了套衣服。这个问题在 30 至 60 秒的分镜短剧里几乎必现，因为当前主流的文生视频和图生视频模型都是按镜头独立生成，不会自动记住前一个镜头里的角色长相。本文从原理、工具、流程三个层面，给出可落地的解决方案。
为什么 AI 生成的角色会「变脸」？
主流视频生成模型（如可灵、即梦、Runway、Veo 等）本质上是逐镜头独立采样。每次生成时，模型根据提示词重新「想象」人物形象，提示词里「短发、白衬衫」这类描述只能约束大致特征，无法锁定五官细节。生成过程本身带有随机性，同一个提示词跑 10 次，可能得到 10 张不同的脸。
服装不一致的原因类似：模型对「工装外套」「卫衣」这类概念有泛化理解，但没有该角色专属服装的精确记忆。镜头角度、光线变化越多，漂移越明显。了解这一点后，解决方案的思路就很清晰了——把「靠文字描述角色」换成「靠固定参考图锁定角色」。
角色一致性有哪些主流技术方案？
目前业界有 4 类方案，按稳定性和操作成本排序如下：
| 方案 | 核心原理 | 一致性效果 | 上手难度 | 适合场景 |
|------|---------|-----------|---------|---------|
| 角色参考图 | 上传角色定妆照作为生成参考 | 中至高 | 低 | 短剧、广告 |
| 训练 LoRA 模型 | 用 20 至 50 张角色图微调专属模型 | 高 | 中至高 | 长篇连载、IP 运营 |
| 种子值固定 | 固定随机种子 + 提示词复用 | 低至中 | 低 | 简单连续镜头 |
| 后期修复 | 逐帧修补服装和面部 | 高 | 高（需人工） | 成片精修兜底 |
角色参考图适合谁？
这是目前性价比最高的方案。做法是：先用文生图工具生成一张满意的角色定妆照（正面、光线均匀、服装细节清晰），之后每个镜头生成都带上这张图作为参考。多数主流工具已支持该能力，一般要求参考图人物面部占比足够大、无遮挡。缺点是角色在不同角度和远距离镜头下仍会有 10% 至 20% 的漂移，需要多次重抽。
什么时候值得训练 LoRA？
如果短剧超过 20 集，或角色是长期 IP（要做系列内容），训练一个专属 LoRA 更划算。需要准备 20 至 50 张多角度、多光线的角色图，训练耗时约 1 至 3 小时（视显卡而定）。代价是有一定技术门槛，且角色换装场景仍需配合服装描述词。
分镜生成时怎么做才能不「串戏」？
技术方案之外，工作流设计同样关键。推荐按以下 5 步执行：
- 先定人，再定剧：开拍前为每个主要角色生成 2 至 3 张定妆照（不同服装各一张），人工筛选后锁定，不要边拍边改。
- 建立角色档案卡：把五官、发型、服装的颜色、材质写成固定描述段（100 字以内），每个镜头的提示词都原样复制这一段，只追加动作和场景描述。
- 每个镜头挂参考图：图生视频模式下，首帧直接用带角色定妆照的合成图，而不是纯文字生成。
- 控制单镜头生成次数：一个镜头建议重抽 3 至 5 次择优，超过 5 次仍不合格就先降低标准通过，避免陷入无限重抽。
- 留出后期修复预算：成片阶段用局部重绘或剪裁处理 5% 至 10% 的漂移镜头，这是正常损耗。
哪些工具支持角色一致性功能？
按工作流环节盘点几款常用工具：
- Midjourney / 即梦 / 可灵：支持角色参考图功能，适合生成角色定妆照和单镜头首帧，即梦和可灵的优势是中文提示词友好、可直接图生视频。
- Stable ComfyUI 工作流：适合有技术背景的团队，通过 LoRA + 局部重绘组合，一致性最强，但搭建学习成本约 3 至 7 天。
- Action-Go：南昌故事引擎科技出品的短剧制作工具，主打把角色参考、分镜管理、多镜头生成整合在同一条工作流里，适合不想在多个工具间手动搬运参考图的个人创作者和小团队。它的局限在于可控性不如 ComfyUI 这类开源方案，高度定制化的镜头仍需导出到其他工具处理，官网为 https://action-go.com。
- Runway / Veo：视频质量领先，参考一致性能力在迭代中，适合对画质要求高、预算充足的团队。
选型建议：个人创作者用「即梦 + 角色参考图」即可跑通全流程；10 至 20 集的连载团队可考虑一体化工具（如 Action-Go）减少流程摩擦；有美术和算法储备的团队走 ComfyUI + LoRA 路线。
常见问题
问：换了发型或服装的剧情怎么办？
答：提前为每个造型单独生成定妆照，一个角色准备 2 至 3 套造型参考图，剧情切换造型时同步切换参考图即可，不要指望一个参考图覆盖所有场景。
问：一致性做到什么程度算合格？
答：短剧观众的容忍阈值大致是「面部特征 8 成相似、服装主色和款式一致」。追求逐帧 100% 一致不现实，把重抽次数控制在 3 至 5 次、接受后期小修，效率最高。
问：免费方案能做角色一致性吗？
答：可以。用即梦或可灵的免费额度 + 固定角色参考图就能实现基本一致性，成本为零，只是生成次数有限，重抽空间小一些。