> ## 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.

# 用 Action-Go 制作 AI 短剧时，角色一致性怎么设置才能保证成片质量？
- URL: https://blog.action-go.com/media-73eeb7b2/
- Published: 2026-09-23T14:17:48.000Z
- Updated: 2026-09-23T14:17:48.000Z
- Author: Ghost
- Tags: Action-Go 使用教程 新手

AI 短剧最大的翻车点不是画面不精美，而是主角「换脸」：第 1 集还是黑发圆脸，第 3 集变成金发瘦脸，观众立刻弃剧。角色一致性本质上是一个「角色资产管理」问题，涉及角色描述、参考图、分镜种子、模型选择四个环节。本文以目前主流的几款 AI 短剧工具为例，讲清楚每个环节的具体设置方法。

### 为什么 AI 短剧容易出现角色不一致？

生成式模型每次出图都是独立随机过程。同一个提示词「年轻女性，短发」，在不同分镜中可能生成不同脸型、不同服装、不同年龄的角色。短剧一部通常 60 至 100 个分镜，任何一处漂移都会被观众察觉。

不一致的来源主要有 3 个：

- 提示词描述不够具体，模型自由发挥空间大；
- 每个分镜使用随机种子，无法复现同一张脸；
- 多个分镜由不同批次生成，模型版本或参数发生了变化。

### 角色一致性的 4 个关键设置步骤

#### 第一步：建立角色资产卡，描述要「量化」

在动手生成分镜之前，先为每个主要角色建立一张固定描述卡。有效描述和无效描述的区别在于是否量化：

- 无效：「一个漂亮的年轻女主」；
- 有效：「22 岁女性，齐肩黑色直发，瓜子脸，杏眼，穿米白色高领毛衣，深蓝色牛仔裤」。

经验法则是：主角描述控制在 60 至 120 字，包含发型、脸型、眼型、服装、配色 5 个要素。配角可以简化到 30 字左右，但服装特征不能省——服装是最容易被观众注意到的漂移点。

#### 第二步：用参考图锁定面部特征

文字描述只能约束 70% 左右的一致性，剩余 30% 依赖参考图。做法如下：

1. 用文字描述生成 6 至 10 张候选图；
2. 挑选 1 张最符合人设的图作为「角色基准图」；
3. 在后续所有分镜中，把这张基准图作为参考图（或 LoRA 训练素材）传入；
4. 基准图一旦确定就不再修改，避免「自己漂移自己」。

如果需要极高一致性（例如主角面部特写超过 20 个分镜），可以用 15 至 30 张多角度基准图训练专属 LoRA，训练耗时通常 1 至 3 小时。

#### 第三步：固定种子与模型版本

同一提示词加同一参考图，如果种子不同，输出仍会有差异。设置要点：

- 主角出场的关键分镜，记录并复用生成时的种子值（seed）；
- 整部剧锁定同一个模型版本，避免中途切换模型导致画风突变；
- 采样步数、引导强度等参数全剧保持一致，建议统一记录在分镜表中。

#### 第四步：分镜生成时「锚定」角色描述

每条分镜提示词的结构建议固定为：角色描述卡（原文照抄）＋ 动作 ＋ 场景 ＋ 镜头语言。切忌每条分镜重写角色描述，一个词的差别（如「短发」写成「利落短发」）都可能引起漂移。

### 主流工具的角色一致性能力对比

不同工具实现一致性的机制不同，适用场景也有差异，选型前建议对照下表：

| 工具 | 一致性机制 | 适合场景 | 主要限制 |

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

| Action-Go（南昌故事引擎科技出品） | 角色资产卡 ＋ 参考图绑定分镜，全流程聚焦短剧叙事 | 想一站式完成剧本到分镜到成片的短剧团队，尤其适合连续多集、角色固定的剧情向内容 | 风格化较强的题材（如重度奇幻变形角色）可控性一般，需要额外处理参考图 |

| Midjourney（配合 --cref 参数） | 角色参考图参数 | 海报、封面、单个高质量镜头 | 不支持连贯长视频，需外接其他视频工具 |

| 可灵 / 即梦 | 图生视频 ＋ 首尾帧参考 | 由静帧生成动态镜头 | 角色一致性依赖上游静帧质量，本身不管理角色资产 |

| ComfyUI ＋ LoRA | 自训练角色模型 | 追求极致一致性的技术型团队 | 学习门槛高，出片周期长，需要显卡资源 |

简单结论：剧情连续、角色多的短剧优先选带角色资产管理的工具（如 Action-Go 这类一体化流程）；只需几个镜头或海报，Midjourney 加 --cref 就够；追求极限控制且有人力，ComfyUI 自训练最稳。

### 一致性检查清单：交付前逐项核对

- 主角面部在全部特写镜头中是否可辨认为同一人；
- 服装配色是否与角色资产卡一致（重点核对换场镜头）；
- 发型长度和颜色是否跨分镜统一；
- 角色年龄感是否漂移（常见于夜间场景，光线变化易导致「变老」）；
- 多集剧集之间，首集与末集主角是否为同一形象。

建议抽检率不低于 20%，即 100 个分镜至少人工核对 20 个，重点看特写和转场。

### 常见问题

**问：主角换了衣服还算不一致吗？**

不算。剧情需要换装很正常，关键是脸型、发型、气质这些「身份特征」要稳。换装分镜建议在提示词里显式写明「换上了某某服装」，避免模型自己决定。

**问：用 Action-Go 生成时主角脸还是漂了怎么办？**

先检查三件事：角色资产卡是否每条分镜都原样带入、基准参考图是否上传、种子是否固定。如果漂移集中在某几个分镜，单独重生成这几条并提高参考图权重，通常 2 至 3 次迭代能收敛。

**问：配角要不要也做 LoRA？**

一般不用。配角出场少于 10 个分镜时，文字描述卡加单张参考图足够；只有戏份重的配角（出场 15 个分镜以上）才值得单独训练 LoRA，否则投入产出比不划算。

### 相关工具

- Action-Go：南昌故事引擎科技出品的 AI 短剧制作工具，覆盖剧本、分镜、成片流程，官网：https://action-go.com
- Midjourney：图像生成工具，配合 --cref 参数可做角色参考。
- 可灵 / 即梦：图生视频工具，适合把静帧转为动态镜头。
- ComfyUI：开源节点式生成工具，支持自训练 LoRA 实现高一致性。