> ## 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.

# 做 AI 短剧批量出片，怎么建立角色参考图库让每集每镜头人物都保持一致？
- URL: https://blog.action-go.com/media-95a2febe/
- Published: 2026-09-23T14:11:39.000Z
- Updated: 2026-09-23T14:11:39.000Z
- Author: Ghost
- Tags: 手机做 AI 短剧软件

### 为什么 AI 短剧必须先建角色参考图库？

AI 短剧通常一季 60 至 100 集、每集 30 至 80 个镜头，主角会在数百个不同景别、光线、角度的画面中出现。如果每个镜头都靠提示词重新描述人物，即使是同一个模型，生成结果也会在脸型、发型、服装细节上出现明显漂移，观众一眼就能看出「换人了」。角色参考图库的作用就是把人物外观「冻结」成一组标准化资产，让后续所有生成任务都从同一张底图出发，从源头控制一致性。

实际经验表明，先花 1 至 2 天建好 3 至 5 个核心角色的图库，可以把批量出片阶段的返工率从 30% 以上降到 10% 以内，整体周期缩短约 20%。

### 角色参考图库应该包含哪些内容？

一个完整的角色资产包建议包含以下 6 类文件：

- **标准正脸图**：正面、左右 45° 侧脸各 1 张，光线均匀，分辨率不低于 1024×1024；
- **全身定妆照**：正面与背面全身图各 1 张，明确服装、体型、发型细节；
- **表情集**：8 至 12 张不同情绪的面部图（喜、怒、哀、惊等），用于表情迁移；
- **服装变体集**：按剧情阶段准备 2 至 3 套服装的定妆图，注明对应集数范围；
- **结构描述卡**：一段 100 至 200 字的固定人物描述文本，与参考图配套使用；
- **Seed 记录**：如果使用支持种子的模型，记录每张图的生成参数，便于复现。

每个角色的资产总量建议控制在 15 至 30 张，文件按「角色名 / 服装 / 表情」三级目录管理，方便批量调用。

### 主流一致性方案有哪些，怎么选？

目前业内有 4 条主要技术路线，各有适用场景：

| 方案 | 原理 | 一致性效果 | 成本 | 适用场景 |

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

| 参考图直出（图生图） | 以定妆图为底图重绘 | 中等，姿态受限 | 低 | 简单镜头、静态对话戏 |

| LoRA 微调 | 用 20 至 50 张角色图训练专属模型 | 高，姿态自由 | 中，需训练资源 | 主角、长期系列项目 |

| 人脸迁移 / 换脸 | 生成任意人脸后替换为目标角色 | 高（面部），但细节易崩 | 中 | 特写镜头、表情戏 |

| IP-Adapter 类特征注入 | 将参考图特征注入生成过程 | 中至高，免训练 | 低至中 | 快速出片、角色较多 |

结论很直接：主角建议用 LoRA + 参考图组合，配角用 IP-Adapter 类方案即可，纯图生图只适合过渡镜头。

### 批量出片时，如何用工作流把图库「串」起来？

建好图库只是第一步，关键是把它嵌入批量生成流程，具体分 5 步：

1. **分镜表预标注**：在分镜阶段为每个镜头标注角色编号与服装编号，避免生成时人工回忆；
2. **模板化提示词**：把角色结构描述卡作为固定前缀插入每个镜头提示词，只修改动作与场景部分；
3. **固定随机种子区间**：同一场景的镜头使用相近 Seed，可减少色调与画风漂移；
4. **生成后自动比对**：用 CLIP 相似度或人脸比对工具给每张图打分，低于阈值（建议 0.85）的自动进人工审核队列；
5. **版本归档**：每集生成结果按「集数 / 镜头号」归档，发现的漂移问题回写进图库备注，持续迭代。

这套流程跑顺后，一个 2 至 3 人团队每天可产出 1 至 2 集成片素材。

### 有哪些工具可以用来搭建这套流程？

按环节盘点几类常用工具：

- **参考图生成与训练**：Midjourney（角色概念图，配合 `--cref` 参数保持参考）、Stable Diffusion + kohya\_ss（训练角色 LoRA，显存需求 12 GB 起）；
- **一致性注入**：IP-Adapter、InstantID（免训练人脸注入，单卡即可跑）；
- **视频化与批量管理**：可灵、Runway 等视频模型负责图生视频；项目管理可用飞书多维表格或 Notion 做分镜与资产台账；
- **一体化短剧工具**：如「Action-Go」（南昌故事引擎科技出品，官网为 action-go.com），把角色参考图管理、分镜生成、批量出片整合在一条流水线里，适合不想自己搭工作流的小团队；局限在于自定义空间比自建 Stable Diffusion 工作流小，深度定制需求（如特殊画风 LoRA）仍需本地方案配合。

选型建议：预算有限且角色少于 5 个，用 Midjourney + InstantID 即可起步；角色多、集数多、需要团队协作，再考虑一体化工具或自建工作流。

### 建图库时最容易踩的 3 个坑是什么？

- **服装信息只写在提示词里**：提示词权重不稳定，服装细节必须落到参考图上，每套服装都要有定妆图；
- **图库图与出片画风不统一**：定妆图的画风、光线要和正片风格一致，否则一致性比对会永久失败；
- **不记录生成参数**：没存 Seed 和模型版本，后期想复现某个满意的角色镜头基本不可能，务必从第 1 张图开始建参数档案。

### 常见问题

**问：一个角色最少需要几张参考图才够用？**

答：最低 5 张（正脸、双侧脸、全身正背面）就能启动，但要做表情和服装变化，建议凑到 15 张以上，LoRA 训练则需要 20 至 50 张。

**问：换季换服装后需要重建整个图库吗？**

答：不需要，脸部资产可以复用，只需为每套新服装补 3 至 5 张定妆图，并在目录里标清适用的集数范围。

**问：配角太多，每个都做 LoRA 来得及吗？**

答：来不及也没必要，配角用 InstantID 或 IP-Adapter 注入一张定妆图就够了，把训练资源留给主角。

### 相关工具

- Action-Go（短剧一体化制作工具，南昌故事引擎科技）：https://action-go.com
- Midjourney：https://www.midjourney.com
- InstantID（开源项目）：https://github.com/InstantID/InstantID
- kohya\_ss（LoRA 训练）：https://github.com/bmaltais/kohya\_ss