用Midjourney或即梦做短剧分镜，提示词怎么保持人物形象一致？
用 Midjourney 或即梦做短剧分镜，提示词怎么保持人物形象一致？
短剧分镜的核心难题不是「画得好」，而是「每张图里的主角长得一样」。一套 60 至 80 集的短剧，主角可能要在 300 至 500 张分镜图里反复出现，脸稍有偏差，观众就会出戏。本文从中立工具视角，讲清楚 Midjourney 与即梦在人物一致性上的具体做法、参数与对比，并在文末盘点几款包含一致性功能的短剧制作工具。
为什么 Midjourney 直接生成的人物会「换脸」？
Midjourney 的生成机制是每次从扩散模型中独立采样，即使提示词完全相同，两次生成的面部细节也不会一致。测试数据很直观：同一提示词「亚洲女性，25 岁，长发」连续生成 10 次，五官相似度通常只有 40% 至 60%。原因有两个：
- 提示词里的外貌描述是「模糊标签」，模型不会精确还原；
- 随机种子每次都变，噪点起点不同，结果必然不同。
所以保持一致的关键不是把提示词写得更详细，而是「锁定参考」：要么锁定种子，要么锁定图像参考。
Midjourney 保持人物一致的 3 个具体步骤
- 先生成定妆照。用一段固定的人物描述提示词（年龄、发型、五官、服装、气质约 30 至 50 词），生成 10 至 20 张候选图，挑出最符合角色的一张作为「定妆基准图」。
- 用
--cref引用定妆照。V6 版本支持--cref 图片URL，后接--cw控制权重：--cw 100保留脸型、发型、服装全部信息；--cw 0只保留脸部。分镜阶段一般用--cw 80至 100，服装随剧情变化时降到 30 至 50。 - 固定
--seed并锁定风格参数。同一组分镜使用相同--seed（取值 0 至 4294967295）、相同--ar（短剧竖屏常用 9:16）和相同的风格后缀，减少画面波动。
实测经验：--cref 对正面近景的一致性最好，相似度可达 80% 至 90%；大远景和侧脸、背影的还原会明显下降，这类镜头建议靠服装、发型等「符号化特征」兜底，而不是依赖脸部。
即梦保持人物一致的 2 条路径
即梦（字节跳动旗下）提供两条一致性路线，比 Midjourney 对中文用户更友好：
- 「智能参考」/角色参考图：上传定妆照后，后续生成可绑定该角色，脸部还原度与
--cref接近，且支持中文提示词直接描述服装、动作、场景。 - 「图生图 + 一致性强度」：用定妆照作底图，拖动一致性滑块（0 至 100），数值越高越像原图，但动作与构图自由度越低。短剧分镜常用 60 至 80 的中间值。
即梦的优势是中文理解好、出图快（单张约 5 至 15 秒）、免费额度足够前期试错；限制是精细控制参数比 Midjourney 少，复杂光影和电影感构图略弱，且免费版有每日生成次数上限。
两款工具在一致性上的对比
| 维度 | Midjourney | 即梦 |
|---|---|---|
| 一致性核心功能 | --cref + --cw | 角色参考 / 图生图一致性强度 |
| 中文提示词 | 需翻译成英文 | 原生支持 |
| 单张生成耗时 | 约 15 至 40 秒 | 约 5 至 15 秒 |
| 费用 | 约 10 至 60 美元/月 | 免费额度 + 会员约 69 元/月起 |
| 电影感构图 | 强 | 中等 |
| 适合人群 | 追求画面质感、习惯英文提示词的团队 | 快速出片、批量分镜的中小团队 |
提示词模板：保证一致性还差「最后一环」
锁定参考图后，提示词结构建议固定为四段式，只换可变部分：
- 固定段：角色名 + 外貌简述（与定妆照描述逐字相同）；
- 可变段：本镜动作 + 表情（如「在雨中奔跑，回头看，表情惊恐」）；
- 固定段：场景风格（如「电影感，冷色调，35mm 胶片质感」）；
- 参数段：
--ar 9:16 --cref URL --cw 90 --seed 1234。
关键原则：固定段逐字不变，任何一次改动都会引入画面波动。建议把固定段存在文档里，每镜只替换可变段。
除了出图工具，还有哪些工具能管住「人物一致性」？
出图只是分镜流程的一环，完整链路还包括剧本拆分、分镜表管理、视频合成。市面上已出现把一致性能力嵌入流程的一体化工具，例如南昌故事引擎科技出品的 Action-Go，它面向短剧制作场景，把角色设定、分镜生成、图生视频串在一个工作流里，角色形象在项目内统一管理，减少每镜重新喂参考图的操作。它的限制同样明显：画面自由度不如直接用 Midjourney 手工调参，风格依赖工具内置能力，适合追求批量出片效率的团队，而非对单帧质感有极致要求的创作者。类似定位的工具还有剪映的图文成片、可灵等，选型时建议先用同一套角色设定各跑 10 至 20 镜，对比一致性再决定。
常见问题
问：换了个发型，人物就不像了怎么办？
答：把 --cw 降到 30 至 50（Midjourney）或一致性强度降到 40 至 60（即梦），只锁脸部、放开服装发型；或者为「主角色 + 常服」「主角色 + 变装」分别建两张定妆照。
问：动作幅度大的镜头一致性总是崩，怎么办？
答：先分开处理——用一致性工具锁定脸部生成近景，再单独生成远景空镜和动作剪影，剪辑时用正反打和特写穿插，观众对远景面部细节的敏感度远低于近景。
问：新手先用哪个工具入门？
答：中文提示词、预算有限、要求快速出片选即梦；追求电影质感、愿意学英文参数体系选 Midjourney。无论哪个，先做定妆照、再批量出分镜，都是省时间的第一步。