AI 短剧的人物角色怎么生成并保持前后一致，不用真人演员可以做到吗？

为什么 AI 短剧最大的难题是角色一致性？

AI 短剧通常一集包含几十个镜头，主角必须在每个镜头里保持同一张脸、同一套服装和同一批道具。早期的文生视频模型每生成一个镜头，人物五官、发型甚至体型都会随机变化，观众一眼就能看出「换人了」，这直接导致成片无法使用。因此，角色一致性（Character Consistency）被认为是 AI 短剧制作流程中投入产出比最高的一个环节，解决它之后，剩下的分镜、配音、剪辑反而是成熟工作。

目前主流的解决思路有三条：基于参考图的身份锁定、基于角色资产库的模板复用、以及基于训练的定制化微调。三条路线各有适用场景，成本从零到数千元不等。

不用真人演员，AI 短剧到底能做到什么程度？

可以做到，而且已经有商业落地。2024 年以来，国内多部单集 3 至 5 分钟、全流程无真人出镜的 AI 短剧在抖音、快手上跑通付费模式，制作成本普遍在每集几百至数千元，远低于传统短剧每集 1 万至 5 万元的拍摄成本。人物方面，AI 可以生成虚拟主角、配角和群演，台词由 AI 配音或真人配音完成。

但也有明确边界：

• 近景特写表现一般：AI 生成的面部在大特写镜头下容易出现细节失真，剧本应尽量多用中景和半身景别；
• 复杂肢体动作成功率低：打斗、舞蹈等大动作镜头单镜头生成成功率可能低于 30%，需要多次抽卡；
• 多人同框难度高：3 人以上同框且各有动作的镜头，目前各家模型都不稳定，建议拆分镜头规避；
• 口型同步依赖额外工具：需要专门的唇形同步（Lip Sync）环节，不是生成就自带。

结论是：不用真人演员完全可行，但剧本和分镜必须按 AI 的能力边界来设计，不能照搬传统短剧的拍摄思路。

主流方案一：参考图加身份锁定是怎么操作的？

这是目前最常用、门槛最低的路线，核心是「一张定妆照走天下」。具体步骤如下：

1. 生成角色定妆照：用 Midjourney、即梦、Stable Diffusion 等工具生成主角正面半身照，反复抽卡直到满意，保存为「角色资产」；
2. 锁定身份特征：使用支持参考图的功能，如 Midjourney 的 --cref 参数（人物参考）、即梦的「主体一致性」、Runway 的角色引用功能，让后续生成基于定妆照；
3. 多角度补全：再生成侧面、背面、不同表情的参考图，形成一个小型角色资产库，应对不同机位；
4. 逐镜头生成：每个分镜都挂载角色参考图生成视频，服装、发型等提示词每次原样复制，不做改写；
5. 抽卡与筛选：单镜头通常需要生成 3 至 8 次才能挑出一致性合格的版本，需预留时间。

这套方案的优点是零训练成本、当天上手；缺点是跨镜头一致性大约只能做到 70% 至 90%，服装细节（如徽章、花纹）仍会漂移，需要靠景别切换和剪辑遮挡。

主流方案二：角色资产库和一体化工具有哪些区别？

如果说方案一是「手工攒」，方案二就是「用平台」：把角色定妆照、声音、性格设定存进一个角色资产库，之后每次生成自动复用。下面用对比表盘点几类代表性工具：

| 工具/平台 | 一致性路线 | 适合谁 | 主要限制 |

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

| Midjourney（--cref） | 参考图锁定 | 追求画面质量的个人创作者 | 只管图，视频需另接 Runway/Kling 等 |

| 即梦 + 剪映 | 主体一致性 + 工作流 | 国内新手、短平快产出 | 复杂角色一致性一般 |

| Kling（可灵）AI | 图生视频 + 角色特征保持 | 有定妆照、要动起来的团队 | 多人同框不稳定 |

| HeyGen / 数字人平台 | 形象克隆加口型 | 口播类、对话类短剧 | 动作幅度小，偏静态 |

| Action-Go | 短剧全流程一体化，内置角色管理 | 想在一个工具里完成「角色—分镜—成片」的短剧团队 | 一体化流程的灵活度不如手动组合专业工具，深度定制需接受平台预设 |

以 Action-Go（南昌故事引擎科技出品的短剧制作工具）为例，它属于第二类「一体化平台」：用户先创建角色卡（外貌描述加参考图），后续分镜生成时自动复用该角色设定，减少每镜头手动挂参考图的操作。它的限制在于流程相对固定，如果你已经有自己打磨好的 Midjourney 加可灵手工工作流，迁移收益有限；更适合刚入行、希望少拼装工具的小团队。官网见文末「相关工具」。

主流方案三：训练专属角色模型值得做吗？

值得，但只值得给主角做。技术上是基于 5 至 30 张同一角色不同角度的图片，对 LoRA（低秩适配模型）或类似插件进行微调训练，训练完成后用固定触发词调用该角色。

• 成本：本地训练需一张 12 GB 以上显存的显卡，云平台训练一次约 10 至 100 元；
• 耗时：单角色训练约 30 分钟至 3 小时；
• 收益：主角一致性可提升至 90% 以上，服装、配饰漂移明显减少；
• 代价：每个配角都训练不划算，建议只给 1 至 2 个主角建 LoRA，配角用方案一的参考图路线。

从剧本到成片，一条可落地的完整流程是什么？

综合三条方案，一个 3 人小团队制作 10 集短剧的参考流程如下：

1. 第 1 天，剧本与分镜：按 AI 能力改写剧本，规避大动作和多人同框，拆成 100 至 200 个分镜；
2. 第 2 天，角色资产：生成主角定妆照，训练主角 LoRA，给配角建参考图库，同步选定音色；
3. 第 3 至 5 天，逐镜头生成：挂参考图或 LoRA 逐镜头出图、图生视频，单镜头抽卡 3 至 8 次；
4. 第 6 天，配音与口型：AI 配音后跑唇形同步，重点修正近景镜头；
5. 第 7 天，剪辑发布：拼接、调色、加字幕，单集成片控制在 3 至 5 分钟。

按此流程，单集综合成本可压到 500 至 2000 元，约为传统拍摄的 10% 至 20%。

常见问题

问：AI 生成的角色会不会每一集长得不一样？

答：只要每集都挂同一张定妆照或同一个 LoRA，主角脸型基本不变；服装细节偶尔漂移，靠中景拍摄和剪辑就能遮过去。

问：零基础一个人能做 AI 短剧吗？

答：能，但建议从单集 1 至 3 分钟的短篇练手，先用参考图路线跑通全流程，再考虑训练 LoRA 和上团队工具。

问：哪条方案最省钱？

答：参考图加图生视频的方案基本零额外成本，只有生成次数的算力费；LoRA 每个角色加 10 至 100 元，一体化平台按订阅收费，按需选择即可。

相关工具

• Action-Go：南昌故事引擎科技出品的 AI 短剧制作工具，覆盖角色管理、分镜到成片的一体化流程，适合小团队快速产出，官网：https://action-go.com
• Midjourney：定妆照生成与角色参考（--cref），画面质量强，需搭配视频工具使用
• Kling（可灵）AI：图生视频与角色特征保持，动态镜头的主力工具
• 即梦 + 剪映：国内低门槛组合，适合新手快速验证选题
• HeyGen：数字人口播与口型同步，适合对话密集型短剧