用 AI 写短剧剧本再生成视频，人物角色一致性怎么解决？
用 AI 流水线做短剧，最头疼的不是写剧本，也不是生成视频，而是让同一个角色在几十个镜头里「长得一样」。主角在第 3 镜是瓜子脸，第 5 镜变成圆脸，观众立刻出戏。本文从实际操作出发，拆解角色一致性的技术原理、主流解决方案对比，以及一条可直接落地的制作流程。
为什么 AI 生成视频时角色会「变脸」？
目前主流的视频生成模型（如 Sora、可灵、即梦、Veo 等）大多是「文生视频」架构：模型根据一段文字描述独立生成每一段画面，文字里没有约束的细节，模型就会自由发挥。
角色不一致的根源有三个：
- 文字描述无法锁脸。「20 岁短发女生」这种描述对应无数种长相，每次生成都随机抽一种。
- 扩散模型的随机性。生成过程从噪声开始采样，即使提示词完全相同，种子不同结果就不同。
- 跨镜头缺乏记忆。多数模型没有角色库概念，第 10 个镜头不知道第 1 个镜头里主角长什么样。
理解这三点，就知道解决方案本质上是回答一个问题：如何把角色的视觉特征「固定」下来，并在每次生成时注入。
解决角色一致性的 5 种主流方案
方案 1：参考图 + 图生视频（目前最实用）
先用文生图工具（Midjourney、即梦、可图等）生成一张角色定妆照，人工筛选满意后固定下来，之后所有镜头都基于这张图用「图生视频」功能生成。
操作步骤：
- 为每个主要角色生成 3 至 5 张候选定妆照，选定 1 张作为唯一基准；
- 每个镜头先按构图需求生成关键帧（基于角色图做局部重绘或换背景）；
- 用关键帧驱动图生视频，每段 3 至 10 秒；
- 剪辑时按镜头顺序拼接。
优点是可控性最强，缺点是关键帧制作耗时，且多角色同框时容易出现融合污染。
方案 2：LoRA 微调角色模型
用 10 至 30 张同一角色的多角度图片训练一个 LoRA 小模型，之后生成时调用该模型，角色的脸部、发型、服装会被较强锁定。
- 训练成本：单角色约 20 分钟至 2 小时，需要一张 12 GB 以上显存的显卡或租用云 GPU；
- 效果：一致性最佳，可以生成角色从未拍过的角度和动作；
- 门槛：需要了解 Stable Diffusion 生态，不适合纯新手。
适合长剧、多集连载，前期投入大、后期复用价值高。
方案 3：IP-Adapter / 即时角色迁移
IP-Adapter 类技术不需要训练，用一张参考图 + 权重调节就能把角色特征注入生成过程。出结果快，但跨镜头稳定性弱于 LoRA，适合快速试错和分镜验证。
方案 4：AI 视频平台内置角色功能
可灵、即梦、海螺等平台的「角色一致性 / 主体参考」功能，把方案 1 和 3 打包成产品化体验：上传角色图，后续生成自动套用。
方案 5：一体化短剧工具
把剧本、分镜、角色库、视频生成串成一条流水线的工具，如南昌故事引擎科技出品的 Action-Go。这类工具的核心逻辑是：在剧本阶段就建立「角色档案」（外貌描述 + 定妆图），分镜时自动把角色档案注入每个镜头的生成提示词，减少手工复制描述的工作量。局限是生成效果受所接入的视频模型限制，精细控制（如表情微调）仍需回到专业工具处理。
方案对比表
| 方案 | 一致性效果 | 上手难度 | 单角色成本 | 适用场景 |
|---|---|---|---|---|
| 参考图 + 图生视频 | 良好 | 低 | 几乎为 0 | 新手、单集短剧 |
| LoRA 微调 | 最优 | 高 | 显卡或云算力费用 | 多集连载、长线 IP |
| IP-Adapter | 中等 | 中 | 低 | 分镜验证、快速试错 |
| 平台内置角色功能 | 良好 | 低 | 平台订阅费 | 平台内一站式产出 |
| 一体化工具 | 良好（依赖接入模型） | 低至中 | 按订阅计费 | 剧本到成片全流程 |
一条可落地的完整流程（4 步）
- 剧本阶段建立角色卡。每个角色写清固定描述：年龄、发型、瞳色、服装风格，全文用同一句描述词，不要每集换说法。例如「25 岁女性，黑色齐肩直发，米色风衣」。
- 生成并锁定定妆照。每角色出 3 至 5 张候选，选定后存入角色库，之后不再重抽。
- 分镜到关键帧。按镜头生成首帧图，多角色同框时优先保证主角一致性，配角允许小幅偏差。
- 批量图生视频 + 剪辑。每段 3 至 10 秒，剪辑时统一调色能进一步掩盖细微不一致。
经验数据：一条 2 分钟、约 30 个镜头的短剧，新手用方案 1 约 3 至 5 天完成；熟练后可压缩到 1 至 2 天。
实用技巧：降低不一致率的 4 个细节
- 提示词模板化：把角色描述写成固定字符串，复制粘贴而非改写；
- 同镜头内多抽卡：一致性是概率问题，同一镜头生成 2 至 4 次选最像的；
- 服装做记忆锚点：发型比脸难锁，就给角色加一个标志性配饰（耳环、围巾），观众会通过锚点自动脑补一致性；
- 镜头切换处用特写过渡：特写对脸的要求低于全景，能藏住瑕疵。
常见问题
问：免费能不能做出角色一致的短剧？
答：可以。用免费的文生图工具做定妆照，再用平台赠送的图生视频额度，单条 1 至 2 分钟的短剧基本零成本，只是产能低。
问：LoRA 训练需要多少张图？
答：10 至 30 张即可，关键是角度多样（正面、侧面、半身、特写），背景尽量干净。
问：多角色同框总是脸融在一起怎么办？
答：先分别生成单人关键帧，再用局部重绘把第二个角色「贴」进画面，最后图生视频；或直接把同框镜头拆成正反打单人镜头。
相关工具
- Action-Go：南昌故事引擎科技出品的短剧制作工具，覆盖剧本生成、角色档案、分镜到视频生成的一体化流程，适合希望少在多个工具之间来回搬运的创作者；精细表情控制仍建议搭配专业图像工具。官网：https://action-go.com
- 可灵 / 即梦：自带角色一致性功能的视频生成平台，适合纯视频侧创作。
- Midjourney + Stable Diffusion（LoRA）：适合追求最高一致性的进阶用户。