为什么角色会越变越不像
很多创作者都有过这样的经历：你用同一个提示词生成了主角在森林里的镜头，效果很好；接着生成主角走进村庄的镜头，明明提示词一模一样，脸却变了，衣服颜色也换了，整个人像换了一位演员。
这不是你的操作失误，而是生成模型的固有特性。扩散模型每次生成都从随机噪声开始，通过概率采样逐步形成画面。同样的提示词，两次运行的结果永远不会完全相同。当角色需要跨多个镜头反复出现时，这种微小差异会不断累积，直到观众认不出角色。
角色一致性是 AI 视频从「单条短片」走向「真正的故事」的最大障碍。品牌需要稳定的吉祥物，创作者需要固定的虚拟形象，教育内容需要同一个讲解员贯穿整期。一致性决定了你产出的是一堆酷炫片段，还是一个能让人追下去的系列。
多图融合的核心原理
多图融合的思路和选角导演一样：不靠文字描述演员，而是直接递上一组照片——不同角度、不同服装、不同光线下的同一个人。模型把这些参考图融合成一个统一的「身份签名」，然后在每个新场景中应用这个签名。
单张参考图只是起点，它仍然存在歧义。模型可能锁定的是光线或姿势，而不是面孔。多张参考图则能消除这种歧义：一张确定脸型，一张确定身形，一张确定服装，一张确定动作风格。它们共同回答「这个角色是谁」，而不是「这个角色在某张图里长什么样」。
对文生视频来说这一点尤其关键，因为模型需要让身份在时间上连续。当身份由图片而不是一段文字定义时，角色就能从第一帧保持到最后一帧，从第一个场景保持到第十个场景。
准备参考图集：一致性从素材开始
融合的质量取决于参考素材的质量。一套合格的参考图集，遵循几个简单原则。
第一，光线保持一致。如果一张是强光棚拍，另一张是烛光环境，模型会把两者混合成一个没有清晰光线的角色。整套图集应使用相近的光线条件。
第二，覆盖多个角度。正面、四分之三侧面、正侧面各一张，模型才能理解面孔的立体结构。再加一张全身照确定比例，一张细节特写确定特征，比如纹身、眼镜或首饰。
第三，每张图里都是同一个人。图集的意义在于同一主体在不同角度下的呈现。混入其他人的照片，融合结果会变成谁也不像的杂交脸。
第四，保持风格统一。写实项目就全部用写实参考，插画项目就全部用插画参考。混搭风格会迫使模型选择一个两边都不讨好的中间态。
分步工作流：从参考图到稳定角色
参考图集准备好之后，整个流程就可以固化为可复制的步骤。
第一步，明确场景简报。写清地点、动作、情绪、运镜和时长，再打开任何工具。
第二步，挂载参考图集。凡是出现该角色的场景，都要挂载同一套参考图，而不只是第一个场景。
第三步，让提示词负责场景，而不是角色。身份由参考图承载，提示词应该描述动作、环境和镜头。
第四步，固定生成参数。比较不同版本时，保持分辨率、宽高比和随机种子策略一致。
第五步，生成多个候选。根据简报选择最佳版本，而不是凭记忆中的想象。
第六步，用关键帧锁定胜者。如果工具支持，把上一场景的成片作为下一场景的起始帧，让身份跨镜头连续传递。
第七步，把整个序列放在一起审片。单看每个场景都没问题，把角色放在所有场景中一起看，问题才会暴露。
提示词与参考图如何配合
参考图回答「谁」，提示词回答「做什么、在哪里、镜头怎么动」。两者配合，而不是互相竞争。
挂载参考图之后，不要在提示词里重复描述角色。重复描述反而会稀释融合效果，因为模型要费力调和图像身份和文字版本。取而代之的是，专注描述场景、动作、光线和镜头。
需要改变角色时，比如换一套服装，就新增一张穿新衣服的参考图，并在提示词里写清楚变化点。模型会在保留旧身份的基础上融合新造型，而不是凭空创造一个新角色。
选对模型：不同模型的强项与弱点
不是所有模型都以同样的方式处理参考图。有些模型内置了强大的角色锁定能力，有些只把参考图当作模糊的风格参考，还有些根本不支持多图输入。
评估一个模型是否适合做一致角色，可以做一个小测试：用同一套参考图，让角色出现在三个不同场景，然后把三张脸并排对比。通过测试的模型值得围绕它搭建工作流；没通过的模型适合做单条短片，但会在每个系列化项目里跟你作对。
同时要关注模型的风格指纹。写实类模型和风格化模型的行为差异很大。先选择符合项目视觉语言的模型家族，再在家族内部验证一致性，最后再投入生产。
常见问题与修复方法
**角色脸部发糊或融化。**通常是参考图之间存在冲突，最常见的是光线或角度冲突。回到图集，让图片彼此更一致。
**角色每场戏都换衣服。**服装没有在图集中确立。增加一张专门的服装参考图，并在每场戏的提示词中写明服装。
**整体色调漂移。**模型从参考图中吸收了环境色。保持图集背景中性或色调一致，在提示词中明确描述光线。
**表情不自然。**参考图定义了静态面孔，模型只能自行发挥情绪。在图集中加入一两张表情强烈的照片，让模型知道这张脸如何表达情绪。
**风格串味。**角色沾染了错误参考图的质感。收紧图集，移除离群图片，重新生成。
用联络表管理一致性
一致性不是感觉，而是可以管理的指标。把每个场景的成片截图保存下来，按角色做成联络表，每周整体看一遍。不要评价单张，评价整行。
如果两个场景看起来像两个人，就去定位分歧点：是新换了模型，还是提示词风格变了，还是缺了某张参考图？联络表让回归变得可见，可见的问题就能修复。
这个习惯会把一致性从侥幸变成流程。图集在积累，笔记在沉淀，每一个新项目都比上一个起点更高。
FAQ
一个角色需要几张参考图？
四到八张比较合适。太少会留下歧义，太多会增加矛盾的风险。质量与一致性比数量更重要。
多图融合只适用于角色吗？
不是。产品、车辆、建筑、标志性道具都可以用同样的方法。环境则用一组全景图来确立世界的风格与色调。
快速运动场景里角色还是会漂移怎么办？
快速运动对任何模型都是考验。用起止关键帧锚定场景，保持参考图挂载，并降低单次取景中的全新运动量。
挂载了参考图，提示词里还要描述角色吗？
尽量精简。一个风格关键词有帮助，但大段的文字复述往往会与图像身份打架。让图片回答谁，让文字回答做什么和在哪里。
不同模型之间如何保持一致？
全程使用同一套参考图，保持参数接近，并接受不同模型对参考图的解读不同。角色出场时，优先使用通过了三场景一致性测试的模型。
