如何让 AI 角色从参考表到视频保持一致
角色一致性主要是工作流程问题。一条提示词可以描述人物,却不能让每次生成都使用同一个视觉锚点。更稳妥的方法是先制作小型参考表,把身份要求和场景要求分开,重复使用同一组参考素材,再用固定检查项验收每个镜头。
以下步骤与具体模型无关。不同服务可能支持单张参考图、多图、视频参考,或完全不支持这些输入。实际使用前请先确认界面控件。
先制作角色参考表
为同一个原创角色准备 3 到 5 个视角:正面、四分之三侧面、侧面,以及服装重要时的全身图。表情保持中性,光线均匀,背景简单。只有在模型能读取拼图时才把它们放在同一张图里;否则分开上传并标注用途。
在图片旁写一份简短的身份记录:
| 固定内容 | 示例 |
|---|---|
| 脸部 | 圆下颌、短黑发、左眉上方小疤痕 |
| 体型 | 中等身高、偏瘦、肩膀放松 |
| 服装 | 橄榄绿衬衫、米色 T 恤、黑裤、白色运动鞋 |
| 道具 | 左手拿红色笔记本 |
| 镜头间可变 | 表情、姿势、景别、背景 |
描述能观察到的特征,不要用“完美脸”“电影感人物”这类模糊标签。参考图里没有的属性,不要擅自写成固定特征。
拆分身份、场景和运动
每条提示词都分成三个区块:
- 身份区块: 哪些特征必须保持可辨认。
- 场景区块: 地点、光线、色调和时间。
- 镜头区块: 姿势、动作、构图和运镜。
“同一个角色”不如“用参考 A 控制脸部,用全身参考控制服装;保持疤痕、发际线、衬衫和鞋子颜色不变”明确。这样可以把场景从摄影棚换成雨夜街道,而不要求模型重新设计人物。
先做静帧检查,再生成视频
为每个计划镜头先生成一张静帧,在网格中并排比较,尽早拒绝漂移。检查四类内容:
- 脸部: 眼距、下颌、发际线和特征标记。
- 体型: 身高观感、肩宽、手部和轮廓。
- 服装: 颜色、层次、扣件和鞋形。
- 道具: 身份、尺寸以及由哪只手拿着。
静帧不合格时,先修参考图或提示词,再生成视频。视频可能暂时掩盖变化,但不会修复不一致的起始画面。
把多参考控制写成角色分工
如果服务支持多张参考图,明确每张图负责什么:“参考 A 控制脸部身份,参考 B 控制外套,参考 C 控制房间。”不要假设图片越多一致性越好;互相冲突的光线、姿势或服装会造成竞争指令。
yeha 的 图生图工作区 支持基于参考图编辑,当前模型目录也展示了带多参考或角色一致性描述的视频路径。这些标签说明产品入口,不保证每个模型都能保持所有特征。进入具体流程后仍要确认实际输入控件。
每次只改一个变量
保持身份区块和参考图不变,每次只改一个镜头变量:姿势、运镜或背景。把提示词和输出一起保存。如果同时改服装、光线、运镜和动作,就无法判断是哪一项导致漂移。
验收记录可以很简单:“脸部通过;服装失败;道具缺失;运动未检查。”这比因为片段看起来流畅就写“效果很好”更有用。
一个尚未执行的提示词模板
下面是适用于支持参考图和图生视频指令工具的原创示例,尚未执行:
使用参考 A 控制角色脸部,使用参考 B 控制全身服装。保持相同的下颌、短黑发、左眉疤痕、橄榄绿衬衫、米色 T 恤、黑裤和白色运动鞋。在蓝调时刻的安静雨街中,角色左手拿红色笔记本,缓慢朝摄影机走来。只改变背景、姿势和运镜。不要改变年龄、面部结构、发际线、服装颜色、鞋形或笔记本设计。不要出现其他人物、标志、字幕或虚构文字。
这些约束是指令,不是成功保证。请检查完整片段,并把原始参考表留在项目中。
什么时候应该重做参考表
如果每个镜头的人脸、服装和道具都在漂移,继续增加形容词通常没有帮助。重新制作更清楚的参考视角,简化场景,或把复杂镜头拆成短镜头。如果服务不支持所需参考输入,就换用支持的工作流,或把结果视为新的角色诠释,不要称为同一个角色。
关于 Google Nano Banana 图像模型名称和公开背景,可参考 Google 官方介绍。该介绍说明 Google 的产品背景,不代表所有模型或平台的一致性表现。