怎麼讓 AI 生成的角色在不同圖片中保持一致？

為什麼角色會跑掉

圖片模型在兩次執行之間沒有記憶。每次生成都從新的隨機雜訊出發，從頭讀取你的提示詞。像 a young woman with short black hair 這樣的描述，涵蓋了數百萬張可能的臉，模型每次挑的都不一樣。用字、姿勢或鏡頭角度稍有變動，結果就會偏得更遠。

所以一致性不是來自模型的記憶，而是來自你每次都給模型相同的資訊，而且是工具接受的所有形式：相同的文字、相同的參考圖，大型專案則再加上一個學會該角色的小型訓練模組。下面的方法從成本最低到工程最大依序排列，多數專案會組合其中兩三種。

第 1 步：寫一段固定的角色描述

把描述只寫一次，存在文字檔裡，每個提示詞都原封不動貼上。細節依可見度由高到低排列，且只寫觀眾看得到的東西。

MEI (character block, paste unchanged)
adult woman in her late 20s, East Asian, oval face, straight black hair
in a chin-length bob with blunt bangs, dark brown eyes, small mole under
the left eye, slim build, wearing a mustard-yellow raincoat over a white
T-shirt, dark blue jeans, white sneakers, round silver earrings

之後每個提示詞都由角色描述加上場景組成，只有場景會變：

[MEI block], standing at a bus stop in the rain, holding a clear umbrella,
night, neon reflections on the wet road, medium shot, 35mm photo

• 選有辨識度的特徵：一個不尋常的顏色、一件配飾、一個臉上的記號。Mustard raincoat 和 mole under the left eye 比 pretty 更容易檢查和重現。
• 避免每次執行含義都會變的詞，例如 stylish outfit 或 cute。
• 風格用語放在描述區塊之外，這樣想把場景從照片換成插畫時，不必修改角色。
• 你可以在筆記中替角色取名，但提示詞不要依賴這個名字；除非你訓練過模型，否則自編的名字對它毫無意義。

第 2 步：製作角色設定圖

角色設定圖是一張（或一小組）圖片，在素色背景上從多個角度清楚呈現角色。它會成為之後每個鏡頭都要回頭參照的依據。

1. 用角色描述在素淨的淺灰背景、中性光線下，生成許多全身候選圖。
2. 選出你最喜歡的一張臉。這就是標準臉，不要再繼續探索。
3. 製作該角色的轉面圖：正面、四分之三側面、側面和背面。以選定的圖片作為參考，或對每個角度使用姿勢控制。
4. 加上一排表情（無表情、微笑、驚訝、生氣），以及臉部和配飾的特寫。
5. 用局部重繪修正錯誤，然後以完整解析度儲存設定圖，並在旁邊寫上角色描述。

character turnaround sheet of [MEI block], front view, three-quarter view,
side view and back view, full body, standing in a neutral pose,
plain light gray background, even soft studio light, clean illustration

設定圖要保持乾淨。參考圖上若有雜亂的背景或戲劇性的光線，會連同臉一起被複製到之後的圖片裡。

第 3 步：每次生成都帶上參考圖

多數現行工具至少接受一張圖片作為參考。託管工具稱之為角色參考（character reference）、主體參考（subject reference）或單純的上傳圖片；開源工作流程則使用 IP-Adapter 之類的轉接器，把參考圖轉成特徵，與文字一起引導模型。請給模型設定圖中的臉部特寫和一張全身圖，再用文字描述新場景。

• 使用符合鏡頭的裁切：特寫用臉部參考，遠景用全身參考。
• 如果每張圖都複製了參考圖的姿勢和背景，就調低參考權重；如果臉在漂移，就調高。
• 不要用上一張生成的圖片接力當參考。誤差會累積。一律回到已核可的設定圖。
• 姿勢必須完全一致時，再加上姿勢控制圖。請見圖生圖指南。

種子：有用，但有限

種子固定的是隨機起始雜訊。在相同的模型、設定和提示詞下，相同的種子會產生幾乎一樣的圖片，所以種子很適合為同一個鏡頭做小變化：換表情或光線，其餘都不動。

種子並不能讓角色跨越不同場景。改變姿勢、背景或構圖，同一個種子就會產生不同的版面，臉往往也跟著變。換模型、工具版本、硬體或取樣器時，它也會失效。請把種子視為重現一張圖的方式，而不是角色的身分。

長期專案的第 4 步：LoRA 與微調

對於漫畫、系列作品，或出現在數百張圖片中的品牌吉祥物，最強的選擇是直接教會模型這個角色。開源工具中常見三種方法：

訓練資料比設定更重要。請使用設定圖和已核可鏡頭中同一角色的圖片，角度、表情、光線和背景都要多樣，並為每張圖寫上說明。如果每張訓練圖都是同樣的背景或姿勢，LoRA 連那些也會學進去。提供自訂角色的託管服務，背後做的也是類似的事。

連貫性檢查表

新圖放進專案之前，把它與角色設定圖並排比對。有任何一項不合格，就修正或重新生成。

為每個鏡頭保留簡單的紀錄：提示詞、種子、使用的參考圖、模型，以及做過的修正。日後專案中角色開始跑掉時，紀錄能告訴你是哪一項改動造成的。影片也適用同樣的規則，逐鏡頭套用；多鏡頭影片指南會說明如何讓角色在動態中延續。