角色一致性:目前仍然最难的那件事

一个能做到的例子:同一张脸,四个年龄

人像 / 写真信息图 / 教育视觉图 - 男性年龄演变肖像

同一个人的四个年龄段,拼成一张。中间三处是硬切的分界线,而两侧的脸要让人认出是同一个人。

🎨 生成这张图的提示词复制提示词

创建一个超写实的年龄演变肖像序列，展示同一位男性在 {argument name="stages" default="4 个主要生命阶段：儿童（6 岁）、青年（25 岁）、中年（45 岁）和老年（75 岁以上）"} 的变化。使用附带的儿童面部照片作为最年轻阶段的精确身份参考，确保每个年龄阶段看起来都是同一个人随时间自然衰老的结果，并在所有年龄段中保持一致的面部结构、鼻型、眼睛颜色、下颌线、肤色、眉形、嘴唇和面部比例。将四张面孔以紧凑的重 …

展开完整提示词（共 484 字）

它成立靠的是**把一致性收进同一张图里**——四个年龄同框,模型在一次生成中同时处理它们,可以互相参照。仔细看能验证它确实做到了:**眉骨的形状、鼻梁的走向、下巴的轮廓、眼距**在四段之间是连贯的,变的是皮肤松弛度、发色、发际线和肌肉量。**但这也正好说明了它的局限**:这是“一次生成内部的一致性”,不是“跨多次生成的一致性”——后者难得多。

两条腿:外置设定 + 角色参考图

第一条腿:把角色设定外置。

不要指望模型"记住"你的角色——它不记得。每一次生成都是独立的一次,你上一张图里的人物,对下一张来说不存在。

所以要建一份角色设定文档,自己维护,每次原样粘进提示词。至少包含:

最后那一行最有用。 一个足够独特的记忆点,能让观众"认出"这个角色,即使五官有细微漂移——观众认人靠的是显著特征,不是精确的几何比例。

第二条腿:用角色参考图。

h2.3 说过,官方把参考图分成三类,其中角色参考图是单独一类,有独立的额度:

注意最后一行。 最便宜的那一档根本不支持角色参考图——如果你的工作是做系列角色,选错档位等于这条腿直接没有。这是 h0.4 讲的"能力边界"在具体场景里的一次体现。

边界:什么时候它一定会飘

诚实交代几种已知会变难的情况。这些不是本课实测的结论,是从"一致性靠什么成立"推出来的——你可以自己验证:

1. 换角度。 参考图是正面,你要侧面或背面——模型得"想象"没见过的那一面。
2. 换表情幅度。 平静到大笑,五官形变很大。
3. 多个角色同框。 特征容易互相串。
4. 角色离得远、占画面小。 脸只有几十像素时,细节撑不住。
5. 跨越多次生成的长序列。 每一次都有微小漂移,十张之后累积起来就不是同一个人了。

应对的思路是同一个:让每一次生成都尽量"看得见"前一次。

• 能同框就同框(像上面那个四年龄的例子);
• 不能同框,就把上一张当参考图带进去;
• 序列长的话,始终以最初那张设定图为参照,而不是以上一张为参照——否则误差会一代代累积。

🔧 动手做:写一份角色设定卡(5 分钟)

哪怕你现在还不需要做系列图,这个练习也值得做一次。

1. 挑一个角色——你自己、一个虚构人物、或者你想做的品牌形象。
2. 按上面五项写下来:脸型五官 / 发型发色 / 常穿 / 体型 / 一个记忆点。
3. 重点在第五项:想一个足够独特、一眼能认的东西。不要写"很有气质",要写"左眉尾有一道浅疤""总戴一副圆形金丝眼镜"。
4. 把这五项拼成一段一百字左右的文字,存成一个可以随时复制的片段。这就是你的角色设定卡。
5. 最后确认一件事:你现在用的工具/档位,支不支持角色参考图? 不支持的话,你只有"外置设定"这一条腿——那第 3 步的记忆点就更重要了。

你会看到:写到第 5 项时,你会发现自己想不出一个足够独特的记忆点。这本身就是一个信号——如果连你都说不出这个角色最显眼的特征是什么,模型更没办法把它稳住。

为什么:一致性不是靠某个咒语实现的,是靠你把角色变成一份可以反复原样输入的规格。这份规格越具体、记忆点越独特,一致性越稳——而这份规格由你维护,不由任何工具维护。