如果你做过超过5集的AI短剧你大概已经被同一个角色的脸折磨疯了。第一集男主还是个棱角分明的冷脸霸总第三集突然变成圆脸小奶狗第五集换上胡子直接变大叔。弹幕里全是“换演员了”评论区一片“这剧到底几个男主”。这种翻车不是手滑而是AI短剧人物一致性没做好——它几乎是所有AI短剧制作人跨不过去的坎也是“AI短剧迟早要出片”这句话里最难啃的一块骨头。这篇内容我压了很久把从角色设定、三视图尺寸、模型参数、训练LoRA到动态视频生成的全套方案整理成了一条能直接照着跑的完整链路。不管你是刚接触AI短剧的小白还是已经卡在“角色总崩”阶段的半熟手这套方案核心解决一件事让同一个角色从头到尾像同一个人让你不用再靠抽卡式的运气去碰脸。1. 先看痛点AI短剧人物一致性为什么这么难1.1 你崩溃的那一帧是怎么出现的我先描述一个场景你一定不陌生。你用Midjourney出了一张非常满意的男主正面图眼神、发型、衣服都恰到好处。你兴冲冲地拿它去做分镜、动起来结果第二幕换了个机位人物侧过脸鼻子变了第三幕加了光线肤色变了第四幕情绪激动脸的轮廓直接改了。你从头到尾都拿着同一张参考图生成结果却“千人千面”。这背后的核心原因其实不难理解扩散模型每一次生成都是一次噪声去除过程它不认识“张伟”这个人它只是根据你给的条件去重新组合一个“像张伟”的分布。你给了一张正面图它知道正面长这样但你给一个侧面提示词它就只能在“侧面该长什么样”的概率空间里重新猜一张脸。没有一种机制告诉它“张伟的侧面就等于正面图那个人转过去15度”它自然就自由发挥了。第二个坑在提示词。很多人把人物描述写成长篇小说——“帅气的年轻男人深邃的眼神高挺的鼻梁轮廓分明……”这种形容词在模型眼里是高度抽象的同一个词在不同seed下对应的长相完全不同。你今天看到的“帅气”和明天看到的“帅气”根本不是一个“帅气”。这跟你用文字跟画家描述一个人让他画肖像一样五次画出来五个版本这就是AI版“盲人摸象”。第三个坑是动态化阶段。哪怕你静态图保持住了一旦推进视频生成模型要同时处理运动、光流、姿态变化它对脸部的注意力会被稀释。特别是转身、低头、快节奏动作脸部特征几乎必然漂移。这也是为什么有些剧组明明静态图挺稳定一上图生视频就崩。1.2 从根上讲这是扩散模型的三重随机性把问题再压一层你会看到有三重随机性叠加在一起采样起点随机每次生成都从一个新的随机噪声开始哪怕提示词完全一致两次结果也有差异。采样过程随机去噪过程中每一步都有一定的随机扰动采样器会引入概率性偏差。条件映射随机文本条件、参考图条件在模型空间中是模糊对应的同一个条件可以映射出多张不同的脸。这三重随机性叠加的结果就是你每生成一次就等于重新选了一次演员。你之所以觉得“第一集和第三集不像”本质上就是因为你每次都在选新演员只是偶尔两次选得比较接近。理解了这一点你就知道解决一致性不是一个“靠运气”的问题而是一个系统工程——你得把随机性逐步压缩让每一环都锁定在可控通道里。下面这套方案就是沿着这个思路展开的。2. 源头定调用“角色卡三视图”锁住角色的底层代码2.1 为什么你的角色反复变脸缺一个“角色不可变项清单”我第一次做AI短剧踩的最大坑就是没有给角色写“不可变项清单”。什么叫不可变项就是这个角色无论出现在哪一集、哪个场景、什么情绪下都必须保持不变的底层特征。脸型、五官比例、瞳色、发型形状、肤色倾向、标志性特征这些是硬指标不可以随场景风格漂移。最短的角色不可变项清单长这样脸型心形、圆脸、方脸、瓜子脸只能选一个写成确定描述词如“oval face”而不要写“handsome”这种形容词。五官比例眼距、鼻梁高度、嘴唇厚度、下颌线锐利度这些要数字化或者用固定词锁死。发色与发型具体色号如“银灰色短发长度到耳垂”不要写“时尚发型”。瞳色与眉形瞳色固定眉形固定如“浓眉微平略粗”。肤色与质感肤色倾向冷白、暖白、小麦肌肤质感平滑、有细纹、胶原感。标志性特征泪痣、疤痕、耳钉、特定项链选一到两个贯穿全剧。很多新手角色容易崩就是因为在“不可变项”里混入了大量“可变项”——今天的情绪是愤怒眼神就要凌厉明天是温柔眼神就写成温柔。你可以描写情绪但不能在描写情绪时把五官给改了。情绪描述加在“表情”位置不可变项永远锁在“长相”位置。2.2 三视图尺寸怎么定实操参数与出图逻辑“三视图尺寸最好多少”这个问题很多人在问我也反复测试过直接给结论三视图不要作为最终画面使用它是给模型、给后续图生图流程吃的“基准物料”。所以尺寸的核心诉求不是屏幕比例而是“人脸占比够大、形变足够小、正中构图”。我推荐用正方形画布分辨率优先常见是1024×1024竖屏短剧的人脸在竖构图里占比较小不利于锁定五官细节。反而方形图人物居中人脸在画面中占比更大后续裁剪、放大、重绘都更灵活。如果你的平台支持更高分辨率比如SD加高清修复可以出1536×1536但没必要一味堆高人物特征锁定靠的不是像素高而是特征描述稳定。三视图的“三视”我建议拆成三个独立Prompt分别生成而不是画在同一个画布里让AI排布。很多人拿着“前后侧三视图”单张图去做角色参考效果很差因为模型压缩了三个人脸视角每个视角的细节都糊掉了。我的做法是正面定妆照一张锁定全脸特征、发型、服装正面。左侧四分之三侧一张锁定侧面轮廓和鼻梁形态。右侧四分之三侧一张锁定另一侧轮廓。生成时共享同一组不可变项用相同的seed池尽量贴近出来后再做筛选发现细节不一致的用inpaint局部修正。三张视角图不需要绝对一致但主要五官比例必须对得上。2.3 角色卡长什么样模块化描述词模板角色卡不是一行提示词而是一组结构化的描述体系。我把我现在用的模板分享出来你直接套用就行。基础模块格式[主体类型]single male character上半身肖像 [脸型]oval face窄下颌颧骨适中 [眼睛]深棕色瞳孔双眼皮眼距略宽 [鼻子]直鼻梁鼻尖微圆 [嘴唇]中等厚度上唇薄于下唇嘴角平直 [发型发色]银灰色短直发长度到耳垂刘海向右偏分 [肤色肤质]冷白色调细腻平滑轻度哑光 [标志特征]左眼角下方一颗小泪痣右耳戴黑曜石耳钉 [服装]黑色面料机车夹克内搭灰白色圆领T恤 [画质风格]photorealistic35mm镜头自然光高清细节 [负面描述]asymmetrical facewrong nose变形五官artifacts这个角色的底层代码就锁住了。之后你在任何一集想让他“大笑”“愤怒”“低头沉思”只需要替换掉括号里的表情和机位词而把前面[脸型]到[标志特征]的块原封不动复制。这就是模块化描述词的逻辑——像搭积木一样底层块永远不动只动上层状态块。提示把每一集用到的角色描述词统一保存成一个“角色词条”不要今天写得详细明天写得简略。模型是看整体权重的少了一个词特征就可能漂移。3. 稳定复现从“碰运气”到“每次都是他”的生成链路3.1 图生图参考图的中心思想让模型“照着这个人画”文字描述再模块化也是有天花板的。真正要跨过“每次都是他”这道坎必须把“以图生图”作为主链路。不管是Midjourney的cref角色参考函数还是Stable Diffusion的图生图模式核心思路都一样的让模型看着这个人去画这个人而不是凭想象力去猜这个人。Midjourney的用法比较直观。在提示词后加上--cref 你的角色图URL --cw 100模型会优先参考这张图的角色特征权重越高越贴角色。如果你觉得面部过于贴、场景不够多变就把cw降到60-80给环境发挥一点空间。这个参数本质就是“相似性”和“自由度”的天平。Stable Diffusion那边的逻辑稍有不同。你用图生图模式输入角色图再配合ControlNet的OpenPose做人物的动作姿态控制就能实现“脸是那张脸动作换一批”的效果。如果你想让角色做各种姿态但脸不动可以叠加局部重绘只锁定脸的区域把身体交给新提示词控制。3.2 五个关键参数与计算选型逻辑参数不调好再好的方案也是白搭。我直接列五个最关键参数附带我的经验值参数推荐范围作用与风险重绘幅度/denoising strength0.3-0.5决定新图和原图的相似度太低不变化太高会换脸提示词引导系数CFG5-8控制文本对画面的约束力太高画面过硬甚至过曝ControlNet权重0.7-1.0姿态约束力度权重过高会让动作生硬参考图权重(cref/cw)80-100角色相似度权重做场景分镜时建议80-90随机种子seed固定一坑同样参数下唯一变量固定seed才能稳定复现重绘幅度这条我要重点说。很多人图生图喜欢拉到0.6-0.7觉得画面变化大、新鲜感强。但AI短剧讲究的是“同一演员在不同场景”不是“同题材换演员”。我实测下来0.4左右是安全线脸部五官还能锁住超过0.55脸型、瞳色、发型都开始漂了。如果你需要大幅改变背景优先考虑换ControlNet控制类型、保持原图ID特征而不是单纯拉高重绘幅度。seed值的运用是很多人忽略的高级技巧。当你找到一张“完美脸”之后记下这组seed值和完整参数池后续所有分镜都基于这组参数池微调而不是每次重新抽。这就像演员定妆照拍好了进组之后按固定的化妆方案化妆每场戏微调造型但底妆和轮廓不变。3.3 进阶玩法训练一个角色LoRA究竟值不值得如果你已经决定做12集以上的短剧我强烈建议你评估训练一个角色LoRA的投入产出比。所谓LoRA就是在一个基础模型之上用少量角色图片做微调让模型学习到“这个人长什么样”的低维表征。训练完之后不管你怎么换场景、换情绪、换服装只要挂上这个LoRA模型就倾向于画出同一个人的脸。训练LoRA需要的素材至少20-30张同一角色的不同角度、不同表情、不同光线的图片先全部统一裁剪对齐尽量包含正脸、双侧面、四分之三侧和抬头低头角度。训练参数我建议batch size 1-2学习率控制在1e-4到3e-4训练步数在1500-3000之间循环次数5-10。训练完一定要用没用过的提示词跑一组验证图观察脸是否稳定、服装是否固化、是否产生“LoRA脸”的同质化。对于只有三五集的短剧我建议不值得训练LoRA直接参考图固定描述词够用了。训练的成本不仅是时间还有可能带来的风格污染——很多LoRA训练完角色的脸会变得过于“模型平均脸”反而丧失了你最初选角的那股生动劲。4. 贯穿全集从单张神图到动态连贯的完整流程4.1 一张图的方案单次生成的极限静态图的极限在哪儿就是当你在同一集内连续生成十几次画面角色每次都很像。这一阶段的关键是用“角色校验图”做质量把关。什么叫校验图就是你每一批生成结果出来后先把脸裁出来跟角色正面定妆照拼在一起肉眼比对五官比例。我发现一个效率极高的校验法不要只比“像不像”要比“哪里不像”。眉毛角度、瞳色、下颌线宽度、鼻尖形状这四个点位是最容易漂移的。建立一张“角色五官差异记录表”每次崩了就记录是哪个点位漂移然后回到提示词里强化对应描述。这玩意比盲目调参数高效得多因为它让你知道模型到底在哪个环节偷懒了。4.2 动态化图生视频里怎么保住同一张脸静态图解决之后大头在图生视频环节。目前主流工具里可灵、即梦、Runway都有首尾帧模式。首尾帧的思路特别好理解你给第一帧角色定妆照和最后一帧同一角色的另一个姿态让模型自己脑补中间的过程。因为首尾两头都被锁定了中间的过渡理论上不会偏离太远。实际操作里有个坑首帧和尾帧如果差别太大比如一个正面一个背面模型中间会直接“换头”。我的做法是首尾帧差异控制在中低程度先做小动作的片段比如主角转头、抬眼、微笑每个片段控制在3-5秒然后靠剪辑拼接成长镜头。不要试图让AI一口气完成大场面动作那等于让它在中间自由发挥自由发挥的结果必然是崩脸。另外动态化阶段强烈建议关闭任何自动变脸的后期增强。有些视频工具默认带人脸增强功能它对静态美颜有帮助但对一致性是灾难。它会自动“美化”每一帧的脸结果就是每帧都有自己的审美连起来看就是整容机构宣传片。4.3 全集工作流设计把一致性变成“流水线”做到这一层你要开始用流程去倒逼一致性。我自己的AI短剧全流程工作台长这样定角色库每个主角建立独立文件夹内含三视图、角色卡、不可变项清单、定妆照seed池。定场景模块每个场景独立一个图生图任务基于角色库出背景人物合成图。定分镜模块每一镜先出静态关键帧通过校验图合格后再进入视频生成。定素材审查每一段视频生成后提取中间帧做二次比对不合格就重抽该片段的首帧或重跑。统一后期剪辑时统一调色、统一字幕风格弱化单帧的微小差异。整套流程的核心原则是一致性不是靠最后一期集中修补而是靠每一环节都设置一个“校验点”。每过一道关卡角色就被锁定一次到了剪辑台你已经拥有了一批高度统一的素材库。很多AI短剧最后崩得一塌糊涂不是某一环做得差而是整条流水线没有校验点问题层层传递到成片里才爆发。5. 避坑实录我踩过的坑和排查速查表5.1 六大高频翻车现场列几个我亲手踩过的坑你大概率也会遇到场景风格干扰角色。阴雨场景加了冷色调结果角色肤色跟着变成铁青。这就是“不可变项”被场景风格污染了。我的解法角色卡里明确肤色倾向并在负面提示词里加“altered skin tone”必要时用局部重绘把脸圈住防止调色波及。换衣服换脸。角色换了套西装五官跟着变了。这是因为模型把服装和人物特征耦合了。解法换服装时用图生图脸部区域锁定局部重绘范围只勾选衣服区域。情绪幅度过大导致五官扭曲。大笑、愤怒场景最容易崩。解法情绪生成后先看静态帧合格再动态化动态化时首帧用中性脸起手。侧脸永远崩。很多角色正面定妆照很完美一到侧脸就变形。解法前期多生成几张四分之三侧、90度侧面作为角色库素材不要只留一张正面图。seed池混乱导致角色变异。很多是不同任务里seed参数不一致导致的。解法用固定基础seed偏移量做管理每个角色分配一个基础seed值所有分镜都从它派生。动态化时多角色同框互相污染。主角和配角同框配角的脸会带主角特征。解法多角色同框时先单独生成各角色的动作素材再用后期合成不要让AI同时生成两个复杂人物。5.2 排查优先级建议如果你发现角色崩了别急着盲目改提示词。我建议按优先级排查先看有没有跨工具链MJ出的图拿SD动态化SD出的图拿可灵动态化不同工具对提示词和颜色空间的理解不同跨平台最容易漂移。再看参考图质量是不是存在过度美颜、精修痕迹明显的图。参考图越“原生”锁定效果越好。再看提示词里有没有冲突描述比如同时写了“old man”和“young skin”模型就会两头摇摆。再看重绘幅度和CFG的搭配重绘幅度高于0.5、CFG低于5的组合脸基本必崩。最后才考虑训练一个专属模型或调整seed。按这个顺序排查基本十分钟内能定位问题。不要一上来就重抽100张图碰运气那是最低效的路径。根据我个人实际测试下来的体会这一套方案最核心的奥秘就一句话把AI短剧的演员当成真人员工来管理。你从不定妆照不做演员档案不固定化妆方案那演员每次出镜当然长得不一样。但一旦你建立了一套完整的“演员管理系统”角色一致性就不再靠运气而是靠流程。最后再分享一个小技巧每集开拍前先用上集最后一个镜头的角色图跑一张“本集状态确认图”确认这张图跟定妆照对得上再开始批量生成这个动作能帮你避开一整集的崩脸噩梦。
