先说结论AI短剧人物一致性不是某一个模型的参数能解决的问题是整条生产流程的设计问题。很多人做AI短剧第一集出来惊艳第二集开始角色脸变圆了第三集衣服换色了第四集直接换了个演员。这不是你运气差而是从角色设计、参考图管理、镜头拆分到后期修复整个流程里没有给“一致性”留位置。这篇我就把我在实际项目里跑通的一套方案完整拆开从工具搭配到资产库管理从单角色连续动作到多角色同框处理全讲清楚。适合正在做AI漫剧、短剧或者打算入局的人哪怕你是刚接触AI视频生成按这套思路走也能少浪费几十个小时的返工时间。1. 为什么AI短剧的翻车点总是“人物不像”——先把问题定性做AI短剧之前大多数人已经有了用AI画图的习惯。画图画一张好看的角色图很容易但短剧是连续镜头问题一下子就变了。我这里要先说一个底层逻辑AI画图是单帧生成AI视频是时序生成这两者的一致性难度完全不在一个量级。1.1 视频生成为什么会“忘记”角色长相文字生成图片的模型你输入一个角色描述它输出一张完整图片生成过程里几乎不存在“上一帧记忆”。但视频生成模型在推理时要做帧与帧之间的预测它需要同时保证画面自然运动和人脸不变。当前很多视频模型的空间表现力很强但时间一致性是短板尤其是面部细节这种高频信息模型在几个镜头之后很容易漂移。我做过一个测试用同一个角色参考图生成三段同一视角的视频结果三段视频里人物的眼睛颜色、眉形、嘴唇厚度都出现了肉眼可见的差异。这真不是提示词写得不够细而是模型在时间维度上的特征锁定能力有限单靠文字描述根本约束不住面部细节。所以你需要依靠的不是更长的提示词而是更稳定的参考机制和资产管控制度。1.2 一致性远不止一张脸很多新手以为人物一致性就是脸像做的时候只盯着五官看结果衣服、发型、配饰、画风全在飘。实际项目里我会把一致性拆成七个维度每个维度都有不同的生成控制手段。一致性维度常见翻车表现根因脸型/五官脸一会儿圆一会儿窄参考图权重不足或素材不统一发型/发色刘海方向变了、发色变浅只在提示词里描述没有图像锚定服装/配饰领口形状改变、徽章消失服装细节没有独立角色卡身材比例头身比忽高忽低画幅、焦距、视角参数不固定画风/光影写实和动画感混搭底模、风格参考没有全局统一声音/语调音色切换、情绪断档配音音色没有锁定种子道具/场景关键物品时有时无缺少统一的物品资产库你会注意到脸只是其中一项。我见过有人花三天磨脸的一致结果看到正片时发现男主穿着的衣服一会儿有兜帽一会儿没兜帽那才叫崩溃。所以做项目的第一步不是着急生成素材而是把这七个维度全部列成一张“一致性检查表”生成每一批画面之前先过一遍表很多后期返工根本不会发生。1.3 从“画得好看”到“演得连贯”思路必须换AI画图时可以为了画面美感牺牲一部分稳定性比如某个角度特别好看就用那个角度。但AI短剧需要的是角色能在不同场景、不同情绪、不同动作下都保持同一张脸。这个转变带来的最大变化是你不能把角色当成一张图来运营要当成一个虚拟演员来管理。虚拟演员有“定妆照”有“侧写”有“状态表”。每次生成镜头时你做的不是重新描述这个人而是调动这个演员在不同情景中的表现。习惯了这个思路之后你再回头去看那些生成崩了的镜头会发现大部分问题不是模型不行而是你根本没有给模型足够多的“同一人”的锚定信息。2. 开拍前先把套件定死——工具组合与风格基线的选择很多人的项目死在第一步今天用这个工具生成角色明天换另一个工具做视频后天又拿新工具修图。每个工具的审美倾向、画风理解、特征保留方式都不一样混在一起等于自己给自己制造不一致。我现在的原则是一套项目、一套工具链、一种风格基线工具可以换但同一部剧绝不中途换血。2.1 按生产链路搭工具栈而不是“谁火用谁”AI短剧的生产链路大致分成四段角色创作、分镜生成、视频生成、后期修复。每一段选一个主力工具并且确认工具之间的数据能无缝衔接。我的常用组合是角色创作先用生成模型产出概念图再用局部重绘细化角色细节确保生成的角色明确、特征清晰。分镜生成使用支持参考图权重调整的图生成工具把角色“定妆照”作为固定参考为每个镜头生成基础画面。视频生成选择支持首帧/尾帧控制或者参考图驱动的视频模型最关键的是要能把分镜图和角色参考图一起喂进去。后期修复准备一个专门的面部修复和超分工具负责把视频帧里被压缩、被柔化的人脸细节找回来。这套组合不需要每样都是最前沿关键是每个环节都允许输入外部参考图。有些工具生成单图很强但根本没法接收参考图那它就不适合做短剧系统的核心顶多用来铺背景或做氛围板。2.2 全剧组共用一个风格基线风格基线什么意思就是全剧统一视效的基准参数。我会在项目启动第一天确认四件事底模方向、渲染风格、光线逻辑、画面比例。底模方向就是你是偏写实、偏二次元还是偏3D渲染感一旦定了就不改渲染风格解决的是“线稿硬度”“色彩饱和度”“光影对照”这些基础审美。光线逻辑决定角色在白天、夜间、室内、室外时是否有统一的光源习惯否则同一个角色在不同场景像活在两个世界。操作上有一个很笨但有效的办法建立一份“风格提示词模板”里面固定写清楚画风、镜头、光影、画幅、负面提示词。每次生成任何角色的任何镜头都在这个模板基础之上只替换动作、场景、表情这些变量。这样即使AI偶尔抽风整体画风至少稳定修起来也容易。再补一个细节画面比例。竖屏短剧我会固定用9:16同一部剧里偶尔出现的横屏镜头必须重新构图而不是简单拉伸因为拉伸会造成人脸变形直接影响一致感。分镜阶段就把画幅锁死不要留到后期再裁切。2.3 提示词模板外观特征写进固定区块我见过不少人每次生成都重新写一遍角色外貌描述结果描述文字一旦变了脸就会跟着变。正确做法是把角色外观写成一个固定区块每次原样复制然后在此基础上追加动作词和场景词。比如男主角的固定区块长这样角色名陆沉性别男28岁面部棱角分明下颌线清晰发型黑色微卷短发右侧刘海略微遮住眉尾眼睛深棕色内双眼皮眼神冷峻标志特征右耳戴一枚银色耳钉左眉尾有一道细疤服装深灰色长款风衣内搭黑色高领金属腰带扣每次生成镜头时这段内容原样放在提示词最前面后面再接“站在雨夜街道回头看向镜头眼神警惕”。你会发现就算模型没能精准画出所有细节至少高频特征——耳钉、眉疤、风衣——都能被保下来。这些高频特征正是观众辨认角色的锚点。2.4 声音一致性和画面一样重要AI短剧大多数都用AI配音但很多人在画面一致性上花了大量时间配音却随便选个音色。我踩过这个坑第一集男主的配音用了明亮青年音第三集觉得不够沉稳换了个低音炮结果整部剧的人设直接割裂。配音层面要做的也是“资产化”给每个角色录制5-10秒的种子音频用语音克隆工具锁定音色之后所有台词都用这个音色生成。注意语气和情绪也要分类型管理不能每句话都同一个调子。我会给每个角色做一份情感音频表正常说话、愤怒、悲伤、惊慌、开心每类语气的音色统一但语调可变。千万别让配音模型在长文本生成里自由发挥否则一段台词里情绪乱跳观众很容易出戏。3. 人物资产库——让每个角色有张“AI身份证”角色不是生成一张图就叫完成了。真正能支撑整部剧的角色资产是一个包含多角度、多表情、多状态参考图的完整文件夹。我把它叫“角色资产库”这可能是整个项目里最值得花时间的地方。3.1 角色卡模板四视角定妆照不管用什么工具生成角色最终角色卡我都会整理成统一格式包含以下几项正脸特写照用来锚定五官布局、眼睛距离、鼻型、唇型。侧脸照用来确认鼻梁高度、下巴轮廓、耳型。全身正面/背面照用来锁定服装、鞋、身姿习惯。2-3张表情参考平静、微笑、愤怒等关键情绪下的脸型变化。标志性道具独立图如果角色有佩剑、项链、机械臂等单独生成一张高清道具图。这组图生成完之后我会用脚本批量重命名像001_正脸_标准.png、002_侧脸_右侧.png这样。命名规则特别重要因为后期做视频生成、局部重绘时你需要在几十个文件里快速认出一个角色文件名不统一会浪费大量时间。这些参考图不是一次生成就完事后续每一集开拍前都要复查一遍如果角色某集换了衣服、换了发型资产库必须同步更新否则AI会拿着旧的定妆照生成新的剧情穿帮是必然的。3.2 要不要训练LoRA按项目规模决定如果你只是做3-5集试水不建议训练LoRA成本高、见效慢调用参考图功能就够了。但如果你是做20集以上的连续短剧同一个角色要反复出现几十次我强烈建议训练一个角色的轻量LoRA。训练LoRA的本质是让模型单独记住“这个人长什么样”比任何参考图都更稳。我在项目里用的数据准备原则是这样的收集同一角色15-25张高质量图片来源一定要避开同一个镜头序列的连续帧否则模型只会记住一个角度。图片要覆盖正面、侧面、半身、全身最好有一两张背面这样模型对角色的理解才立体。光线尽量均匀避免大逆光或者浓阴影因为训练时阴影会被当成角色特征学进去。标签策略上角色名统一用一个触发词比如“bwch”代表“不晚长歌”所有图片都打上这个触发词再加简单描述词。训练参数没有标准答案我在SDXL类模型上通常跑15-20个轮次学习率控制在1e-4量级具体数值取决于素材量。跑完之后要做抽帧测试确认角色在不同动作、不同场景下都能保持面貌。如果发现角色只会摆固定姿势说明过拟合了要在素材里增加更多姿态变化重新训练。训练LoRA最大的价值不光是脸稳连服装细节都能锁住。训练好的模型在生成全身镜头时风衣的褶皱风格、腰带的位置、耳钉的样式都比纯参考图稳定得多。3.3 不训练模型时怎么用多参考图提高上限多数人刚开始不会训练模型那就要把参考图功能用到极致。我的习惯是同时给生成工具传两张参考图一张是角色正脸特写一张是半身带服装。这两张图分别承担不同职责正脸管五官半身管服装和气质。权重也要分开调正脸参考权重拉高服装参考权重稍低否则模型会把你提供的整张图风格全盘抄走导致姿势和构图被锁死。在重绘人物特写时还有个技巧先用角色资产库里的正脸图当底图再叠加动作姿势描述让AI重新生成动态表情。这样出来的画面既不像纯参考那样僵硬又能保证五官基准不变。换句话说参考图是锚动作是变量锚尽量别动变量随便换。4. 连续动作与多角色同框的具体搞法解决了资产库接下来进入正题怎么能让角色在真正的剧情场景里“演起来”还不崩。这里有两个高频场景最容易出问题一个是单人连续动作一个是多角色对话同框。我分别说清楚。4.1 单人连续动作用“首尾帧”思维拆镜头纯靠文字提示图生视频想让角色完成一个完整的连续动作风险很高。我的替代方案是“关键帧桥接法”把连续动作拆成两到三个关键停顿点先分别生成这些停顿点的静态画面再用视频生成的“首帧到尾帧”功能让模型自动把中间动态补全。假设要拍“主角推门进入房间扫视四周”生成第一帧主角站在门外手已经按在门把手上推门的动作起点。生成尾帧主角站在门内目光扫向房间左侧动作终点。把两帧分别传到视频生成工具的首帧和尾帧位置提示词写“推门走入房间镜头跟随”。模型会自动补全中间的动作过渡。这样生成的镜头角色脸从头到尾都基于首帧不容易漂移。这个方法比单纯给一张起始图然后期待模型自己表演动作稳定得多。很多视频模型的核心逻辑就是“首帧定人、尾帧定动作、中间靠AI脑补”你把这个逻辑用好等于把一致性控制权拿回来了一半。动作特别复杂的镜头我会进一步加一道保险先画一版粗略的动作关键帧用姿势控制功能锁住人物骨架再在关键帧基础上生成画面。姿势控制对动作起止的约束效果很强适合走路、转头、抬手这类幅度大的运动但对细微面部表情帮不上忙表情一致性主要还得靠参考图。4.2 多角色同框能不同框就别同框这是方法论多角色同时出现在一个画面里是目前AI短剧的一致重灾区。让模型同时保持两张脸的稳定比登天还难。我的处理原则分三级按优先级排列第一优先用镜头切换替代同框。A说话时给A特写B回应时切B特写不用正反打用快剪制造对话感。这种方案在短剧平台完全够用而且最稳任何人都能复现。第二优先先分别生成同背景的单个角色镜头再通过后期合成做“伪同框”。说白了就是把两个分别拍摄的角色剪进一个场景双方镜头的光线、构图需要提前设计成能衔接的状态。第三优先实在需要同框亮相的“王见王”镜头我会分成三张图处理。先出一张不带人物的空场景图再把角色A和角色B分别以半透明图层方式定位在场景里最后交给修图工具统一光影和细节。这个流程有点麻烦但它是目前我觉得能让多角色同框还算自然的方法。多角色对话还有一个关键点声音的时间线要和画面节奏匹配。AI配音本身不贵但如果情绪节奏错了你去看画面的一致性都没有意义因为观众已经出戏了。4.3 跨集追踪没有“角色状态表”必乱无疑短剧不是一集的工程是连续剧集的工程。上一集角色受了伤下一集还在活蹦乱跳上一集剪了短发下一集又变回长发这些都是很容易犯的错误。所以我在项目里强制要求建一张“跨集状态总表”每一集的制作都要先查表再动工。表格大致长这样集数场景角色状态服装发型道具情感节点备注第3集废弃工厂右臂受伤黑色战术背心短发无愤怒爆发脸部有血痕第4集医院病房右臂缠绷带白色T恤短发手机脆弱/回忆血痕已清洗第5集天台对峙绷带拆除黑色夹克短发匕首冷静伤疤可见这张表的意义在于它把“这个人这几集长什么样”用文字固化下来比任何人的记忆都可靠。有了状态表之后再生成镜头时你的提示词里会多出一段很具体的状态描述比如“右臂缠着绷带”模型就不会把上一集无伤状态的服装生成了。别嫌这个表麻烦它省下的返工时间远比你填表花的时间多。5. 我踩过的坑和你绕开的路——一致性验收的七条围栏最后的干货部分。这一节我直接总结实际操作中那些不会写进官方教程的注意事项都是我用时间换来的经验。5.1 碰到模型搞不定的细节改剧本比硬生成划算AI能力有边界不要拿头铁去撞墙。有些细节比如极其复杂的刺绣服装、精确到根数的发丝、特殊角度的脸部侧后视角模型就是容易崩。遇到这种情况我现在的做法是修改镜头设计或者调整剧本让AI的强项去覆盖这些内容。举个例子角色后背有一幅复杂的纹身但你反复生成AI总是画得歪歪扭扭。那就别硬磕全景后背视角了把这个镜头改成近景肩部、或者利用披风部分遮挡把纹身留在若隐若现的裁切镜头里。观众不会因为你没展示完整纹身而扣分但一定会因为纹身图案每次都变而发现穿帮。AI短剧的创作永远是“用尽长板规避短板”。5.2 后期修复不是万能药但“人脸整形”效果确实猛再稳的生成流程抽帧检查时总能发现几帧脸有点怪。最后一层防线就是后期修复。我在出片前的最后环节会做三件事面部修复对每一帧进行面部特征增强把被压缩掉的眉毛、睫毛细节补回来这个能显著提高人物颜值稳定感。超分放大将低分辨率画面拉伸到平台标准分辨率同时保持人物轮廓边缘干净。色彩统一对同一场景的连续镜头做色彩匹配防止AI生成时光线色调跳变。但记住修复工具是“还原脸”而不是“创造脸”。如果输入画面里角色脸已经换了人修复工具只会把新脸修得更清晰帮不了你。所以后期修复只能作为质量验收的一道过滤网不能替代前端的资产控制。5.3 三步验收法别等成片出来才傻眼我现在的生产节奏是按批次生成、按批次验收而不是一次性生成全片。每一个批次的验收只看三件事第一镜头中人物关键特征是否与角色卡匹配第二前后镜头的妆容、服装、光线是否连贯第三同一场景下相邻镜头的画面风格是否跳脱。只要这三关有一关不过立刻回到生成阶段重做绝不带到下一批。批量验收的具体做法是抽帧对比。把生成的视频每隔10帧导出一张图和角色卡正脸照放在一起对比重点看五官比例和发型轮廓。这个动作看起来很原始但效率非常高比在视频播放器里一帧一帧看快得多。每个人物的角色卡我都跑一遍确认没问题才进剪辑。我最有成就感的一件事是做完20集之后回头把第1集和第20集的正脸截图放在一起对比除了微微的细节变化人物轮廓、发型、服装逻辑都立住了。当时的感受是这套流程的每一步都很笨但连起来真的能兜住AI的不确定性。所以关于AI短剧人物一致性我最想给你的建议是把它当成“项目管理制度”来建设数据、模板、验收每一环都别偷懒。你前期在每个角色身上多花两小时后面每一集生成和剪辑都能省回好几倍时间。这比找任何新模型黑科技都实在。
AI短剧人物一致性实战：从资产库到关键帧的完整流程
先说结论AI短剧人物一致性不是某一个模型的参数能解决的问题是整条生产流程的设计问题。很多人做AI短剧第一集出来惊艳第二集开始角色脸变圆了第三集衣服换色了第四集直接换了个演员。这不是你运气差而是从角色设计、参考图管理、镜头拆分到后期修复整个流程里没有给“一致性”留位置。这篇我就把我在实际项目里跑通的一套方案完整拆开从工具搭配到资产库管理从单角色连续动作到多角色同框处理全讲清楚。适合正在做AI漫剧、短剧或者打算入局的人哪怕你是刚接触AI视频生成按这套思路走也能少浪费几十个小时的返工时间。1. 为什么AI短剧的翻车点总是“人物不像”——先把问题定性做AI短剧之前大多数人已经有了用AI画图的习惯。画图画一张好看的角色图很容易但短剧是连续镜头问题一下子就变了。我这里要先说一个底层逻辑AI画图是单帧生成AI视频是时序生成这两者的一致性难度完全不在一个量级。1.1 视频生成为什么会“忘记”角色长相文字生成图片的模型你输入一个角色描述它输出一张完整图片生成过程里几乎不存在“上一帧记忆”。但视频生成模型在推理时要做帧与帧之间的预测它需要同时保证画面自然运动和人脸不变。当前很多视频模型的空间表现力很强但时间一致性是短板尤其是面部细节这种高频信息模型在几个镜头之后很容易漂移。我做过一个测试用同一个角色参考图生成三段同一视角的视频结果三段视频里人物的眼睛颜色、眉形、嘴唇厚度都出现了肉眼可见的差异。这真不是提示词写得不够细而是模型在时间维度上的特征锁定能力有限单靠文字描述根本约束不住面部细节。所以你需要依靠的不是更长的提示词而是更稳定的参考机制和资产管控制度。1.2 一致性远不止一张脸很多新手以为人物一致性就是脸像做的时候只盯着五官看结果衣服、发型、配饰、画风全在飘。实际项目里我会把一致性拆成七个维度每个维度都有不同的生成控制手段。一致性维度常见翻车表现根因脸型/五官脸一会儿圆一会儿窄参考图权重不足或素材不统一发型/发色刘海方向变了、发色变浅只在提示词里描述没有图像锚定服装/配饰领口形状改变、徽章消失服装细节没有独立角色卡身材比例头身比忽高忽低画幅、焦距、视角参数不固定画风/光影写实和动画感混搭底模、风格参考没有全局统一声音/语调音色切换、情绪断档配音音色没有锁定种子道具/场景关键物品时有时无缺少统一的物品资产库你会注意到脸只是其中一项。我见过有人花三天磨脸的一致结果看到正片时发现男主穿着的衣服一会儿有兜帽一会儿没兜帽那才叫崩溃。所以做项目的第一步不是着急生成素材而是把这七个维度全部列成一张“一致性检查表”生成每一批画面之前先过一遍表很多后期返工根本不会发生。1.3 从“画得好看”到“演得连贯”思路必须换AI画图时可以为了画面美感牺牲一部分稳定性比如某个角度特别好看就用那个角度。但AI短剧需要的是角色能在不同场景、不同情绪、不同动作下都保持同一张脸。这个转变带来的最大变化是你不能把角色当成一张图来运营要当成一个虚拟演员来管理。虚拟演员有“定妆照”有“侧写”有“状态表”。每次生成镜头时你做的不是重新描述这个人而是调动这个演员在不同情景中的表现。习惯了这个思路之后你再回头去看那些生成崩了的镜头会发现大部分问题不是模型不行而是你根本没有给模型足够多的“同一人”的锚定信息。2. 开拍前先把套件定死——工具组合与风格基线的选择很多人的项目死在第一步今天用这个工具生成角色明天换另一个工具做视频后天又拿新工具修图。每个工具的审美倾向、画风理解、特征保留方式都不一样混在一起等于自己给自己制造不一致。我现在的原则是一套项目、一套工具链、一种风格基线工具可以换但同一部剧绝不中途换血。2.1 按生产链路搭工具栈而不是“谁火用谁”AI短剧的生产链路大致分成四段角色创作、分镜生成、视频生成、后期修复。每一段选一个主力工具并且确认工具之间的数据能无缝衔接。我的常用组合是角色创作先用生成模型产出概念图再用局部重绘细化角色细节确保生成的角色明确、特征清晰。分镜生成使用支持参考图权重调整的图生成工具把角色“定妆照”作为固定参考为每个镜头生成基础画面。视频生成选择支持首帧/尾帧控制或者参考图驱动的视频模型最关键的是要能把分镜图和角色参考图一起喂进去。后期修复准备一个专门的面部修复和超分工具负责把视频帧里被压缩、被柔化的人脸细节找回来。这套组合不需要每样都是最前沿关键是每个环节都允许输入外部参考图。有些工具生成单图很强但根本没法接收参考图那它就不适合做短剧系统的核心顶多用来铺背景或做氛围板。2.2 全剧组共用一个风格基线风格基线什么意思就是全剧统一视效的基准参数。我会在项目启动第一天确认四件事底模方向、渲染风格、光线逻辑、画面比例。底模方向就是你是偏写实、偏二次元还是偏3D渲染感一旦定了就不改渲染风格解决的是“线稿硬度”“色彩饱和度”“光影对照”这些基础审美。光线逻辑决定角色在白天、夜间、室内、室外时是否有统一的光源习惯否则同一个角色在不同场景像活在两个世界。操作上有一个很笨但有效的办法建立一份“风格提示词模板”里面固定写清楚画风、镜头、光影、画幅、负面提示词。每次生成任何角色的任何镜头都在这个模板基础之上只替换动作、场景、表情这些变量。这样即使AI偶尔抽风整体画风至少稳定修起来也容易。再补一个细节画面比例。竖屏短剧我会固定用9:16同一部剧里偶尔出现的横屏镜头必须重新构图而不是简单拉伸因为拉伸会造成人脸变形直接影响一致感。分镜阶段就把画幅锁死不要留到后期再裁切。2.3 提示词模板外观特征写进固定区块我见过不少人每次生成都重新写一遍角色外貌描述结果描述文字一旦变了脸就会跟着变。正确做法是把角色外观写成一个固定区块每次原样复制然后在此基础上追加动作词和场景词。比如男主角的固定区块长这样角色名陆沉性别男28岁面部棱角分明下颌线清晰发型黑色微卷短发右侧刘海略微遮住眉尾眼睛深棕色内双眼皮眼神冷峻标志特征右耳戴一枚银色耳钉左眉尾有一道细疤服装深灰色长款风衣内搭黑色高领金属腰带扣每次生成镜头时这段内容原样放在提示词最前面后面再接“站在雨夜街道回头看向镜头眼神警惕”。你会发现就算模型没能精准画出所有细节至少高频特征——耳钉、眉疤、风衣——都能被保下来。这些高频特征正是观众辨认角色的锚点。2.4 声音一致性和画面一样重要AI短剧大多数都用AI配音但很多人在画面一致性上花了大量时间配音却随便选个音色。我踩过这个坑第一集男主的配音用了明亮青年音第三集觉得不够沉稳换了个低音炮结果整部剧的人设直接割裂。配音层面要做的也是“资产化”给每个角色录制5-10秒的种子音频用语音克隆工具锁定音色之后所有台词都用这个音色生成。注意语气和情绪也要分类型管理不能每句话都同一个调子。我会给每个角色做一份情感音频表正常说话、愤怒、悲伤、惊慌、开心每类语气的音色统一但语调可变。千万别让配音模型在长文本生成里自由发挥否则一段台词里情绪乱跳观众很容易出戏。3. 人物资产库——让每个角色有张“AI身份证”角色不是生成一张图就叫完成了。真正能支撑整部剧的角色资产是一个包含多角度、多表情、多状态参考图的完整文件夹。我把它叫“角色资产库”这可能是整个项目里最值得花时间的地方。3.1 角色卡模板四视角定妆照不管用什么工具生成角色最终角色卡我都会整理成统一格式包含以下几项正脸特写照用来锚定五官布局、眼睛距离、鼻型、唇型。侧脸照用来确认鼻梁高度、下巴轮廓、耳型。全身正面/背面照用来锁定服装、鞋、身姿习惯。2-3张表情参考平静、微笑、愤怒等关键情绪下的脸型变化。标志性道具独立图如果角色有佩剑、项链、机械臂等单独生成一张高清道具图。这组图生成完之后我会用脚本批量重命名像001_正脸_标准.png、002_侧脸_右侧.png这样。命名规则特别重要因为后期做视频生成、局部重绘时你需要在几十个文件里快速认出一个角色文件名不统一会浪费大量时间。这些参考图不是一次生成就完事后续每一集开拍前都要复查一遍如果角色某集换了衣服、换了发型资产库必须同步更新否则AI会拿着旧的定妆照生成新的剧情穿帮是必然的。3.2 要不要训练LoRA按项目规模决定如果你只是做3-5集试水不建议训练LoRA成本高、见效慢调用参考图功能就够了。但如果你是做20集以上的连续短剧同一个角色要反复出现几十次我强烈建议训练一个角色的轻量LoRA。训练LoRA的本质是让模型单独记住“这个人长什么样”比任何参考图都更稳。我在项目里用的数据准备原则是这样的收集同一角色15-25张高质量图片来源一定要避开同一个镜头序列的连续帧否则模型只会记住一个角度。图片要覆盖正面、侧面、半身、全身最好有一两张背面这样模型对角色的理解才立体。光线尽量均匀避免大逆光或者浓阴影因为训练时阴影会被当成角色特征学进去。标签策略上角色名统一用一个触发词比如“bwch”代表“不晚长歌”所有图片都打上这个触发词再加简单描述词。训练参数没有标准答案我在SDXL类模型上通常跑15-20个轮次学习率控制在1e-4量级具体数值取决于素材量。跑完之后要做抽帧测试确认角色在不同动作、不同场景下都能保持面貌。如果发现角色只会摆固定姿势说明过拟合了要在素材里增加更多姿态变化重新训练。训练LoRA最大的价值不光是脸稳连服装细节都能锁住。训练好的模型在生成全身镜头时风衣的褶皱风格、腰带的位置、耳钉的样式都比纯参考图稳定得多。3.3 不训练模型时怎么用多参考图提高上限多数人刚开始不会训练模型那就要把参考图功能用到极致。我的习惯是同时给生成工具传两张参考图一张是角色正脸特写一张是半身带服装。这两张图分别承担不同职责正脸管五官半身管服装和气质。权重也要分开调正脸参考权重拉高服装参考权重稍低否则模型会把你提供的整张图风格全盘抄走导致姿势和构图被锁死。在重绘人物特写时还有个技巧先用角色资产库里的正脸图当底图再叠加动作姿势描述让AI重新生成动态表情。这样出来的画面既不像纯参考那样僵硬又能保证五官基准不变。换句话说参考图是锚动作是变量锚尽量别动变量随便换。4. 连续动作与多角色同框的具体搞法解决了资产库接下来进入正题怎么能让角色在真正的剧情场景里“演起来”还不崩。这里有两个高频场景最容易出问题一个是单人连续动作一个是多角色对话同框。我分别说清楚。4.1 单人连续动作用“首尾帧”思维拆镜头纯靠文字提示图生视频想让角色完成一个完整的连续动作风险很高。我的替代方案是“关键帧桥接法”把连续动作拆成两到三个关键停顿点先分别生成这些停顿点的静态画面再用视频生成的“首帧到尾帧”功能让模型自动把中间动态补全。假设要拍“主角推门进入房间扫视四周”生成第一帧主角站在门外手已经按在门把手上推门的动作起点。生成尾帧主角站在门内目光扫向房间左侧动作终点。把两帧分别传到视频生成工具的首帧和尾帧位置提示词写“推门走入房间镜头跟随”。模型会自动补全中间的动作过渡。这样生成的镜头角色脸从头到尾都基于首帧不容易漂移。这个方法比单纯给一张起始图然后期待模型自己表演动作稳定得多。很多视频模型的核心逻辑就是“首帧定人、尾帧定动作、中间靠AI脑补”你把这个逻辑用好等于把一致性控制权拿回来了一半。动作特别复杂的镜头我会进一步加一道保险先画一版粗略的动作关键帧用姿势控制功能锁住人物骨架再在关键帧基础上生成画面。姿势控制对动作起止的约束效果很强适合走路、转头、抬手这类幅度大的运动但对细微面部表情帮不上忙表情一致性主要还得靠参考图。4.2 多角色同框能不同框就别同框这是方法论多角色同时出现在一个画面里是目前AI短剧的一致重灾区。让模型同时保持两张脸的稳定比登天还难。我的处理原则分三级按优先级排列第一优先用镜头切换替代同框。A说话时给A特写B回应时切B特写不用正反打用快剪制造对话感。这种方案在短剧平台完全够用而且最稳任何人都能复现。第二优先先分别生成同背景的单个角色镜头再通过后期合成做“伪同框”。说白了就是把两个分别拍摄的角色剪进一个场景双方镜头的光线、构图需要提前设计成能衔接的状态。第三优先实在需要同框亮相的“王见王”镜头我会分成三张图处理。先出一张不带人物的空场景图再把角色A和角色B分别以半透明图层方式定位在场景里最后交给修图工具统一光影和细节。这个流程有点麻烦但它是目前我觉得能让多角色同框还算自然的方法。多角色对话还有一个关键点声音的时间线要和画面节奏匹配。AI配音本身不贵但如果情绪节奏错了你去看画面的一致性都没有意义因为观众已经出戏了。4.3 跨集追踪没有“角色状态表”必乱无疑短剧不是一集的工程是连续剧集的工程。上一集角色受了伤下一集还在活蹦乱跳上一集剪了短发下一集又变回长发这些都是很容易犯的错误。所以我在项目里强制要求建一张“跨集状态总表”每一集的制作都要先查表再动工。表格大致长这样集数场景角色状态服装发型道具情感节点备注第3集废弃工厂右臂受伤黑色战术背心短发无愤怒爆发脸部有血痕第4集医院病房右臂缠绷带白色T恤短发手机脆弱/回忆血痕已清洗第5集天台对峙绷带拆除黑色夹克短发匕首冷静伤疤可见这张表的意义在于它把“这个人这几集长什么样”用文字固化下来比任何人的记忆都可靠。有了状态表之后再生成镜头时你的提示词里会多出一段很具体的状态描述比如“右臂缠着绷带”模型就不会把上一集无伤状态的服装生成了。别嫌这个表麻烦它省下的返工时间远比你填表花的时间多。5. 我踩过的坑和你绕开的路——一致性验收的七条围栏最后的干货部分。这一节我直接总结实际操作中那些不会写进官方教程的注意事项都是我用时间换来的经验。5.1 碰到模型搞不定的细节改剧本比硬生成划算AI能力有边界不要拿头铁去撞墙。有些细节比如极其复杂的刺绣服装、精确到根数的发丝、特殊角度的脸部侧后视角模型就是容易崩。遇到这种情况我现在的做法是修改镜头设计或者调整剧本让AI的强项去覆盖这些内容。举个例子角色后背有一幅复杂的纹身但你反复生成AI总是画得歪歪扭扭。那就别硬磕全景后背视角了把这个镜头改成近景肩部、或者利用披风部分遮挡把纹身留在若隐若现的裁切镜头里。观众不会因为你没展示完整纹身而扣分但一定会因为纹身图案每次都变而发现穿帮。AI短剧的创作永远是“用尽长板规避短板”。5.2 后期修复不是万能药但“人脸整形”效果确实猛再稳的生成流程抽帧检查时总能发现几帧脸有点怪。最后一层防线就是后期修复。我在出片前的最后环节会做三件事面部修复对每一帧进行面部特征增强把被压缩掉的眉毛、睫毛细节补回来这个能显著提高人物颜值稳定感。超分放大将低分辨率画面拉伸到平台标准分辨率同时保持人物轮廓边缘干净。色彩统一对同一场景的连续镜头做色彩匹配防止AI生成时光线色调跳变。但记住修复工具是“还原脸”而不是“创造脸”。如果输入画面里角色脸已经换了人修复工具只会把新脸修得更清晰帮不了你。所以后期修复只能作为质量验收的一道过滤网不能替代前端的资产控制。5.3 三步验收法别等成片出来才傻眼我现在的生产节奏是按批次生成、按批次验收而不是一次性生成全片。每一个批次的验收只看三件事第一镜头中人物关键特征是否与角色卡匹配第二前后镜头的妆容、服装、光线是否连贯第三同一场景下相邻镜头的画面风格是否跳脱。只要这三关有一关不过立刻回到生成阶段重做绝不带到下一批。批量验收的具体做法是抽帧对比。把生成的视频每隔10帧导出一张图和角色卡正脸照放在一起对比重点看五官比例和发型轮廓。这个动作看起来很原始但效率非常高比在视频播放器里一帧一帧看快得多。每个人物的角色卡我都跑一遍确认没问题才进剪辑。我最有成就感的一件事是做完20集之后回头把第1集和第20集的正脸截图放在一起对比除了微微的细节变化人物轮廓、发型、服装逻辑都立住了。当时的感受是这套流程的每一步都很笨但连起来真的能兜住AI的不确定性。所以关于AI短剧人物一致性我最想给你的建议是把它当成“项目管理制度”来建设数据、模板、验收每一环都别偷懒。你前期在每个角色身上多花两小时后面每一集生成和剪辑都能省回好几倍时间。这比找任何新模型黑科技都实在。
