优推编辑部 AI 漫剧最让人头疼的问题之一，就是角色"换脸"——同一个主角上一集还是黑发少年，下一集就变成别人。角色一致性，就是从设定到生成再到审查的闭环控制，确保角色跨场景、跨镜头、跨风格始终统一。本文从五维框架入手，拆解角色档案、参考图锁定、专用工具、参数固化和后期校准五大手段，全流程一次讲透。
一、基础准备：构建角色"DNA"档案
角色一致性的根本在于建立清晰、可量化的角色特征描述，避免 AI 生成时的模糊理解。
实操模板：
角色名：林墨
核心特征：18岁少年，鹅蛋脸，剑眉星目，左眼下方有一颗泪痣，黑色碎发，高180cm，偏瘦体型，常穿黑色连帽卫衣配银色项链，眼神清冷，嘴角习惯性微扬。
这份档案就是角色的"DNA"：每次生成提示词都带上它，AI 才不会"自由发挥"。
二、工具层面：分平台角色锁定方案
1. Midjourney 专属技巧（V6/NIJI 6 最佳）
CREF+CW 组合（角色参考 + 权重控制）：
林墨在雨中奔跑，夜晚城市背景，全身镜头 --cref [参考图链接] --cw 100 --seed 12345
--cref：锁定角色核心特征，允许更换场景/动作
--cw：调整一致性强度（0-100），100=完全锁定
--seed：固定生成起点，确保相同提示词生成相似结果
万能公式：起名 → 垫图 → 微调 → 固化参数
给角色起专属名称（如"LinMo_TheRaven"）
生成 3-5 张满意的基础图作参考库
每次生成时引用基础图 + 固定名称 + 相同 seed
2. Stable Diffusion 专业方案
| 技术方案 | 适用场景 | 操作步骤 |
|---|---|---|
| IP-Adapter + ControlNet | 高保真面部锁定 | 1. 上传参考图到 IP-Adapter 2. 启用 ControlNet 的 Face Landmark 检测 3. 生成时保持相同模型+权重设置 |
| LoRA 训练 | 长期连载角色 | 1. 准备 20-50 张多角度角色图 2. 用 LoRA 训练器训练专属模型 3. 生成时加载 LoRA（权重 0.6-0.8） |
| InstantID 插件 | 超精准面部还原 | 1. 安装 SDXL 专用 InstantID 2. 上传高清正面照 3. 生成时自动匹配面部特征 |
| Embedding 嵌入 | 固定角色特征词 | 1. 训练角色专属 Embedding 2. 提示词中加入 <linmo-character> 固定特征 |
3. 漫画专用工具（ComicAI / StoryDiffusion）
参考图迭代：上传角色三视图，设置"迭代步数"确保特征继承
结构一致性：使用 StoryDiffusion 的多行结构描述，明确各部位特征
跨镜头继承：启用"角色记忆"功能，自动关联前后镜头的角色特征
三、生成阶段：跨场景一致性控制
场景变化应对策略
| 场景类型 | 控制要点 | 提示词示例 |
|---|---|---|
| 角度变化 | 锁定面部结构+添加角度描述 | "林墨，45度侧脸，保持面部特征与参考图一致，consistent facial proportions" |
| 光照变化 | 固定光源方向+保留面部细节 | "林墨，逆光场景，面部补光，保持眼睛颜色和痣的位置不变" |
| 动作变化 | 核心特征不变+动作描述 | "林墨，跳跃动作，保持发型和服装不变，身体比例符合参考图" |
| 情绪变化 | 表情变化+面部结构锁定 | "林墨，惊讶表情，保持脸型和五官位置不变，符合角色性格" |
参数固化三大原则
固定模型版本：全程使用同一模型（如 SDXL 1.0、NIJI 6），避免风格撕裂
锁定核心参数：采样器固定为 DPM++ 2M Karras；步数 ≥30 步（推荐 40-50 步）；CFG scale 7-8（平衡创造力与一致性）；Seed 值记录满意结果的 seed 后续复用
统一提示词结构：[角色核心特征] + [当前场景/动作/表情] + [风格词] + [一致性锁定词]
四、后期校准：一致性审查与修正
即使前期控制到位，仍需通过审查机制确保最终输出的一致性。
1. 一致性检查清单
| 维度 | 核心特征清单 | 描述技巧 |
|---|---|---|
| 面部 | 脸型（瓜子脸/圆脸）、眼距、鼻梁高度、嘴唇厚度、眉形 | 使用精确词汇+结构锁定词："consistent facial structure"、"locked face identity" |
| 发型 | 发色（墨黑/亚麻金）、长度（及腰/短发）、纹理（大波浪/直顺）、分缝位置 | 加入"始终保持发型不变""与参考图中发型一致"等强制指令 |
| 体型 | 身高、肩宽、腰围、四肢比例、肌肉线条 | 量化描述："身高175cm，肩宽42cm，九头身比例" |
| 服饰 | 主色调、款式、材质、标志性配件（如围巾/徽章） | 固定描述句式，仅修改场景相关词汇 |
| 性格/表情 | 常用表情、眼神特点、肢体习惯 | 加入"符合XX性格的表情""保持角色一贯的眼神气质" |
2. 修正工具推荐
| 工具 | 适用问题 | 操作方法 |
|---|---|---|
| Photoshop | 细节偏差 | 用液化工具微调脸型，克隆图章修复不一致细节 |
| Stable Diffusion Inpaint | 局部崩坏 | 1. 框选不一致区域 2. 输入"修复为与参考图一致的XX特征" 3. 低重绘强度（0.3-0.5）生成 |
| ControlNet 辅助修正 | 比例失调 | 用 OpenPose 或 Human Pose 检测骨骼，修正肢体比例 |
五、进阶技巧：构建一致性"护城河"
1. 五维一致性框架深化
外貌一致性：建立角色 360 度视图参考库，包含正面、侧面、45 度角、背面
服饰一致性：制作服饰拆解图，标注各部分名称和特征
动作一致性：定义角色常用动作库，确保相同动作在不同场景下的一致性
情绪一致性：为每种情绪制作标准表情模板
镜头语言一致性：固定角色在不同景别（近景/中景/远景）下的呈现方式
2. 团队协作一致性管理
建立角色风格指南文档，包含所有特征描述和参考图
使用版本控制工具（如 Git）管理提示词和模型文件
设立"一致性审查员"角色，专门负责跨章节的角色核对
3. 常见问题解决方案
| 问题 | 原因 | 解决方法 |
|---|---|---|
| 角色脸崩 | 特征描述模糊/模型不稳定 | 1. 补充更详细的面部特征描述 2. 使用 IP-Adapter 锁定面部 3. 降低重绘强度 |
| 服饰变化 | 提示词中服饰描述不一致 | 1. 固定服饰描述句式 2. 加入"保持服装不变"强制指令 |
| 比例失调 | 模型对人体结构理解不足 | 1. 启用 ControlNet 的 OpenPose 2. 加入详细的体型量化描述 |
| 风格漂移 | 混合使用不同模型/LoRA | 1. 固定单一模型 2. 控制 LoRA 权重在 0.6-0.8 之间 |
总结
角色一致性的本质，是把角色变成一组可量化的特征数据：先建 DNA 档案，再靠参考图锁定 + 专用工具 + 参数固化保证生成稳定，最后用审查清单兜底。把这套闭环跑起来，你的角色就拥有了"护城河"，无论场景怎么换、镜头怎么切，观众看到的始终是同一个他。
