👤 角色与一致性

AI 图像生成模型（无论是 Stable Diffusion、Midjourney 还是即梦）的工作原理是： 根据文字描述从"噪声"中逐步生成图像。每次生成都是独立的随机过程。

这意味着：即使你用完全相同的 prompt，两次生成的人脸也大概率不一样。第 1 张图的"林远"和第 15 张图的"林远"可能完全是两个人。

如果不做任何处理：观众看到前 5 秒的主角和后 30 秒的主角长相不同， 会产生强烈的违和感，直接划走。这是 AI 漫剧最核心的技术挑战。

角色卡是一套标准化的角色参考资料，包含：

• 正面全身图（母图）—— 所有后续生成的基准
• 侧面图（左 45 度、右 45 度、正侧面）
• 表情图（微笑、愤怒、悲伤、惊讶、冷漠、邪笑——至少 6 种）
• 服装图（每套服装的全身图）
• 参数卡（记录生成该角色时的所有参数）

在即梦/MJ 中用上面的 prompt 生成 4-8 张图。 从中选出一张最符合你心中角色形象的作为"母图"。

选定后，记录下这张图的所有参数： 种子值（Seed）、模型版本、采样步数、CFG 值、图片尺寸。 这些参数后续不能改动。

母图选择标准：

• 五官清晰、不模糊
• 姿势端正、不歪斜
• 表情中性（方便后续加表情变化）
• 服装完整、没有变形
• 风格统一（不要选那种突然变了画风的）

原理：将角色母图上传为"参考图"，工具会在生成新图时参考这张图的面部特征。

操作：在即梦中，点击"角色参考"按钮 → 上传母图 → 调整参考权重到 0.7-0.8 → 正常输入 prompt 生成。

优点：零学习成本，30 秒上手。大部分正面/3/4 侧面镜头效果不错。

缺点：侧面和大角度变化时容易崩。服装变化也可能影响面部一致性。

适合：纯新手、场景简单的短剧、角度变化不大的对话剧。

原理：种子（Seed）决定了生成的随机起点。相同种子+相同参数=相似的输出。 配合参考图，双重保障。

操作：(1) 生成母图时记录种子值 → (2) 后续所有该角色的图都使用相同种子 → (3) 同时开启角色参考功能 → (4) 只修改 prompt 中的动作/表情/场景部分。

优点：一致性比纯参考图高约 30%。免费，操作简单。

缺点：种子锁定会限制姿势变化的多样性。部分在线工具不支持手动指定种子。

原理：生成角色的正面、左侧面、右侧面、背面四张图，拼成一张"四视图"参考图。 生成任何角度时，模型都能找到最匹配的参考。

操作：(1) 用 promptcharacter turnaround sheet, front view, side view, back view, 4 views生成四视图 → (2) 或者分别生成四个角度后拼成一张图 → (3) 将四视图作为参考图使用。

优点：侧面和背面一致性大幅提升。免费方案中最均衡的。

缺点：四视图本身的生成质量不稳定，可能需要多次尝试。

原理：IP-Adapter 是一个控制图像风格和角色特征的技术。 它能从参考图中提取"角色特征向量"，在生成新图时注入这个向量。

操作：需要在 ComfyUI 中安装 IP-Adapter 节点 → 导入参考图 → 设置 IP-Adapter 权重（推荐 0.6-0.8）→ 配合 ControlNet 控制姿势。

优点：一致性效果很好，角度变化时也能保持。可以和各种 ControlNet 配合。

缺点：需要本地部署 ComfyUI、有一定学习成本、需要显卡（推荐 8GB+ VRAM）。

适合：有技术基础的创作者，追求更高一致性。

原理：用 10-20 张角色图片微调 Stable Diffusion 模型，让模型"学会"你的角色。 训练后只需在 prompt 中加一个触发词就能生成该角色。

操作：(1) 准备 10-20 张高质量角色图（不同角度、不同表情）→ (2) 用 Kohya_ss 或 LoRA Easy Training Scripts 训练 → (3) 训练约 30-60 分钟（RTX 3060 以上）→ (4) 得到 .safetensors LoRA 文件，加载到 SD/ComfyUI 中使用。

优点：一致性最高，各种角度和表情都能保持。一次训练终身使用。

缺点：学习成本最高，需要显卡（推荐 12GB+ VRAM），训练数据准备有讲究。

适合：长期做同一角色的创作者、工作室级别生产。