用参考图锁住人物脸，AI 短视频角色一致性方案
做 AI 短视频的朋友，大概都经历过这种崩溃瞬间：第一集里男主还是剑眉星目的少年，到第三集突然变成了另一个人，弹幕直接刷屏“这是谁？”。观众对“脸”的敏感度，远超我们对画面的想象。角色一崩，故事再精彩也留不住人。
我自己踩过不少坑之后，慢慢摸索出一套用参考图“锁脸”的流程。今天就把这套方案拆开讲清楚，从资产准备到分镜落地，尽量说人话、给实操。
为什么角色一致性这么难
先理解问题的本质。AI 生成画面，本质上是在“重新画一遍”，而不是“复制上一张”。你每次输入提示词，模型都在根据文字重新想象这个人长什么样。文字描述再细，也描述不出“他左眼角有颗小痣、笑起来嘴角往右歪”这种细节。
打个比方：文字提示词像口头描述一个陌生人给画师，画师每次画出来都差不多但绝不雷同；而参考图像是把照片直接拍在画师桌上，说“就照这个画”。差别一目了然。
所以解决一致性，核心不是把提示词写得更长，而是把“脸”从文字里解放出来，交给参考图去锚定。这也是墨川导演台里“资产库”存在的意义——把角色、场景、道具沉淀成可复用的视觉资产，而不是每次重新描述。
第一步：在资产库里把角色“定妆”
在墨川导演台里，我习惯先做“定妆照”，再动剧本。
具体做法是：进入资产库，为每个主要角色建一张资产卡。上传一张清晰的正脸参考图作为基准——最好是光线均匀、五官无遮挡、背景干净的那种。如果你想更稳，可以多传几张不同角度的图，让模型对人脸的理解更立体。
这里有个小技巧：角色参考图不要用太夸张的表情或太浓的妆造。基准图越“中性”，后续在不同情绪、不同场景里的迁移就越自然。就像盖房子打地基，地基越平，上面怎么盖都不歪。
场景和道具同理。主角常待的那间书房、手里那把折扇，都可以在资产库里存成参考。这样批量生成时，环境也不会每镜一变。
第二步：让分镜卡片带上“角色身份证”
资产建好之后，真正的工作在剧本库里展开。
墨川导演台的剧本库支持管理剧本、剧集和分镜卡片。我的习惯是：先把 AI 编剧生成的六段式剧本草稿过一遍，然后在每个分镜卡片上，明确挂上这一镜出现的角色资产。
这一步很关键——它相当于给每个分镜发了一张“角色身份证”。生成这一镜时，系统知道该调用哪张参考图，而不是靠提示词里那句模糊的“年轻男子”。
实操建议：分镜描述里，把“谁、在哪、做什么、什么情绪”写清楚，但不要把外貌特征再重复一遍。外貌交给参考图，文字专注在动作和情绪上。比如写“他推开门，愣住，眼神从惊讶转为心疼”，而不是“那个高鼻梁单眼皮的年轻男子推开门”。
第三步：批量生成与首尾帧衔接
单镜测试通过后，就可以进项目库做批量生成了。项目库按项目组织生成任务和版本，支持单镜生成，也支持批量排队。我一般先单镜跑几条，确认脸稳了，再放开批量。
这里有个容易被忽略的点：分镜之间的衔接。两个相邻镜头如果都用同一张参考图，但一个近景一个远景，脸的比例和细节会有差异。我的做法是利用 AI 制图先为分镜生成首帧和尾帧，让上一镜的尾帧和下一镜的首帧在视觉上接得上，再交给视频生成。这样人物在镜头切换时不会“跳脸”。
如果某条生成结果脸还是飘了，别急着重写提示词，先回资产库看看参考图是不是不够清晰，或者这一镜的构图角度太偏。多数“崩脸”问题，根子在参考图，不在提示词。
云端跑批量，本地不卡机
角色一致性方案确定后，剩下的就是产能问题。批量生成很吃 GPU，本地机器容易卡到怀疑人生。
墨川导演台支持云部署，可以连接你自己租用的 GPU 云服务器，通过 SSH 隧道推理，云端跑的是 ComfyUI 工作流，支持参考图一致性、分镜衔接和批量排队。本地隧道端口自动隔离，多用户也不串台。
以仙宫云为例的测试流程大致是：连接私有镜像、注册认证后把账号 ID 发给客服开通测试账号、用导演台镜像部署实例、在实例右侧拿到 SSH 主机/端口/密码，填进导演台「云部署」页面，点「验证 SSH」通过后启动云端 ComfyUI，看到绿色成功提示就能开跑。具体步骤和账号开通，以官网或客服微信为准。
配音环节也别落下。音频库支持音色克隆、对口型和背景音乐，AI 配音用的是 IndexTTS 2.5，支持多语言和情绪控制。脸稳了、声也稳了，角色才算真正“活”起来。
---
小结一下这套方案的核心逻辑：把外貌交给参考图，把动作交给分镜文字，把衔接交给首尾帧，把产能交给云端。四件事各司其职，角色一致性就不再是玄学。
如果你刚开始尝试，建议先拿一个角色、三个镜头做小闭环，跑通了再扩量。遇到问题，可以加客服微信 ymcandai 交流，或者去淘宝搜索「杨墨川AI」看看。官网 www.ymcdirector.com 上有完整的功能说明，博客 blog.ymcdirector.com 也会持续更新实操内容。
