做AI视频最大的坑之一-角色一致性

角色资产化思路——先有角色档案，再定基准图、参考图、图生视频、配音口型，提示词和素材全进文件夹。下面给的是我常用的一套组合和几个替代路径，大家按自己的网络环境和账号功能再核对。

角色一致性的坑，不在"脸像不像"。脸能凑，发型飘、配饰忽有忽无、衣领粘到脖子上，观众照样出戏。我先把角色卡写死：

年龄感：

脸型：

眉眼：

发型发色：

体型：

固定配饰：

不可变项：

可变项：

负面约束：

基准图路径：

别写成小说设定，写给模型看。"银色短发、左耳黑色耳钉、窄肩、黑色短夹克"归不可变；"场景、镜头焦段、情绪、手部动作"归可变；负面约束写"不要长发、不要换发色、不要多耳环、不要夸张表情、不要新增角色"。边界先锁死，后面返工少。

基准图挑普通但稳的，别选一眼大片感的。大侧脸、强逆光、头发挡眼、夸张表情都帅，都容易在后续视频里放大问题。我更愿意正面或轻微侧身，五官清楚，发型完整，服装边缘干净，背景不抢戏。氛围感留给参考图去补，别把定妆和海报审美塞进一张。

文案和提示词用什么，看自己习惯。豆包和元宝都能做中文角色策划和提示词整理，入口都不深，上手快，二者挑一个起头、再用另一个查漏即可，哪款更顺手因人而异。要做长设定、整理多份材料的，Kimi 或通义也合适，最后都要固化到本地 `profile.md`，别只靠聊天记录当设定库。

生图和视频这条线，各家强项不同，不能硬套固定顺序。

即梦官网公开有 AI 绘画、智能画布、多图 AI 融合、局部重绘、首帧到尾帧控制，适合中文提示词和快速定妆，画布修补顺手。可灵国内实测可达，定位偏视频，适合图生视频和镜头表现。Vidu 官网公开了参考生视频、首尾帧和多主体一致性，对"固定角色+道具+场景"的连载最对题。海螺可作创意镜头候选，但角色控制规格我这次没逐项核。Liblib、Stable Diffusion 这一类，能用 LoRA 和可复现工作流把角色控制上限拉高，但吃训练、调参和显卡。

口播剪辑端，剪映官网公开有数字人、定制数字人、文本朗读、音色克隆、智能剪口播、AI 补帧和剪辑导出，在国内后期链路里够完整。但数字人口型跟图生视频里的那个角色是两回事，别把"有数字人"当成"任意角色都能准确对口型"。

我常跑的几条组合，按场景选：

新手试水，先低门槛：豆包或元宝做角色卡，即梦定妆和多图融合，先跑短动作，再拿同一镜头用可灵或 Vidu 跑一轮对照，剪映收尾做配音字幕。低门槛组合，质量上限靠后续替换和调参拉高。

连载角色、要长期稳定：Kimi 或通义整理长设定，固化 `profile.md`；有技术能力就用 SD 类 LoRA 和固定工作流，没有就以即梦多图融合过渡；Vidu 重点测多主体参考，可灵做镜头对照；剪辑总装靠剪映。

短剧或强镜头感：四款文案工具挑两款交叉出分镜，人工统一不可变项；即梦或万相快速概念图，要严复现再转 SD 工作流；可灵、Vidu、即梦、海螺按同镜头做小样赛马，每条留记录。一个镜头只承载一个主动作，漂移风险会降，但不是零废片。

手动版适合刚开始跑。在文案工具里根据角色卡整理三类提示词：定妆图、参考图、视频动作。丢到即梦挑一张最稳的当基准图，再用多图融合把同一角色套进半身、全身、室内、街景几张参考图。图生视频动作别上来就"奔跑、转身、挥手、镜头环绕"，从眨眼、微笑、轻微点头开始。每张图起个名，"正脸定妆""黑夹克半身""室内暖光"，别只靠缩略图，几天后认不出哪张改过耳钉。失败图旁边写一句原因，土，但救命。

到剪映，别先堆特效。口播先用文本朗读或授权音色克隆做声音，再看口型能不能贴住句子节奏。口型假通常不是一句"更自然"能救，得把台词切短，少用连续爆破音，剪掉张嘴对不上的半秒。能遮就用反打、字幕、手部特写，别硬撑。

做带剧情的小短片，镜头拆碎。一个镜头只承担一个信息：看向镜头、拿起道具、低头读消息、转身离开。让模型同时处理情绪、动作、镜头运动和服装细节，它会随机牺牲一项。最常见的崩法，是预览看着"差不多"，剪到一起才发现每段脸都像亲戚。

连载号、测评号可以上本地半自动。把角色卡、基准图、参考图、脚本、成片分开存，别全扔下载文件夹。一个能活下来的目录：

角色名/

profile.md

base/

base_front.png

refs/

indoor.png

street.png

outfit_black.png

prompts/

image_prompts.md

video_prompts.md

scripts/

lines.md

exports/

clips/

final/

CodexCLI 或本地脚本负责读 `profile.md`，按模板生成生图提示词、视频动作提示词、口播文案。它管的是设定别抄错、批次别漏项，不负责判断哪张脸最稳。选基准图、删废片还得人工看。半自动的好处在批量：同一个角色做十条游戏吐槽，只改口播和场景，年龄感、脸型、发型、配饰、负面约束全从一份 `profile.md` 读。返工也好查——整批耳环丢了，改角色卡；只有夜景脸变窄，回头查那组参考图；某批动作太大，改动作模板。

几个常见翻车点。脸漂，回基准图，减情绪和角度变化，参考图别混太多。发型漂，把发型发色写进不可变项和负面约束，保留同一张正脸基准图。服装粘连，降低动作幅度，换半身镜头或拆成静态参考图重跑。动作过大，视频提示词只写一个动作，镜头别同时推拉摇移。口型假，短句重配音，剪映切节奏，字幕兜底。批次设定漂移，别在聊天窗口临时改，改 `profile.md` 后整批重新生成。

别把所有希望押在单条生成上。每个镜头留两到三个候选，剪辑再选。废片别立刻删，放进 `rejects`，文件名写清"脸漂""手崩""口型慢"。下一轮让文案工具改提示词时，这些失败原因比一句"优化一下"有用得多。

收尾几句实在话。不建议直接仿明星、真人博主或未授权 IP。音色克隆要授权，数字人形象也要授权。发布时宜声明 AI 生成，商用前看一遍各平台当期协议。各家工具的功能、额度、排队都会变，今天能点开的按钮不代表永久承诺。上面这套把"抽卡式创作"压成可复查的流水线。零成本、无限生成、永久锁脸，做不到。返工位置能暴露出来——角色卡没写清、基准图没选稳、视频动作太贪、口型没修。对盒友来说，这已经够用了。