做AI視頻最大的坑之一-角色一致性

角色資產化思路——先有角色檔案，再定基準圖、參考圖、圖生視頻、配音口型，提示詞和素材全進文件夾。下面給的是我常用的一套組合和幾個替代路徑，大家按自己的網絡環境和賬號功能再覈對。

角色一致性的坑，不在"臉像不像"。臉能湊，髮型飄、配飾忽有忽無、衣領粘到脖子上，觀衆照樣出戏。我先把角色卡寫死：

年齡感：

臉型：

眉眼：

髮型髮色：

體型：

固定配飾：

不可變項：

可變項：

負面約束：

基準圖路徑：

別寫成小說設定，寫給模型看。"銀色短髮、左耳黑色耳釘、窄肩、黑色短夾克"歸不可變；"場景、鏡頭焦段、情緒、手部動作"歸可變；負面約束寫"不要長髮、不要換髮色、不要多耳環、不要誇張表情、不要新增角色"。邊界先鎖死，後面返工少。

基準圖挑普通但穩的，別選一眼大片感的。大側臉、強逆光、頭髮擋眼、誇張表情都帥，都容易在後續視頻裏放大問題。我更願意正面或輕微側身，五官清楚，髮型完整，服裝邊緣乾淨，背景不搶戲。氛圍感留給參考圖去補，別把定妝和海報審美塞進一張。

文案和提示詞用什麼，看自己習慣。豆包和元寶都能做中文角色策劃和提示詞整理，入口都不深，上手快，二者挑一個起頭、再用另一個查漏即可，哪款更順手因人而異。要做長設定、整理多份材料的，Kimi 或通義也合適，最後都要固化到本地 `profile.md`，別隻靠聊天記錄當設定庫。

生圖和視頻這條線，各家強項不同，不能硬套固定順序。

即夢官網公開有 AI 繪畫、智能畫布、多圖 AI 融合、局部重繪、首幀到尾幀控制，適合中文提示詞和快速定妝，畫布修補順手。可靈國內實測可達，定位偏視頻，適合圖生視頻和鏡頭表現。Vidu 官網公開了參考生視頻、首尾幀和多主體一致性，對"固定角色+道具+場景"的連載最對題。海螺可作創意鏡頭候選，但角色控制規格我這次沒逐項核。Liblib、Stable Diffusion 這一類，能用 LoRA 和可復現工作流把角色控制上限拉高，但喫訓練、調參和顯卡。

口播剪輯端，剪映官網公開有數字人、定製數字人、文本朗讀、音色克隆、智能剪口播、AI 補幀和剪輯導出，在國內後期鏈路裏夠完整。但數字人口型跟圖生視頻裏的那個角色是兩回事，別把"有數字人"當成"任意角色都能準確對口型"。

我常跑的幾條組合，按場景選：

新手試水，先低門檻：豆包或元寶做角色卡，即夢定妝和多圖融合，先跑短動作，再拿同一鏡頭用可靈或 Vidu 跑一輪對照，剪映收尾做配音字幕。低門檻組合，質量上限靠後續替換和調參拉高。

連載角色、要長期穩定：Kimi 或通義整理長設定，固化 `profile.md`；有技術能力就用 SD 類 LoRA 和固定工作流，沒有就以即夢多圖融合過渡；Vidu 重點測多主體參考，可靈做鏡頭對照；剪輯總裝靠剪映。

短劇或強鏡頭感：四款文案工具挑兩款交叉出分鏡，人工統一不可變項；即夢或萬相快速概念圖，要嚴復現再轉 SD 工作流；可靈、Vidu、即夢、海螺按同鏡頭做小樣賽馬，每條留記錄。一個鏡頭只承載一個主動作，漂移風險會降，但不是零廢片。

手動版適合剛開始跑。在文案工具里根據角色卡整理三類提示詞：定妝圖、參考圖、視頻動作。丟到即夢挑一張最穩的當基準圖，再用多圖融合把同一角色套進半身、全身、室內、街景幾張參考圖。圖生視頻動作別上來就"奔跑、轉身、揮手、鏡頭環繞"，從眨眼、微笑、輕微點頭開始。每張圖起個名，"正臉定妝""黑夾克半身""室內暖光"，別隻靠縮略圖，幾天後認不出哪張改過耳釘。失敗圖旁邊寫一句原因，土，但救命。

到剪映，別先堆特效。口播先用文本朗讀或授權音色克隆做聲音，再看口型能不能貼住句子節奏。口型假通常不是一句"更自然"能救，得把臺詞切短，少用連續爆破音，剪掉張嘴對不上的半秒。能遮就用反打、字幕、手部特寫，別硬撐。

做帶劇情的小短片，鏡頭拆碎。一個鏡頭只承擔一個信息：看向鏡頭、拿起道具、低頭讀消息、轉身離開。讓模型同時處理情緒、動作、鏡頭運動和服裝細節，它會隨機犧牲一項。最常見的崩法，是預覽看着"差不多"，剪到一起才發現每段臉都像親戚。

連載號、測評號可以上本地半自動。把角色卡、基準圖、參考圖、腳本、成片分開存，別全扔下載文件夾。一個能活下來的目錄：

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 或本地腳本負責讀 `profile.md`，按模板生成生圖提示詞、視頻動作提示詞、口播文案。它管的是設定別抄錯、批次別漏項，不負責判斷哪張臉最穩。選基準圖、刪廢片還得人工看。半自動的好處在批量：同一個角色做十條遊戲吐槽，只改口播和場景，年齡感、臉型、髮型、配飾、負面約束全從一份 `profile.md` 讀。返工也好查——整批耳環丟了，改角色卡；只有夜景臉變窄，回頭查那組參考圖；某批動作太大，改動作模板。

幾個常見翻車點。臉漂，回基準圖，減情緒和角度變化，參考圖別混太多。髮型漂，把髮型髮色寫進不可變項和負面約束，保留同一張正臉基準圖。服裝粘連，降低動作幅度，換半身鏡頭或拆成靜態參考圖重跑。動作過大，視頻提示詞只寫一個動作，鏡頭別同時推拉搖移。口型假，短句重配音，剪映切節奏，字幕兜底。批次設定漂移，別在聊天窗口臨時改，改 `profile.md` 後整批重新生成。

別把所有希望押在單條生成上。每個鏡頭留兩到三個候選，剪輯再選。廢片別立刻刪，放進 `rejects`，文件名寫清"臉漂""手崩""口型慢"。下一輪讓文案工具改提示詞時，這些失敗原因比一句"優化一下"有用得多。

收尾幾句實在話。不建議直接仿明星、真人博主或未授權 IP。音色克隆要授權，數字人形象也要授權。發佈時宜聲明 AI 生成，商用前看一遍各平臺當期協議。各家工具的功能、額度、排隊都會變，今天能點開的按鈕不代表永久承諾。上面這套把"抽卡式創作"壓成可複查的流水線。零成本、無限生成、永久鎖臉，做不到。返工位置能暴露出來——角色卡沒寫清、基準圖沒選穩、視頻動作太貪、口型沒修。對盒友來說，這已經夠用了。