企业官网建设流程全解析

如果你做过超过5集的AI短剧，你大概已经被同一个角色的脸折磨疯了。第一集男主还是个棱角分明的冷脸霸总，第三集突然变成圆脸小奶狗，第五集换上胡子直接变大叔。弹幕里全是“换演员了？”，评论区一片“这剧到底几个男主”。这种翻车不是手滑，而是AI短剧人物一致性没做好——它几乎是所有AI短剧制作人跨不过去的坎，也是“AI短剧迟早要出片”这句话里最难啃的一块骨头。

这篇内容我压了很久，把从角色设定、三视图尺寸、模型参数、训练LoRA到动态视频生成的全套方案整理成了一条能直接照着跑的完整链路。不管你是刚接触AI短剧的小白，还是已经卡在“角色总崩”阶段的半熟手，这套方案核心解决一件事：让同一个角色从头到尾像同一个人，让你不用再靠抽卡式的运气去碰脸。

1. 先看痛点：AI短剧人物一致性为什么这么难

1.1 你崩溃的那一帧是怎么出现的

我先描述一个场景，你一定不陌生。你用Midjourney出了一张非常满意的男主正面图，眼神、发型、衣服都恰到好处。你兴冲冲地拿它去做分镜、动起来，结果第二幕换了个机位，人物侧过脸，鼻子变了；第三幕加了光线，肤色变了；第四幕情绪激动，脸的轮廓直接改了。你从头到尾都拿着同一张参考图，生成结果却“千人千面”。

这背后的核心原因其实不难理解：扩散模型每一次生成都是一次噪声去除过程，它不认识“张伟”这个人，它只是根据你给的条件去重新组合一个“像张伟”的分布。你给了一张正面图，它知道正面长这样；但你给一个侧面提示词，它就只能在“侧面该长什么样”的概率空间里重新猜一张脸。没有一种机制告诉它“张伟的侧面就等于正面图那个人转过去15度”，它自然就自由发挥了。

第二个坑在提示词。很多人把人物描述写成长篇小说——“帅气的年轻男人，深邃的眼神，高挺的鼻梁，轮廓分明……”这种形容词在模型眼里是高度抽象的，同一个词在不同seed下对应的长相完全不同。你今天看到的“帅气”和明天看到的“帅气”根本不是一个“帅气”。这跟你用文字跟画家描述一个人让他画肖像一样，五次画出来五个版本，这就是AI版“盲人摸象”。

第三个坑是动态化阶段。哪怕你静态图保持住了，一旦推进视频生成，模型要同时处理运动、光流、姿态变化，它对脸部的注意力会被稀释。特别是转身、低头、快节奏动作，脸部特征几乎必然漂移。这也是为什么有些剧组明明静态图挺稳定，一上图生视频就崩。

1.2 从根上讲，这是扩散模型的三重随机性

把问题再压一层，你会看到有三重随机性叠加在一起：

• 采样起点随机：每次生成都从一个新的随机噪声开始，哪怕提示词完全一致，两次结果也有差异。
• 采样过程随机：去噪过程中每一步都有一定的随机扰动，采样器会引入概率性偏差。
• 条件映射随机：文本条件、参考图条件在模型空间中是模糊对应的，同一个条件可以映射出多张不同的脸。

这三重随机性叠加的结果就是：你每生成一次，就等于重新选了一次演员。你之所以觉得“第一集和第三集不像”，本质上就是因为你每次都在选新演员，只是偶尔两次选得比较接近。

理解了这一点，你就知道解决一致性不是一个“靠运气”的问题，而是一个系统工程——你得把随机性逐步压缩，让每一环都锁定在可控通道里。下面这套方案，就是沿着这个思路展开的。

2. 源头定调：用“角色卡+三视图”锁住角色的底层代码

2.1 为什么你的角色反复变脸：缺一个“角色不可变项清单”

我第一次做AI短剧踩的最大坑，就是没有给角色写“不可变项清单”。什么叫不可变项？就是这个角色无论出现在哪一集、哪个场景、什么情绪下，都必须保持不变的底层特征。脸型、五官比例、瞳色、发型形状、肤色倾向、标志性特征，这些是硬指标，不可以随场景风格漂移。

最短的角色不可变项清单长这样：

• 脸型：心形、圆脸、方脸、瓜子脸，只能选一个，写成确定描述词（如“oval face”）而不要写“handsome”这种形容词。
• 五官比例：眼距、鼻梁高度、嘴唇厚度、下颌线锐利度，这些要数字化或者用固定词锁死。
• 发色与发型：具体色号（如“银灰色短发，长度到耳垂”），不要写“时尚发型”。
• 瞳色与眉形：瞳色固定，眉形固定（如“浓眉，微平，略粗”）。
• 肤色与质感：肤色倾向（冷白、暖白、小麦），肌肤质感（平滑、有细纹、胶原感）。
• 标志性特征：泪痣、疤痕、耳钉、特定项链，选一到两个，贯穿全剧。

很多新手角色容易崩，就是因为在“不可变项”里混入了大量“可变项”——今天的情绪是愤怒，眼神就要凌厉；明天是温柔，眼神就写成温柔。你可以描写情绪，但不能在描写情绪时把五官给改了。情绪描述加在“表情”位置，不可变项永远锁在“长相”位置。

2.2 三视图尺寸怎么定：实操参数与出图逻辑

“三视图尺寸最好多少”这个问题很多人在问，我也反复测试过，直接给结论：

三视图不要作为最终画面使用，它是给模型、给后续图生图流程吃的“基准物料”。所以尺寸的核心诉求不是屏幕比例，而是“人脸占比够大、形变足够小、正中构图”。

我推荐用正方形画布，分辨率优先，常见是1024×1024，竖屏短剧的人脸在竖构图里占比较小，不利于锁定五官细节。反而方形图人物居中，人脸在画面中占比更大，后续裁剪、放大、重绘都更灵活。如果你的平台支持更高分辨率，比如SD加高清修复，可以出1536×1536，但没必要一味堆高，人物特征锁定靠的不是像素高，而是特征描述稳定。

三视图的“三视”我建议拆成三个独立Prompt分别生成，而不是画在同一个画布里让AI排布。很多人拿着“前后侧三视图”单张图去做角色参考，效果很差，因为模型压缩了三个人脸视角，每个视角的细节都糊掉了。我的做法是：

• 正面定妆照一张：锁定全脸特征、发型、服装正面。
• 左侧四分之三侧一张：锁定侧面轮廓和鼻梁形态。
• 右侧四分之三侧一张：锁定另一侧轮廓。

生成时共享同一组不可变项，用相同的seed池尽量贴近，出来后再做筛选，发现细节不一致的用inpaint局部修正。三张视角图不需要绝对一致，但主要五官比例必须对得上。

2.3 角色卡长什么样：模块化描述词模板

角色卡不是一行提示词，而是一组结构化的描述体系。我把我现在用的模板分享出来，你直接套用就行。

基础模块格式：

[主体类型]：single male character，上半身肖像 [脸型]：oval face，窄下颌，颧骨适中 [眼睛]：深棕色瞳孔，双眼皮，眼距略宽 [鼻子]：直鼻梁，鼻尖微圆 [嘴唇]：中等厚度，上唇薄于下唇，嘴角平直 [发型发色]：银灰色短直发，长度到耳垂，刘海向右偏分 [肤色肤质]：冷白色调，细腻平滑，轻度哑光 [标志特征]：左眼角下方一颗小泪痣，右耳戴黑曜石耳钉 [服装]：黑色面料机车夹克，内搭灰白色圆领T恤 [画质风格]：photorealistic，35mm镜头，自然光，高清细节 [负面描述]：asymmetrical face，wrong nose，变形五官，artifacts

这个角色的底层代码就锁住了。之后你在任何一集想让他“大笑”“愤怒”“低头沉思”，只需要替换掉括号里的表情和机位词，而把前面[脸型]到[标志特征]的块原封不动复制。这就是模块化描述词的逻辑——像搭积木一样，底层块永远不动，只动上层状态块。

提示：把每一集用到的角色描述词统一保存成一个“角色词条”，不要今天写得详细明天写得简略。模型是看整体权重的，少了一个词，特征就可能漂移。

3. 稳定复现：从“碰运气”到“每次都是他”的生成链路

3.1 图生图+参考图的中心思想：让模型“照着这个人画”

文字描述再模块化，也是有天花板的。真正要跨过“每次都是他”这道坎，必须把“以图生图”作为主链路。不管是Midjourney的cref角色参考函数，还是Stable Diffusion的图生图模式，核心思路都一样的：让模型看着这个人去画这个人，而不是凭想象力去猜这个人。

Midjourney的用法比较直观。在提示词后加上--cref 你的角色图URL --cw 100，模型会优先参考这张图的角色特征，权重越高越贴角色。如果你觉得面部过于贴、场景不够多变，就把cw降到60-80，给环境发挥一点空间。这个参数本质就是“相似性”和“自由度”的天平。

Stable Diffusion那边的逻辑稍有不同。你用图生图模式，输入角色图，再配合ControlNet的OpenPose做人物的动作姿态控制，就能实现“脸是那张脸，动作换一批”的效果。如果你想让角色做各种姿态但脸不动，可以叠加局部重绘，只锁定脸的区域，把身体交给新提示词控制。

3.2 五个关键参数与计算选型逻辑

参数不调好，再好的方案也是白搭。我直接列五个最关键参数，附带我的经验值：

重绘幅度这条我要重点说。很多人图生图喜欢拉到0.6-0.7，觉得画面变化大、新鲜感强。但AI短剧讲究的是“同一演员在不同场景”，不是“同题材换演员”。我实测下来，0.4左右是安全线，脸部五官还能锁住；超过0.55，脸型、瞳色、发型都开始漂了。如果你需要大幅改变背景，优先考虑换ControlNet控制类型、保持原图ID特征，而不是单纯拉高重绘幅度。

seed值的运用是很多人忽略的高级技巧。当你找到一张“完美脸”之后，记下这组seed值和完整参数池，后续所有分镜都基于这组参数池微调，而不是每次重新抽。这就像演员定妆照拍好了，进组之后按固定的化妆方案化妆，每场戏微调造型但底妆和轮廓不变。

3.3 进阶玩法：训练一个角色LoRA究竟值不值得

如果你已经决定做12集以上的短剧，我强烈建议你评估训练一个角色LoRA的投入产出比。所谓LoRA，就是在一个基础模型之上，用少量角色图片做微调，让模型学习到“这个人长什么样”的低维表征。训练完之后，不管你怎么换场景、换情绪、换服装，只要挂上这个LoRA，模型就倾向于画出同一个人的脸。

训练LoRA需要的素材至少20-30张同一角色的不同角度、不同表情、不同光线的图片，先全部统一裁剪对齐，尽量包含正脸、双侧面、四分之三侧和抬头低头角度。训练参数我建议：batch size 1-2，学习率控制在1e-4到3e-4，训练步数在1500-3000之间，循环次数5-10。训练完一定要用没用过的提示词跑一组验证图，观察脸是否稳定、服装是否固化、是否产生“LoRA脸”的同质化。

对于只有三五集的短剧，我建议不值得训练LoRA，直接参考图+固定描述词够用了。训练的成本不仅是时间，还有可能带来的风格污染——很多LoRA训练完，角色的脸会变得过于“模型平均脸”，反而丧失了你最初选角的那股生动劲。

4. 贯穿全集：从单张神图到动态连贯的完整流程

4.1 一张图的方案：单次生成的极限

静态图的极限在哪儿？就是当你在同一集内连续生成十几次画面，角色每次都很像。这一阶段的关键是用“角色校验图”做质量把关。什么叫校验图？就是你每一批生成结果出来后，先把脸裁出来，跟角色正面定妆照拼在一起，肉眼比对五官比例。

我发现一个效率极高的校验法：不要只比“像不像”，要比“哪里不像”。眉毛角度、瞳色、下颌线宽度、鼻尖形状，这四个点位是最容易漂移的。建立一张“角色五官差异记录表”，每次崩了，就记录是哪个点位漂移，然后回到提示词里强化对应描述。这玩意比盲目调参数高效得多，因为它让你知道模型到底在哪个环节偷懒了。

4.2 动态化：图生视频里怎么保住同一张脸

静态图解决之后，大头在图生视频环节。目前主流工具里，可灵、即梦、Runway都有首尾帧模式。首尾帧的思路特别好理解：你给第一帧（角色定妆照）和最后一帧（同一角色的另一个姿态），让模型自己脑补中间的过程。因为首尾两头都被锁定了，中间的过渡理论上不会偏离太远。

实际操作里有个坑：首帧和尾帧如果差别太大（比如一个正面一个背面），模型中间会直接“换头”。我的做法是首尾帧差异控制在中低程度，先做小动作的片段，比如主角转头、抬眼、微笑，每个片段控制在3-5秒，然后靠剪辑拼接成长镜头。不要试图让AI一口气完成大场面动作，那等于让它在中间自由发挥，自由发挥的结果必然是崩脸。

另外动态化阶段强烈建议关闭任何自动变脸的后期增强。有些视频工具默认带人脸增强功能，它对静态美颜有帮助，但对一致性是灾难。它会自动“美化”每一帧的脸，结果就是每帧都有自己的审美，连起来看就是整容机构宣传片。

4.3 全集工作流设计：把一致性变成“流水线”

做到这一层，你要开始用流程去倒逼一致性。我自己的AI短剧全流程工作台长这样：

1. 定角色库：每个主角建立独立文件夹，内含三视图、角色卡、不可变项清单、定妆照seed池。
2. 定场景模块：每个场景独立一个图生图任务，基于角色库出背景+人物合成图。
3. 定分镜模块：每一镜先出静态关键帧，通过校验图合格后再进入视频生成。
4. 定素材审查：每一段视频生成后，提取中间帧做二次比对，不合格就重抽该片段的首帧或重跑。
5. 统一后期：剪辑时统一调色、统一字幕风格，弱化单帧的微小差异。

整套流程的核心原则是：一致性不是靠最后一期集中修补，而是靠每一环节都设置一个“校验点”。每过一道关卡，角色就被锁定一次；到了剪辑台，你已经拥有了一批高度统一的素材库。很多AI短剧最后崩得一塌糊涂，不是某一环做得差，而是整条流水线没有校验点，问题层层传递到成片里才爆发。

5. 避坑实录：我踩过的坑和排查速查表

5.1 六大高频翻车现场

列几个我亲手踩过的坑，你大概率也会遇到：

1. 场景风格干扰角色。阴雨场景加了冷色调，结果角色肤色跟着变成铁青。这就是“不可变项”被场景风格污染了。我的解法：角色卡里明确肤色倾向，并在负面提示词里加“altered skin tone”，必要时用局部重绘把脸圈住，防止调色波及。

2. 换衣服=换脸。角色换了套西装，五官跟着变了。这是因为模型把服装和人物特征耦合了。解法：换服装时用图生图，脸部区域锁定，局部重绘范围只勾选衣服区域。

3. 情绪幅度过大导致五官扭曲。大笑、愤怒场景最容易崩。解法：情绪生成后先看静态帧，合格再动态化；动态化时首帧用中性脸起手。

4. 侧脸永远崩。很多角色正面定妆照很完美，一到侧脸就变形。解法：前期多生成几张四分之三侧、90度侧面作为角色库素材，不要只留一张正面图。

5. seed池混乱导致角色变异。很多是不同任务里seed参数不一致导致的。解法：用固定基础seed+偏移量做管理，每个角色分配一个基础seed值，所有分镜都从它派生。

6. 动态化时多角色同框互相污染。主角和配角同框，配角的脸会带主角特征。解法：多角色同框时先单独生成各角色的动作素材，再用后期合成，不要让AI同时生成两个复杂人物。

5.2 排查优先级建议

如果你发现角色崩了，别急着盲目改提示词。我建议按优先级排查：

• 先看有没有跨工具链（MJ出的图拿SD动态化，SD出的图拿可灵动态化），不同工具对提示词和颜色空间的理解不同，跨平台最容易漂移。
• 再看参考图质量，是不是存在过度美颜、精修痕迹明显的图。参考图越“原生”，锁定效果越好。
• 再看提示词里有没有冲突描述，比如同时写了“old man”和“young skin”，模型就会两头摇摆。
• 再看重绘幅度和CFG的搭配，重绘幅度高于0.5、CFG低于5的组合，脸基本必崩。
• 最后才考虑训练一个专属模型或调整seed。

按这个顺序排查，基本十分钟内能定位问题。不要一上来就重抽100张图碰运气，那是最低效的路径。

根据我个人实际测试下来的体会，这一套方案最核心的奥秘就一句话：把AI短剧的演员当成真人员工来管理。你从不定妆照，不做演员档案，不固定化妆方案，那演员每次出镜当然长得不一样。但一旦你建立了一套完整的“演员管理系统”，角色一致性就不再靠运气，而是靠流程。最后再分享一个小技巧：每集开拍前，先用上集最后一个镜头的角色图跑一张“本集状态确认图”，确认这张图跟定妆照对得上，再开始批量生成，这个动作能帮你避开一整集的崩脸噩梦。