做 AIGC 作品，最让人崩溃的往往不是画面不够精致，而是同一个角色，第一张还是圆脸杏眼，第五张就变成了方脸丹凤眼。观众不一定说得出来哪里不对，但就是会觉得”这不是同一个人”，好不容易建立起来的代入感当场断掉。
我带学员做 AI 漫剧这两年，几乎每个人都会卡在这一关。后来总结出来的办法其实不复杂：把角色信息拆成几层固定的”锚点”，每次生成都原封不动地带上，只在必要的地方做微调。锚点不变，角色的脸就不会散。
角色为什么会跑偏？三个真实原因
先弄清病因，才能对症下药。所谓角色漂移，指的是同一个角色在多次生成中，外貌、穿着、气质出现明显不一致的现象。它主要由三个原因造成。
- 描述维度不全：只写了”一个穿红裙的女孩”，没写脸型、发型、眼神，模型只能自由发挥，而每次发挥的方向都不一样。
- 每次的措辞在变：这一版写”齐刘海”，下一版写”刘海齐整”，语义接近，但模型的理解路径已经悄悄偏移了。
- 模型本身的随机性：即便提示词一模一样，不同随机种子出来的结果也会有差异。这是扩散模型的固有特性，只能靠约束去收窄，没法彻底消除。
前两个是我们能完全控制的，第三个只能缓解。所以下面讲的方法，本质上都是在做一件事：把模型可以自由发挥的空间压到最小。
角色锚点要建哪几层？
我们把角色拆成五层锚点，越往下越稳定。写提示词时，前三层必须每次都带，后两层按镜头需要调整。
| 锚点层级 | 要写清楚的内容 | 常见错误 |
|---|---|---|
| 身份锚点 | 年龄、性别、职业身份 | 只写”一个美女”，没有身份设定 |
| 面部锚点 | 脸型、眼型、眉形、鼻型、唇形、标志性特征（痣、疤、眼镜） | 只写”五官精致”，没有具体形状 |
| 发型发色 | 发型、长度、发色、刘海样式 | 忽略刘海，导致额头和脸型变化明显 |
| 服装配色 | 主服装款式、主色、辅色，全剧最多两套 | 每集换一套衣服，观众根本记不住 |
| 气质神态 | 眼神特征、习惯表情、体态站姿 | 只写”冷酷”，没有可执行的画面描述 |
四种固定方法，该怎么选？
知道了要写什么，接下来是用什么手段把它固定住。目前主流有四种做法，成本和效果差别不小。
| 方法 | 怎么做 | 一致性 | 适合场景 | 成本 |
|---|---|---|---|---|
| 参考图垫图 | 用一张定妆图作为图像参考，每次生成都带上 | 中高 | 集数不多、画面变化小的漫剧 | 低 |
| 角色 LoRA | 收集 15 到 30 张同一角色图，训练一个小模型 | 高 | 长篇连载、需要多角度多表情 | 中高 |
| 三视图定妆 | 生成正面、侧面、背面三视图，作为后续生成的基准 | 中 | 需要角色转身、多机位拍摄 | 低 |
| 纯文本模板 | 把角色描述固化成一段固定文本，每次原样粘贴 | 中低 | 快速试水、预算有限 | 极低 |
我个人的建议是：先做三视图定妆，再用它当参考图去垫图。这两步基本能解决八成的一致性问题，成本几乎为零。等剧集确定要长期连载了，再投入时间训 LoRA，性价比会高很多。
一套可以直接抄的角色描述模板
下面这个顺序是我们内部一直在用的，按它写，角色的”骨架”就立住了：
- 先写身份：25 岁女性，古风武侠世界里的镖师
- 再写脸：鹅蛋脸，杏眼，眼尾微上挑，眉形平直略粗，鼻梁挺直，唇薄，左眉尾有一颗小痣
- 写发型：黑色长发高束马尾，额前留两缕碎发
- 写服装：深青色短打劲装，腰系褐色皮革束带，主色深青、辅色褐
- 写气质：目光锐利，站姿挺拔，习惯性抿唇
- 最后写镜头：中景，平视，自然光
注意第 6 步，镜头信息一定要和角色信息分开写。混在一起会让模型分不清哪些是角色固有属性、哪些是这一镜的临时要求，结果就是把机位也”记”进了角色里，换个角度脸就变了。
定妆图加参考图，到底能解决多少问题
废片率从差不多六成掉到两成，中间其实只多做了一件事——先把角色的定妆图做出来。
有部 12 集的古风漫剧，女主角前后要出场四十多次。前 3 集发完，评论区开始陆续出现同一类疑问：”女主怎么每集长得不太一样。”作者自己回看也觉得不对劲，但说不上来到底哪儿变了。
我让他先停更一天，别急着往下赶。用同一段提示词生成女主的正、侧、背三张定妆图，挑出最满意的一版存成”角色卡”。从那以后每一镜都以正面定妆图打底，角色描述那段原样复制，只改表情和动作。第 4 集上线后，这类反馈就再没出现过，出图也快了不少。
怎么快速检查有没有跑偏
别靠感觉，把已经生成的角色图并排放到一起，只看三个点：脸型轮廓、发际线位置、两眼间距。这三个指标一致，观众基本就认得出是同一个人；这三个里有一个飘了，不管五官多精致，观感上都是”换人了”。
还有三个坑，避开能省很多时间
- 别一次写两个角色：同时描述男女主，模型很容易把特征串到一起，出现”男主的脸配女主的衣服”。正确做法是分开生成，再用合成或后期处理放进同一画面。
- 服装别超过两套：观众很大程度是靠服装认人的，换得太勤等于主动破坏锚点。
- 不要在提示词里写否定词：像”不要双眼皮”这种，模型对否定指令的理解并不稳定，直接写肯定的”单眼皮”更有效。
说到底，固定角色形象就是在跟模型的随机性较劲——你给的信息越具体、越稳定，它能自由发挥的空间就越小。真要排优先级，我建议先把三视图定妆做出来、把角色描述固化成一段文本，这两步几乎不花钱，能解决大半问题。至于 LoRA，等确定要长期连载了再投入也不迟。