AI 角色一致性怎么做？用一张参考图让照片和视频里始终是同一个人

要让 AI 角色始终是同一个人，就给模型一张他的照片。只用文字描述角色，再仔细也只会得到长得像的人：符合描述，但每次的脸都不一样。一张好的参考图，加上一句「保持完全相同的脸」的提示词，才能让角色在整套照片里保持一致，并延续到视频里。

下面是真实结果的对比：先用一段仔细写的文字描述生成三张图，再用一张参考肖像做出一套六张照片和一段视频。每条提示词都附在这里，每一步花了多少也写清楚。

为什么只描述人物还不够

我们为一个男人写了一段详细的描述，只换了场景，用 Seedream 5.0 Pro 生成了三张图：

纯文字描述（没有参考图）模型: Seedream 5.0 Pro

Candid photo of a man in his early fifties with short grey hair, a short grey beard and laugh lines, wearing a navy plaid flannel shirt, laughing in a bright kitchen with morning light. Natural, realistic editorial photo, 35mm film look. The person is a fictional adult.

复制试试这个提示词

厨房

公园长椅

火车

每张图都符合文字描述，但没有一张是同一个人。描述只能把人框成一类：「五十来岁、短灰发、短灰胡子」的人有成千上万张脸，模型每次都挑一张新的。再多加形容词也解决不了这个问题。

解决办法：每张图都从同一张参考图出发

先做出（或上传）一张清晰的正面肖像，然后每张新图都用图像编辑模型生成，并把这张肖像作为参考图附上。这是 Theo，我们在AI 网红页面上创建的虚构厨师：

以这张肖像为起点，角色套图页面生成了一组六张「居家」主题的新照片，每张的房间、服装、取景和姿势都不同：

阅读角

阳台

窗台

厨房

家庭办公室

客厅

每张照片都是带着这张肖像做的一次编辑。下面是厨房那张的提示词：

这一整套六张，1K 下花了 216 积分。角色套图页面会替你写这些提示词：选一个主题，再选 4、8 或 12 张即可。

好的参考照片是什么样的

参考图决定了后面的效果好不好。最好的参考图通常具备以下几点：

• 脸要清楚，正面或微侧。 两只眼睛都要看得见，不戴墨镜，嘴巴没有被遮住。
• 光线均匀。 脸上的硬阴影会被当成脸的一部分照搬下来。
• 只有一个人。 合照里，模型可能会从别人身上借五官。
• 你想保留的细节要在。 如果角色总戴眼镜，或者有疤痕、纹身，要确保这张图里能看到。
• 脸要够大。 脸应该占画面的较大部分。广角里的小脸给模型的参考素材太少。

你自己的照片也一样。把它作为参考上传，就能做出一套属于你自己的套图。

提示词怎么写，脸才能保持住

• 开头就锁住。 把「The same character as in the reference image, with exactly the same face, hair and identity.」放在最前面，早于地点和服装。
• 每张只改一两样。 换地方和服装，或者换取景和姿势。一次全改，最容易走样。
• 每次都回到原图。 所有新图都从第一张参考图生成，不要从上一张结果再生成。复印件的复印件，每代都会漂移一点。
• 为任务选模型。 在 PopNow 上，Seedream 5.0 Pro 最适合做套图；最在乎像不像的时候，可以试试 Nano Banana 2.1。

如果是在图片或视频页面上操作，在提示词框里输入 @，就能把保存好的角色拉进请求，不用再上传一次参考图。

把同一个角色带进视频

视频里角色最容易崩，因为模型要在一百多帧里都保住脸，而不是一张图。可靠的做法还是同一个思路：让视频从一张已经有正确脸的照片开始。我们拿上面套图里的厨房照片，用 MiniMax H3 让他动起来：

这段视频花了 185 积分，不到一分钟就完成了。场景更长的话，可以从套图的不同照片各做几段，再剪在一起；或者用视频生成器里的参考模式，有些模型可以一次接收同一个人的多张照片。想了解怎样把视频做长、拼接片段，可以看我们的如何把 AI 视频做长指南。