如何在 AI 生成的图像中保持角色一致性

你的角色在每张图中看起来都不一样，是因为扩散模型将每个提示词视为一个全新的、独立的实例，且不保留之前输出的记忆。你可以通过控制生成路径、提供视觉参考以及编写锚定身份特征的结构性描述符来强制保持一致性。

根本原因：为什么扩散模型将每个提示词视为新实例

扩散模型没有持久状态。当你生成图像时，模型从随机噪声开始，并遵循由你的提示词、随机种子和模型内部权重决定的路径。如果你不控制这些变量，模型每次都会以略微不同的方式解读你的描述。

问题不在于模型“忘记”了你的角色，而在于模型没有将角色视为持久实体的概念。它只知道如何生成符合文本描述的图像。如果你的描述含糊不清，模型会用其自身的统计偏差来填补空白。如果你描述一位“红发女性”，一次生成可能将头发放在左侧，另一次放在右侧，第三次可能完全改变头发纹理。模型并非不一致，而是忠实于一个模糊的指令。

为解决此问题，你必须从描述角色转变为指定角色。这需要三个杠杆：种子、参考图和结构性描述符。

一致性的三个杠杆：种子、参考图和结构性描述符

种子是决定起始噪声模式的随机数。如果你保持种子固定，模型将遵循噪声空间中的相同路径。然而，即使你稍微更改提示词，路径也会发生分歧。仅靠种子是不够的。

参考图是一个视觉锚点。你提供一张角色的图像，并要求模型将其作为身份和风格的指南。这比文本更强大，因为它避开了语言的歧义。模型可以看到鼻子的具体形状、夹克的剪裁以及眼睛的颜色。

结构描述符是对角色身份特征的精确几何描述。与其说“酷”，不如说“不对称眼镜，左镜片破裂，右镜片完好”。这为模型提供了一个稳定的目标。

使用种子值锁定生成路径

如果你使用的是允许设置种子值的工具，如 Midjourney 或 Stable Diffusion，你可以锁定生成路径。首先选择一个能生成良好基础图像的种子。然后，在优化提示词时保持该种子不变。这样可以确保提示词的更改不会导致模型转向完全不同的解释。

然而，请注意种子值是脆弱的。如果你更改宽高比、模型版本或提示词结构，种子值可能无法再产生相同的结果。将种子值视为局部控制而非全局控制。它在狭窄的参数范围内有效。

实施图生图工作流以进行迭代优化

保持一致性的最可靠方法是使用图生图工作流进行迭代优化。你从一张良好的角色图像开始。然后将该图像用作下一次生成的参考图。你调整提示词以改变场景、姿势或光照，同时保持角色身份特征不变。

Adobe Firefly、Krea 和 Runway 等工具适合此类任务。它们允许你上传特定的角色图像，并基于该视觉输入指导新的生成。使用这些工具时，根据输出在保留你关心的特定身份特征方面的表现来评判：面部形状、服装风格、色彩搭配。如果输出发生漂移，增加参考图的权重或收紧你的结构描述符。

编写锚定身份特征的结构描述符

你的提示词必须包含不可能被误解的结构描述符。避免使用主观形容词，如“美丽”、“酷”或“神秘”。相反，使用几何且具体的描述符。

• “短发，齐刘海”优于“短发”。
• “高领无帽皮夹克”优于“夹克”。
• “眼距宽且略微下垂的眼睛”优于“悲伤的眼睛”。

这些描述符锚定了角色身份，为模型提供稳定的目标。如果你使用 Stable Diffusion 或 ComfyUI，可以将这些描述符与特定角色数据集上的 LoRA 训练相结合。这能让模型学习角色的特定视觉特征，并在不同场景中保持一致。

常见错误：过度依赖名称 vs. 几何特征描述不足

最常见的错误是依赖名称。如果你将角色命名为“Alice”，模型并不知道 Alice 是谁，只会生成一个通用的女性形象。名称对模型而言毫无意义。

第二个错误是几何特征描述不足。如果你说“蓝眼睛的女人”，模型会改变眼睛的形状、瞳孔的大小以及视线的角度。你必须明确几何特征：“杏仁形眼睛，上眼睑略微下垂。”

不要混淆身份与风格。身份是稳定的核心：面部、发型、体型。风格是可变的：光照、背景、姿势。你的提示词必须将这两者分开。身份特征需要精确描述，风格特征则可以更灵活。

工作流程：在创建场景前先生成角色设定图

在创建任何场景之前，先生成角色设定图。这是一组展示角色多角度视图的图片：正面、侧面、背面和特写。使用固定种子和固定参考图来生成这些图片。不断优化提示词，直到角色设定图保持一致。

一旦获得一致的角色设定图，将其作为后续所有生成任务的参考。创建场景时，使用角色设定图作为参考输入。调整提示词以描述场景，但通过结构化描述符保持身份特征的稳定性。

此工作流程适用于各种工具。无论你使用 Leonardo.ai 的模型训练功能，还是 DALL-E 3 进行详细的提示词工程，原则都是一样的：先确立身份，再变化场景。如果跳过角色设定图，你在修复不一致性上花费的时间将多于创建内容的时间。