如何在多张 AI 图片中保持角色一致

角色一致性本质上是连续性问题。一张好看的人像只是起点：当姿势、机位、表情、服装、光线和环境改变时，同一个人仍应可辨认。生成模型不会自动在独立任务间保持永久身份。因此，实用流程需要稳定的视觉参考、精简且重复的身份描述、每次只改变一个场景变量，并尽早淘汰漂移结果。NamiFusion 提供图片生成和图片编辑路径，但具体参考图容量与控件取决于所选模型，应以页面实际表单为准。

建立角色设定表

把身份与造型分开定义。记录稳定特征，例如大致年龄段、脸型、肤色、眼睛颜色和形状、眉形、鼻型、发型与发际线，以及有意保留的标记。不要堆砌长段描述，选出五到八个可见且有区分度的特征即可。另建造型区块记录服装、妆容、饰品和艺术方向。服装可以变化，身份不应变化。若角色类似真人，应先确认用途所需的权利或同意。

在制作剧情场景前先建立中性参考包：正面、四分之三侧面、正侧面、全身，以及在模型支持时准备表情表。保持光线简单且面部无遮挡。在整个系列中尽量使用同一张审核通过的主参考图，不要每个新画面都换成不同的生成后代。为每张通过的图片记录编号和本次改动。

按步骤生成系列图片

1. 打开 Image Generator，选择当前表单支持所需参考格式的图片模型。
2. 上传审核通过的主角色图；若模型支持多图，只加入真正互补的角度，参考越多不一定越好。
3. 在提示词开头粘贴固定身份区块。
4. 每次只添加一个场景要求：先姿势与机位，后环境，再在后续轮次改变服装或表情。
5. 除非镜头表要求变化，否则保持画幅和整体视觉处理一致。
6. 生成少量候选，先比对脸部，再评估背景。
7. 标记最准确的一张；只有在补充角度且不替代干净身份锚点时，才把结果设为参考。
8. 下一镜头继续逐字保留身份区块。

提示词练习：身份与镜头分离

以下是写作练习，不是某张生成结果的证明。项目全程保持第一段不变：“与所提供参考图为同一个虚构角色：三十岁出头女性，椭圆脸，暖调中棕肤色，深棕色杏眼，平直眉，居中分缝的黑色短波波头，左眼下方有一颗小痣。保持面部比例、发际线、眼距和痣的位置。”之后追加镜头段：“半身四分之三侧面，回头看向右肩，神情平静，海军蓝工装夹克，阴天车站月台，柔和纪实光线，50 mm 透视。”场景段不要再加入冲突的年龄、发型或脸部指令。

IDENTITY — keep unchanged:
Same fictional character as the supplied reference: oval face, warm
medium-brown skin, dark brown almond-shaped eyes, straight brows,
short black center-parted bob, beauty mark below the left eye.

SHOT — change per frame:
Waist-up three-quarter view, looking over her right shoulder, calm
expression, navy utility jacket, overcast platform, soft documentary light.

先验身份，再看风格

制作接触表，让所有画面中的脸以相近尺寸并排比较。检查脸宽、下颌、眼距、眼睑形状、鼻长、唇形、发际线、识别标记、视觉年龄和身体比例；再检查分缝、疤痕、包袋或扣件分别位于哪一侧。镜像构图很容易掩盖左右错误。最后检查姿势解剖、手部、遮挡、光线方向与服装是否符合镜头。系列必须放在一起评估，单张可信的图片也可能与前后画面失去连续性。

修复漂移并控制迭代成本

身份漂移时，回到原始锚点、降低场景复杂度，并只重申发生变化的两三项特征。脸正确但服装错误时，保留面部参考，仅修订服装区块，不要重建身份。若所有候选都让角色变老，去掉含糊年龄词并换用更近、更清晰的参考。若模型无法稳定处理困难侧脸或极端表情，应调整镜头表或测试当前可用的其他模型。参考限制、分辨率、耗时和积分成本随模型与设置变化；先用少量低风险镜头验证连续性，再制作完整系列，并在每次付费任务前查看界面估算。