编辑文章

知序

返回

Markdown

# 02 - 角色与场景：用 AI 做出一致的主角和画面

> 这篇解决什么问题：分镜写好了，但一用 AI 出图就发现——主角这一张是黑发、下一张就成了红发，脸完全对不上，画面风格也飘忽不定。**漫剧最怕的就是"角色不一致"**，看的人一烦就划走。这篇教你：先定一张"主角定妆照"，再靠提示词 + 参考图，让每一帧都长得像同一个人、同一套场景。
> 读完你会知道：文生图 vs 图生图怎么选、怎么写能复用的提示词、怎么用参考图锁定角色，以及怎么把"分镜"翻译成"出图指令"。

---

## 1. 先分清：文生图、图生图、参考图

出图模型有三个最基本的姿势，新手先分清它们，后面才不混乱：

| 姿势 | 输入 | 用途 |
|---|---|---|
| 文生图（text to image） | 一段文字提示 | 从零生成一张图，适合定角色的"第一张" |
| 图生图（image to image） | 文字 + 一张参考图 | 让新图和参考图"长得像"，适合改姿势/换场景 |
| 参考图锁定 | 一张主角图反复使用 | 让同一角色在多帧里保持一致 |

对漫剧来说，**绝大多数工作是"图生图 + 参考图"**：你先造一张主角定妆图，之后每一帧都拿它当"它"来约束。

![三种姿势：文生图造第一张，图生图换姿势换场景，参考图锁一致性](/images/excalidraw/ai-02-modes.svg)

*图：三种姿势：文生图造第一张，图生图换姿势换场景，参考图锁一致性*

```text
  文字            →  图（从零造）       文生图
 文字 + 一张图    →  一张"像它"的新图     图生图
 一张主角图(反复) →  每帧都像同一人       参考图锁定
```

> 一句话：**先文生图造出"主角定妆图"，此后每一帧都走"图生图 + 参考图"让它们像。** 把"从零到有"留在第一步，之后就别再让模型自由发挥脸。

---

## 2. 造一张"定妆图"：一条能复用的提示词

你的第一条出图，目标是产出一张**干净、稳定、可以反复引用**的主角定妆图（正面、全身、白底或纯色背景最佳）。

提示词不要东写一句西写一句，用固定公式：

```text
【画风】+【人物特征】+【服饰】+【姿态与景别】+【背景】+【质量词】
```

给零基础的三组可直接改的示例：

```text
# 例 1：黑发少年（校园风）
漫画风格，2D，简洁干净。主角是一名黑色短发的少年，白色卫衣，蓝色牛仔裤，
正面半身像，面带微笑，白色背景，高清，细节丰富。

# 例 2：橘猫（拟人/可爱）
3D 卡通渲染，低多边形但细节精致。主角是一只橘色的拟人猫，穿黄色围裙，
正面全身，站在白色背景，温柔表情，高清，厚涂质感。

# 例 3：古风女子
国风水墨动漫风。主角是一位束发女子，青白汉服，发簪，正面半身，
浅色背景，眼神清冷，高清，唯美。
```

**出图后的验收标准**：这一张要成为你后续所有帧的"锚"。如果它不够干净（背景太花、脸太糊），先重出到满意，**它是地基**。

![定妆图就是"锚"：干净、正面、单一背景，之后每帧都拿它做参照](/images/excalidraw/ai-02-anchor.svg)

*图：定妆图就是"锚"：干净、正面、单一背景，之后每帧都拿它做参照*

```text
                    定妆图（锚）
┌──────────────────────────────┐
│  主角：黑发少年·白卫衣·淡背景   │  ← 只出一张，全力做到满意
└──────────────────────┬───────┘
              之后每一帧都拿它做参照
              ┌─────────┼─────────┐
              v         v         v
            帧1(像他)  帧2(像他)  帧3(像他)
```

> 一句话：**先花时间把"定妆图"出到满意，它是你整集所有画面的锚；锚不动，后面才不乱。**

---

## 3. "保持一致"的具体方法

同一角色一致靠三条腿，缺一不可：

1. **固定人物的描述串**：把"黑发少年 + 白卫衣 + 蓝裤"这串描述原样复制到每一帧的提示词里，一个字都别改。
2. **每次带参考图**：出每一帧时都把定妆图作为参考图传入，让模型"照着它"。
3. **沿用同一风格词**：每张图都带同一个画风词（如"漫画风格 2D"），不让画面风格漂移。

工具里常见的"参考图锁定"名称五花八门（角色锁定 / 垫图 / IP 一致性 / 参考图），你要找的**本质是同一个东西**：让它参考你给的图来生成。

![一致性三要素：固定描述串 / 每次带参考图 / 沿用同风格词](/images/excalidraw/ai-02-consistency.svg)

*图：一致性三要素：固定描述串 / 每次带参考图 / 沿用同风格词*

```text
  一致性 = 固定人物描述串 ＋ 每帧带入定妆参考图 ＋ 沿用同一风格词
```

**场景一致性同理**：如果一集反复出现在"办公室/咖啡店"，先把该场景也定一张图，之后所有该场景镜头都引用它。这就形成了两套锚：**角色锚 + 场景锚**。

> 一句话：**一致性靠"固定描述串 + 反复带参考图 + 统一风格词"三个动作合力，场景和角色一样要配锚。**

---

## 4. 把"分镜"翻译成"出图指令"

这一步是把上一篇文章的分镜接过来。每个镜号一行，出图时这样处理：

| 分镜里的内容 | 怎么用 |
|---|---|
| 画面（人+动作+环境） | 作为该帧描述的主体 |
| 镜号 | 图的命名：`01-画面1.png`，方便排序 |
| 备注（情绪/景别） | 加到提示词末尾，如"近景，疲惫表情" |
| 场景 | 该场景帧一律带"场景锚"参考图 |

一个"出图任务单"示例（一个镜号一行）：

```text
镜1 · 主角趴在工位，屏幕一片待办 · 近景 · 疲惫
镜2 · 老板示意说加薪 · 中景 · 转折
镜3 · 主角瞪大眼睛凑近屏幕 · 特写 · 惊讶
```

给每一帧的提示词，就是在"角色描述串 + 风格词"基础上，把该行"画面 + 情绪 + 景别"拼进去：

```text
漫画风格 2D。主角是黑色短发少年，白卫衣，蓝裤，参考定妆图。
【镜2】老板（中年男子，西装）在后示意，主角惊讶回头，中景，办公室场景，
参考办公室场景锚。<+质量词 + 负面词>
```

**批次出图技巧**：分镜有十几句，别一张一张纯手打。把每句整理成一个"词条"，多数工具支持批量/模板导入，把固定串抽出来，只替换每帧特有的部分，速度能快好几倍。

![出图任务单：每行=一帧，把角色串+风格词固定的部分抽出来批量替换](/images/excalidraw/ai-02-shotlist.svg)

*图：出图任务单：每行=一帧，把角色串+风格词固定的部分抽出来批量替换*

```text
固定模板：
 [风格词] 主角[人物固定串] 【本帧画面】【本帧情绪·景别】 [场景锚] [质量词] [负面词]

镜1 → 漫画2D 黑发少年白卫衣蓝裤 「趴在工位屏幕一片待办」 「近景·疲惫」 办公场景锚 高质…
镜2 → 漫画2D 黑发少年白卫衣蓝裤 「老板示意说加薪」 「中景·转折」 办公场景锚 高质…
镜3 → 漫画2D 黑发少年白卫衣蓝裤 「瞪大眼睛凑近屏幕」 「特写·惊讶」 办公场景锚 高质…
（固定不变）          （每帧只改这一小段）
```

> 一句话：**出图就是按"任务单"逐帧拼提示词——固定部分一字不改，只换每帧的画面/情绪/景别；能批量就批量。**

**推荐工具与操作入口（照抄级）**：

- **即梦**（出图首选 · 网页版 `jian.qq.com` 或手机 App）：登录后点「AI 作图」。文生图 = 直接输提示词；要锁定角色，勾选"图片参考 / 垫图"，把第 2 节那张**定妆图**传进去，第一帧把"黑发少年 + 白卫衣 + 蓝裤"描述串原样贴进提示词，模型就会照着这张脸生成。之后每一帧都带这张参考图即可。
- **可灵**（备选 · `klingai.com`）：同样的思路，用"图生图" + "角色特征"两个入口对照着操作。
- **批量小技巧**：即梦支持把多条提示词按行粘贴批量出图。把"描述串 + 风格词"固定住、只换第 4 节任务单里每帧的那一小段（画面 / 情绪 / 景别），一口气出完 12 帧再逐张挑，比一帧一帧纯手打快几倍。

一句话：**当前优先用即梦 + 它的"图片参考"锁角色——入口就是「AI 作图」下的文生图/图片参考；流程为 定妆图 → 每帧带参考图 → 固定描述串批量出图。**

---

## 5. 常见失败与补救

| 现象 | 原因 | 补救 |
|---|---|---|
| 主角脸每张都变 | 没带参考图 / 描述串不固定 | 每帧必带定妆参考，描述串原样复制 |
| 画面风格很乱 | 风格词不统一 | 固定一句话风词，全集沿用 |
| 手/表情崩坏 | 模型对细节差 | 特写镜头重出，必要时裁掉局部 |
| 背景花哨抢戏 | 提示词堆太多 | 简化背景，或单独出背景再合成 |

**一个超实用技巧**：出图"宁多一张，别少一张"。每帧先出 2~4 张挑一张，别指望一把出对。档期允许时，把主角单独固定在镜头中间，之后靠剪辑加字幕/花字避开脸崩的细节。

> 一句话：**改不了的帧就重出，改不了的一致就加无脸镜头规避；多出图、再挑选，别把希望押在单张图上。**

---

## 6. 本篇小结

```text
┌──────────────────────────────────────────────┐
│  角色与场景一致性：要带走的话                     │
├──────────────────────────────────────────────┤
│  1. 三种姿势：文生图造第一张，之后走图生图+参考图  │
│  2. 先出一张"定妆锚图"，越满意越好，它是地基       │
│  3. 一致性=固定描述串+每帧带参考图+统一风格词      │
│  4. 场景也一样要配锚，构成"角色锚+场景锚"          │
│  5. 按分镜任务单批量拼提示词，固定部分一字不改      │
│  6. 多出图再挑选，宁多一张不少一张               │
└──────────────────────────────────────────────┘
                    │
                    v
   画面都有了，接下来给它们配"声音"——配音与字幕
                    ──→ 第 03 篇：对白与配音
```

下一篇：[03 - 对白与配音：TTS 配音、语气情绪与字幕]

预览

图名保存后生成 /images/excalidraw/<图名>.svg（只能用字母、数字、短横线、下划线、点）