内容创作 · 熟练
每条片子里，怎么让主角不变脸？
一致性不是靠提示词写得更长，是靠外面加一把锁
AI 视频生成的天然缺陷是「没有记忆」—— 每次生成都是重新画一遍，所以同一个人物在不同镜头里会悄悄变成另一个人。这一页把市面上的做法收成三档，按成本和精度排序：参考图驱动（一张定妆照当首帧，最快够用）· 数字人（上传肖像 + 脚本，最省事，但只适合观点输出）· 专属角色模型（20~40 张图训练，最稳，也最贵）。先想清楚你要的是「真人露脸」还是「观点被听见」，再选档 —— 选错档，后面每条都要返工。
方法 · 一图看懂
1
先定一张定妆照 — 同一角度、同一光、同一套服装，往后所有镜头都从它出发
2
选档：参考图 / 数字人 / 专属模型 — 按「要不要真人露脸」与「要拍几条」两个问题选，⛔ 不按工具名气选
3
把变量锁在外面 — 形象走首帧、动作走提示词、风格走固定关键词，一次只让模型决定一件事
4
训练素材只用真实素材 — 自己拍或手绘的概念图，⛔ 不用 AI 生成的图（越训越像「AI 平均脸」）
原理 · 为什么有效
为什么提示词写得再长也锁不住脸：文本描述是「类别级」的 —— 你写「短发、圆脸、米色毛衣」，模型给你的是这一类里的一张，而不是你脑子里那一张。每次重新生成，它都在这一类里重新抽一次，抽到什么算什么。所以一致性只能靠外部约束：把一张具体的图当首帧（参考图档）、把一张具体的脸绑进生成流程（数字人档）、或把这个人的特征压进一组权重（专属模型档）。三档的共同点是「先用一张真实的图把范围收窄」，区别只在收窄的力度与代价。
代价差多少：参考图档是分钟级 —— 生成一张定妆照，之后每次图生视频都把它设为首帧，多镜头基本不崩脸，但角度一变、特写一推就容易飘；数字人档是小时级 —— 上传肖像与脚本，脸、声音、口型都由平台管住，代价是形态受限（只适合站着说话的观点输出，强现场感与演技类撑不住）；专属模型档要先攒 20~40 张同一人的图再训练，最稳，也最贵，做长期 IP 才划算。另有一条容易被忽略的纪律：训练素材⛔ 不要用 AI 生成的图 —— 那些图本身就是「平均脸」，拿它们去训，角色会越用越飘。
适用场景
适合：适合：做系列内容或长期 IP 的人（同一个人物要反复出现）、不想天天出镜的知识口播、以及已经被「每条都换脸」拖住产能的团队。
不适合：强现场感、强人设演技类内容（数字人撑不住）；只打算做一两条、没有连载计划的片子（为两条去训模型不值）；以及观众对真实性要求极高的场景 —— 那种情况先想清楚要不要明示「这是数字分身」，再决定用不用。
自测 · 5 问
我手上有没有一张「定妆照」，并且它是往后所有镜头的唯一锚点？
我现在锁脸靠的是「同一段文字描述」，还是一张具体的图？
我要的是真人露脸，还是只要观点被听见 —— 这决定该用数字人还是参考图？
我准备拿去训练角色的图，是自己拍或画的，还是 AI 生成的？
片子里有没有明示这是数字分身（平台与观众都需要的那个标记）？
怎么上手 · 验证步骤
第一步只做一件事：出一张定妆照并把它固定下来（正面为主，补一张侧面与 3/4 角度），存进一个叫「形象资产」的文件夹，往后所有片子只从这里取。第二步选档：只做观点口播、又不想出镜 ⇒ 数字人档；要人物有动作、有场景 ⇒ 参考图档；已经确定要做 50 条以上 ⇒ 再考虑专属模型档。第三步把变量分开：形象走首帧，动作与场景写进提示词，风格用固定关键词，一次只让模型决定一件事。第四步用同一套资产连做三条，逐条对比脸、发型、服装三处 —— 有一处飘，就回到第一步重做锚点，⛔ 不要在提示词里加形容词硬压。
自检一句就够：把最近三条片子的主角截出来并排放，能不能一眼认出是同一个人。认不出，说明锁在外面的那把「锁」还没装上 —— 不是提示词不够长。