AI 视频里的人物为什么会“变脸”？我们保证一致性的五个方法

问题从哪里来

AI 视频是一个镜头、一个镜头生成的。每次生成，模型都在“重新理解”这个人长什么样。参考信息不够明确，就会出现发型变了、眼镜没了、衣服换了的情况。

方法一：三视图或定妆照

配角我们用三视图：左边大头、右上半身侧面、右下全身。真人出镜（老板、律师）则用本人实拍定妆。全片所有镜头都引用同一组图。

方法二：一张图只负责一件事

全身图负责服装，面部图只补充五官，道具单独成图。如果一张图里既有人又有道具，模型可能把道具“长”在人身上。

方法三：会变化的特征要分阶段

在《重生在惠州》里，主角的牙齿从修复前到矫正中再到修复后。我们为每个阶段单独建参考图，并在每个任务里写明当前阶段，避免第 3 集就提前“修好了”。

方法四：参考图顺序固定

每个任务上传 5–8 张参考图，编号与提示词里的引用一一对应。我们用文件名和校验值登记每一张图，防止人工操作时误换。

方法五：声画归属

画面一致之后，声音也要一致。第一人称旁白只属于主角一个人；其他人物只表演、不对口型。我们把每个角色的音色写成固定描述（年龄、音高、语速、口音），每个任务都完整带上。

还没完全解决的问题

纯文字描述的音色，跨任务仍会有轻微差异。要进一步统一，需要上传参考音频或在后期统一配音。我们在每个项目的交付说明里都会写清这一点。