AI漫剧零门槛入门:角色一致性

AI漫剧零门槛入门:角色一致性
你是不是也遇到过这种情况:用AI画漫剧,第一张主角帅得想截图,第二张脸就换了个人,第三张连发色、衣服、年龄都开始飘。做一条短漫剧,观众刚记住角色,下一格就认不出来,弹幕全在问“这是谁”。更崩溃的是,你只是改了动作和背景,脸却像重新投胎。别急,这不是你手笨,是没把角色一致性锁住。只需要一部手机或电脑、打开浏览器即可开始。下面我按新手能照着做的顺序,把这件事拆开讲。

先说一个核心思路:AI漫剧不是一次性生成整部剧,而是把角色当成演员。演员要先有定妆照,再有服装、性格、动作,最后才是分镜和视频。所以角色一致性,拼的不是运气,是固定设定、参考图和检查流程。
第一件事,给角色写一张设定卡。很多人做AI漫剧,提示词写得太短,比如“黑发帅哥、古风衣服”,AI每次理解都不一样,当然会变脸。你要把角色固定成可复制的标签:年龄感、脸型、眉形、眼型、瞳色、发色、发型、发饰、服装主色、材质、配饰、气质、常用表情。比如:17岁少年,冷白皮,黑发高马尾,金棕色瞳孔,左耳银耳钉,玄色窄袖长袍,领口暗红纹,表情清冷。把它存在备忘录里,后面每次生成都复制同一段,不要临时换词。先用AI创意生图或AI二次元绘画出20张同设定图,挑一张脸最稳、五官最顺眼的当主参考图。如果角色偏古风,可以用AI古风创作;如果想让真人参考变动漫,可以先用AI真人转动漫转一版。
第二件事,用主参考图锁脸,不要只靠文字。文字只能定大概,真正稳的是参考图。每次生成新镜头,把主参考图一起放进去,用图生图或带参考的AI插画创作,让AI知道“脸按这张来”。提示词里只改三样:动作、表情、场景。比如主图是正面半身,下一张改成“侧身推门,眉头微皱,夜晚庭院,灯笼光”。外貌标签重复贴上,不要删。如果AI把脸画偏,不要整张重抽,先用局部重绘修眼睛、鼻子、脸型。衣服也同理,锁住主色和配饰。AI换装可以用来试不同服装,但试完要回到主参考脸,不然容易越跑越远。
第三件事,做AI智能分镜,把镜头拆小。很多新手一上来就让AI生成“主角在街上跑,回头,拔剑,周围很多人”,这种复杂画面,角色必崩。先用AI智能分镜或自己写分镜表:镜号、景别、角色、动作、表情、场景、光线。每个镜头只做一件事。比如镜1半身正面,主角站在雨里;镜2手部特写,握剑;镜3侧面中景,抬头看屋顶。生成时用同一张主参考图,一张一张过。确认后再做下一个镜头。AI场景设计也可以在这一步一起定,但角色外观别动。这样虽然慢一点,但角色脸不会飞来飞去。AI漫剧生成里也常用这种方式,先定角色,再铺剧情。
第四件事,图生视频时,动作小一点,片段短一点。图确定后,下一步是动起来。用图生视频或AI视频生成,把已经确认的角色图作为首帧,让AI只加轻微动作:眨眼、呼吸、发丝飘动、衣摆晃、转头。不要一上来就奔跑打斗,动作越大,脸越容易变形。每条视频先做3到5秒,确认脸没变,再拼下一段。AI动画制作也是这个逻辑:先稳帧,再稳动作。如果视频里某一帧脸崩了,可以截取清晰帧,用图片高清修复或局部重绘修好,再继续。需要换景时,用AI图片扩图把画面拉宽,别直接改角色。
第五件事,批量出图和归档,检查一致性。做长一点的项目,最好用AI批量出图一次多跑几张,再从里面挑最稳的。命名要清楚:角色名_集数_镜号_表情_动作。每做完一集,检查四件事:脸型、发型发色、服装主色、配饰位置。别只看脸,AI经常偷偷把耳钉删掉、把衣服换个颜色。发现问题就回到主参考图重做那一张。最后统一尺寸、色调,需要的话用图片高清修复提升清晰度。这样一套下来,角色才有“同一个人演到底”的感觉。
做到这里,如果你不想在多个工具之间来回倒腾,可以看看下面这个选择。如果你正在找一款能覆盖"生图 + 生视频"的工具,可以关注下 AIGC梦工厂(aigcc.vip)。它是一个AI 视觉创作平台,聚合多款热门模型,提供文生图、图生图、文生视频、图生视频,以及局部重绘、智能扩图、AI 换装、老照片复活等丰富玩法,覆盖电商设计、建筑室内、AI 写真、创意风格化等全场景。 在 AIGC梦工厂 直接完成从创意到成品的全流程。
有几个坑我得提前说。第一个坑,把角色描述写得太短,今天“黑发少年”,明天“长发男生”,AI当然认不出是同一个人。设定卡一旦定好,外貌词就别乱换。第二个坑,只锁脸不锁衣服。观众记住角色,往往靠的是红衣、银发、疤、发带这些标志。服装主色、配饰、纹身都要写死,必要时用局部重绘补。第三个坑,一上来就冲复杂动作和多人同框。新手先从半身、正面、简单背景开始,等脸稳了,再加侧脸、动作、人群。记住,AI不是不会画,是你得先给它一个稳定的锚点。
角色一致性没那么玄,核心就是:先定设定卡,再选主参考图,分镜拆小,图生视频动作收敛,最后批量检查和修复。你不需要一上来做大片,先用AI漫剧生成做一条30秒小片段,把同一个角色从第一镜做到最后一镜。练几次,你会发现AI漫剧的门槛真的低了很多。