同一部剧、同一个人、三张脸:AI短剧最难的不是生成,是"记住"
- 2026-11-18 11:42:01
做AI短剧的人,十个有九个被同一件事折磨过——
人物变脸。
第一集女主是黑长直,第二集变成短发了。第三集镜头一转,同一个人换了张脸。观众出戏,完播率断崖式下跌,你熬夜调的prompt全白费。

问题不在模型。即梦、可灵、Sora,哪家都不行。AI生成图像的底层逻辑就是"每次采样都是一次独立事件",它不记得上一帧画过什么。
但有人把这件"不可能"的事做成了流程。
一位扎根在短剧产业带的一线创作者,不是什么技术大神,就是一个每天要批量出图的普通制作人。他的方法是六层流程——总纲→身份锁定→结构控制→风格→后期→质检。每一层都在堵一个漏洞,六层叠在一起,"每张都是同一个人"从概率变成了确定性。
他说了一句话,我记了很久:
"抽卡式生成追求这张好看,稳定产出追求每张都是同一个人——前者靠概率,后者靠工程。"
这篇文章拆这套六层流程。每一层给你"做什么、为什么、怎么落地"。看完你能直接照着搭一套自己的流程。
建议收藏。 这不是看一遍就完的,是你下次做AI短剧时会反复翻的工具箱。
一、先理解问题:AI为什么会"忘记主人"
做AI短剧跟做传统动画不一样。
传统动画里,人物形象是画师一笔一笔定的,每一帧都是同一个画师画的,天然一致。AI生成不一样——每一张图都是模型从噪声里"采样"出来的,采样是一个随机过程。
你把同一个prompt丢给模型跑十次,得到十张不一样的脸。这不是bug,是特性。
所以问题不是"AI不行",是你在用"抽卡"的逻辑做"工程"的事。
这套流程的洞察就在这里:如果你接受"每张都是独立采样",那你永远在跟概率搏斗。但如果你把"保持一致性"拆解成多个可控的约束层,每层堵一个漏洞,概率就能被压缩成确定性。
六层流程的本质,就是把"一致性"从"祈祷模型记住"变成"我逐层锁死"。
二、六层流程逐层拆解
第一层:角色设定总纲
做什么:在开始生成之前,先写一份"角色身份证"。
不是一两句描述,是一份结构化文档,至少包含:
• 姓名/代号 • 外貌特征清单(发型、发色、瞳色、脸型、身高、体型、标志性特征) • 服装设定(常服、战斗服、特殊场景服) • 性格关键词(3-5个) • 说话方式(语速、用词、口头禅) • 背景设定(身份、关系、过往)
为什么:这是所有后续层的"锚"。没有这层,后面五层都是空中楼阁。AI生成最大的问题是"上下文遗忘"——模型不会自动记住角色设定,你必须把设定喂给它,而且要在每一轮生成时都带上。
怎么落地:把角色身份证写成一段结构化文本,作为每张图生成prompt的"前缀"。比如:
[角色设定] 女主,25岁,黑长直,琥珀色瞳孔,身高168,体型偏瘦,左眼角有一颗痣。常穿白色衬衫+黑色长裤。性格冷静克制,说话短句为主。[场景描述] 会议室里,她站在投影幕前,身后是数据图表。[风格要求] 写实风格,暖色调灯光,浅景深。
关键:前缀要够详细,但不要冗长。太短锁不住特征,太长模型会"过拟合"导致画面崩坏。
第二层:身份锁定层
做什么:在生成图片时,用"参考图"或"角色LoRA"强制锁定人物形象。
这是最关键的一层。没有身份锁定,第一层写的再好也没用——模型转头就忘了。

两条路线:
• 参考图路线:生成第一张"基准图"后,后续所有图都以这张为参考图输入。即梦、可灵都支持参考图模式。 • LoRA路线:用AI训练一个专属角色LoRA,让模型学会"这个人长什么样"。成本高,但一致性最强。
为什么:参考图路线是"告诉模型这个人长这样",LoRA路线是"教会模型这个人长这样"。前者是提示,后者是训练。前者够用,后者适合量产。
怎么落地:
1. 先生成一张"基准图"——正面、清晰、特征完整 2. 把基准图作为参考图,每轮生成都带上 3. 如果用即梦,开"图生图"模式;如果用可灵,开"参考图"模式 4. 每生成3-5张,检查一次一致性,发现偏离就回滚重来
关键:基准图的质量决定了整条流水线的上限。基准图废了,后面全废。花时间调好第一张图,比后面返工十次划算。
第三层:结构控制层
做什么:控制画面构图和镜头语言,确保角色在画面中的"位置感"一致。
AI生成有个隐形问题:它不会自动"记住"角色在上一帧的位置。同一个人,上一帧在画面左边,下一帧可能在右边。这不是变脸,但观众会感觉"哪里不对"。
这套流程的做法是:给每个场景写"镜头脚本",明确标注角色在画面中的位置、朝向、动作。
为什么:位置一致性是视觉连贯性的隐性要求。观众不会明说"她怎么换位置了",但潜意识会觉得不舒服,完播率就是这么掉的。
怎么落地:
• 写镜头脚本时,每个镜头标注:角色位置(左/中/右)、朝向(正面/侧面/背面)、动作(站/坐/走)、景别(近景/中景/全景) • 生成时把这些信息写进prompt • 同场景的镜头,角色位置变化要有逻辑(不能上一帧在左边,下一帧突然到右边)

第四层:风格层
做什么:统一画面风格,避免"这集写实、下集卡通"的割裂感。
AI生成的另一个隐形问题是:不同prompt、不同种子值会产生不同风格。你第一集是电影质感,第二集突然变成动漫风,观众瞬间出戏。
这套流程的做法是:固定一套"风格锁"——色彩基调、光影方式、渲染风格,全剧统一。
为什么:风格一致性是观众感知"这是一部作品"的底层信号。风格一旦漂移,观众的信任感就没了。
怎么落地:
• 选定一个风格基调(比如"暗调电影感"、"日系赛璐璐"、"水墨水彩") • 写一段风格描述文本,作为每张图prompt的"后缀" • 全剧不换风格描述,只换场景和动作 • 如果必须换风格(比如回忆段落),用明确的视觉区分(如画面泛黄、边框模糊)

第五层:后期统一层
做什么:在后期处理环节,用统一的色彩校正和瑕疵修复,抹平AI生成的随机性。
即使前面四层都做到了,AI生成的图还是会有微小的差异——色温偏了一点、光影角度差了一点、皮肤质感不统一。这些差异单独看不明显,但连续播放时会累积成"哪里不对"的感觉。
这套流程的做法是:在后期环节加一道"统一处理"——统一调色、统一皮肤质感、统一光影方向。
为什么:后期统一层是"最后的保险"。前面五层做到80%一致性,后期统一层能把它拉到95%。
怎么落地:
• 用剪映或达芬奇做批量调色,全剧统一一个LUT(色彩查找表) • 皮肤质感统一处理(磨皮程度、色调统一) • 光影方向统一(全剧光源方向一致,比如都是左上方来光) • 检查每一帧的色温是否一致,不一致的手动校正
第六层:质检层
做什么:逐帧检查一致性,发现问题立即回滚。
这是最后一道防线。这套流程的做法是:每生成一批图,逐张检查人物一致性——脸是不是同一张、发型有没有变、衣服颜色对不对、痣的位置对不对。

为什么:AI生成的一致性是概率性的,不是100%的。六层流程能把失败率从"十张里三张变脸"降到"十张里半张变脸",但不可能降到零。质检层就是兜底。
怎么落地:
• 建立一张"一致性检查清单":脸/发型/瞳色/服装/标志性特征/位置/朝向/光影/色温 • 每张图过一遍清单,任何一项不对就标记"不合格" • 不合格的图不进后期,重新生成 • 如果同一镜头反复不合格(超过3次),回滚到第二层重新做基准图

三、六层流程的底层逻辑:从概率到工程
这套六层流程,本质上是一个概率压缩器。
AI生成的每次采样都是一次独立随机事件,一致性是概率性的。你把一致性拆成六个可控的约束层,每层堵住一部分随机性:
每一层都在把"随机"压缩成"确定"。六层叠在一起,失败率从"大概率变脸"降到"偶尔小瑕疵"。

这就是工程思维 vs 抽卡思维的区别。
抽卡思维说:"多跑几次,总有一张是对的。"
工程思维说:"把对的条件一层层加上去,让错的概率越来越小。"
四、今晚就能试的最小流程
如果你现在就想试,不用搭全套六层。先跑一个"最小可行流程"——三层就够:

第一层:写角色身份证花10分钟写一段结构化角色描述,包含外貌特征、服装、性格。这是你的"锚"。
第二层:做基准图用角色身份证做prompt,生成一张正面清晰的角色基准图。花时间调好这张图——脸、发型、服装都要对。这张图是所有后续图的参考。
第三层:参考图生成后续每张图都以基准图为参考图输入,prompt里带上角色身份证和场景描述。生成后逐张检查脸是不是同一张。
三层跑通后,你会发现一致性已经比"裸跑"好很多了。然后再逐步加上结构控制、风格统一、后期调色、质检清单,六层全上。
五、一个容易忽略的点:流程不是越多越好
这套六层流程听起来复杂,但有一句话很关键:
"流程不是越多越好,是每层都堵一个必须堵的洞。"
如果你的人物只有正脸镜头,身份锁定层和结构控制层就够了,风格层可以简化。但如果你的剧有大量侧面、背面、动作镜头,六层全上才稳。
流程的复杂度应该匹配内容的复杂度。 简单场景用三层,复杂场景用六层。别为了"专业感"堆流程,也别为了"省事"砍掉关键层。
写在最后
AI短剧这个行业,2026年上半年上线了22万部,破亿的只有1055部,破亿率0.47%。
差距不在画质,不在模型,不在工具。在流程。
会抽卡的人,十张里出一张好的,然后花十小时修剩下的九张。
会做流程的人,十张里有八张是对的,剩下两张花十分钟修。
前者是体力活,后者是工程活。体力活拼不过时间,工程活能复利。
这套六层流程,不是唯一的方案,但它是一个被验证过的思路——把不确定性拆解成可控的约束层,一层层堵漏洞。
你可以照着这个框架搭,也可以自己改。但核心逻辑是一样的:别指望AI记住,你要帮它记住。