指南 · 制作

2026 AI 短剧角色一致性方法论：为什么「换个镜头就换脸」，设定图、参考图、分镜三层怎么锁

发布于 2026 年 9 月 5 日 · 更新于 2026 年 9 月 12 日

快速结论：AI 短剧的角色一致性指同一角色在全剧几十到上百个镜头里保持同一张脸、同一套服化道、同一种美术基调，它是 2026 年 AI 短剧被平台和观众拒绝的第一原因。一致性不是靠提示词措辞解决的，而是三层各自锁定：第一层角色设定图（白底、方向光、身份特征打头），第二层场景 plate（无人空景、三层纵深、写光源位置），第三层分镜承接（段内动作与位置延续、不点名不在画面的人）。跳脸的三个根因分别对应这三层：文字描述被稀释、参考图烘进了光、镜头之间没有锚点。下面逐层给可执行的做法、工具参考图参数和一份 5 镜头验收清单。

一致性的三层定义

1. 身份特征层：脸型、眉眼、鼻唇、肤色、发型发色、体型、年龄感，以及一个极易识别的视觉锚点（疤、痣、饰品、发型）。这一层由角色设定图承载。
2. 服化道层：这一场穿什么、拿什么、场景里有什么。由解析产出的逐角色服装描述和场景 plate 承载，注意服装是逐角色、逐阶层的，不是全剧一个风格标签。
3. 光与美术层：色彩纪律、材质、陈设密度、光源位置。由场景 plate 和分镜里的布光指令承载，参考图本身要保持中性。

为什么会跳脸：三个根因

症状	根因	落在哪一层
同一角色隔几段就换一张脸，越来越「大众脸」	文字描述被稀释：长相描写夹在大段动作与技术指令中间，模型退回到「好看的脸」先验	第一层：设定图里身份特征没有打头，或每段生成没带参考图
脸对了，但同一场景里每个镜头的光和色调都在变	参考图烘进了光：定妆照或场景图自带戏剧化布光，被每个镜头继承后与分镜布光打架	第二层：参考图不中性
同一段里人物位置、动作、道具状态前后不接；不在场的人突然入画	镜头之间没有锚点：分镜没写承接，或用「某某出画」这种否定句点名了不在画面的人	第三层：分镜承接

第一层：角色设定图（定妆照）

角色设定图的目的是辨识度，不是气氛。四条硬规则：

• 纯白底，独立成条。白底要求要单独写成一条硬约束，并在负面清单里再写一遍；埋在别的段落里会被突破。
• 禁平光。「均匀光、无阴影」是塑料脸的标准配方：平光抹掉皮肤纹理与骨相。写一盏约 75° 的方向主光加补光与轮廓光，要求鼻下与颧骨有阴影、有眼神光、有明暗过渡。
• 身份打头。提示词结构固定为：主体身份特征 → 身份锁定（禁网红脸、禁抹平特征）→ 技术参数 → 构图约束。解析产出的外貌描述极其详细（骨相、痣、疤），把它放在最前面，中文骨相词（丹凤眼、柳叶眉、山根）不要翻译。
• 脸 > 体态 > 服装，神态要演。明确声明这是演员定妆照不是电商穿搭图，禁止为了展示服装拉远景别缩小头部；不要写「面无表情」，那等于主动抹掉「气场如刃」这类辨识度。

已知反例：大衣、长衫类角色在 9:16 全身构图里会「服装吞人」，米白大衣占七成画面、脸缩得很小。这是构图的物理限制，解法是另出一张半身定妆照专门承载脸部辨识度，代价是每角色多一张图。

在 SceneMixer 里，剧本解析产出的 appearance 字段直接成为设定图提示词的主语，每个角色固定出一张 9:16 白底全身照并自动裁出脸部与半身参考，后续每段视频生成时自动带上该角色的参考图。评估设定图质量前先确认是哪个模型在出图：不同图像模型的输出尺寸和先验差别很大，判断依据是图片尺寸与任务记录，不是肉眼猜。

第二层：场景 plate

场景图是给视频当参考的「空景板」，标准同样是中性：

• 无人空景：场景描述里不许出现人物，尺度用建筑构件自比表达（门高两人、桌宽一臂）。
• 三层纵深：前景、中景、背景各有明确的材质与陈设，模型才有空间安排机位。
• 写光源在哪，不写光落在哪：写「暖白吊灯自画面右上方斜下打柔光」，不写「光打亮桌面」；不写明暗交界线，不用「暖黄」这类高饱和色词（3200K 打在皮肤上是暖白，写「黄」就得到黄颜料）。
• 禁氛围化：不写 mood grading、剪影、雾、光束，不堆 cinematic / dramatic / 8K 这类旧时代触发词。参考图里的雾会出现在这个场景的每一个镜头里。

场景风格（美术基调）是项目级设置，只进场景图、道具图和视频提示词，不进角色图，否则白底定妆照就被打上了场景的光。

第三层：分镜里的承接

• 段要长、镜头要短：一段就是一次生成调用，往 15 秒顶满；提节奏靠压单个镜头的秒数，不靠把段切碎。段切碎了，每段的首帧都要重新建立人物位置，承接的机会反而少了。
• 段内延续：同一角色在段内的动作、位置、手里的道具要写延续，上一镜他坐在窗边，下一镜就从窗边起。
• 只正向写画面里有谁：不点名不在画面的人。写「张三出画」「李四不在场」反而提高乱入概率，因为否定句里的名词是吸引子。
• 布光写原因：与场景 plate 同一条铁律。光位、介质、调色三层各写一次，不重复、不冲突。

工具参考图参数对照

模型参数变得很快，表里只写核验过的项，其余留空而不是猜。真正决定一致性的不是参考图上限是 9 张还是 50 张，而是你喂进去的那几张是不是中性的。

验收清单：同一角色的 5 个镜头并排看

• ☐ 脸型、眉眼、鼻唇在 5 个镜头里能一眼认出是同一个人。
• ☐ 视觉锚点（疤、痣、饰品、发型）每个镜头都在，位置一致。
• ☐ 同一场景内 5 个镜头的光源方向与色温一致，没有一镜暖一镜冷。
• ☐ 服装、手持道具在段内连续，没有凭空出现或消失。
• ☐ 没有不在场的人物入画，没有出现第二个「主角」。
• ☐ 皮肤有纹理与明暗过渡，不是平光塑料脸。

验收不过的镜头，按上面的三层对号入座回去修那一层，不要笼统地「加强提示词」。

延伸

剧本层面怎么为一致性打基础（地点名统一、每集场景 ≤3–4 个），见竖屏短剧剧本格式与钩子结构；AI 标识与肖像合规见2026 微短剧新规解读。想看这套方法跑出来的整集，去样片页，每部都能看到角色表和逐段成片。

常见问题

定价·指南·样片·帮助与支持·隐私政策·用户协议·法律信息·联系我们·© 2026 SceneMixer·苏ICP备2026040569号-1