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

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

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，只在剧本解析时注入一次，由模型写进每个场景的描述与分镜；不拼进角色图或任何设定图、视频提示词，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