9.2 角色与风格一致性

9.2 角色与风格一致性

本节摘要：跨镜头不一致是生成式视频最顽固的失败模式：模型对"同一角色"没有记忆，每个镜头都是一次独立采样，文本描述相同不等于视觉输出相近。本节按防线递进：第一道是角色参考图复用——每个角色建立角色卡（定妆参考图集），入库冻结，图生视频优先走参考图首帧，让"长得像"有物理依据；第二道是风格提示词模板——美术风格、光照、镜头语言做成全镜头共享的风格前缀，提示词退化为槽位拼装；第三道是 seed 策略——同参数同 seed 可复现，按场景分桶固定 seed 族，把随机性关进笼子。三道防线之后仍会有残余不一致，最后一节讲剪辑规避：快切、景别遮掩、道具锚点——观众对合理切换的容忍，远高于对缓慢展示不一致的容忍。

学习目标

• 从独立采样的原理解释"为什么文本一致不等于视觉一致"。
• 建立角色卡：生成、挑选、冻结入库、按景别复用。
• 用风格前缀加槽位拼装替代即兴提示词，并共享负面词。
• 设计按场景分桶的 seed 策略并把 seed 写进镜头契约。
• 用剪辑手段规避残余不一致，判断何时该改分镜而不是重试。

一、为什么不一致：独立采样的宿命

文生视频每次调用都是一次独立采样：模型从文本出发在潜空间里随机取一个点，文本约束的是"分布的中心"，不是"具体的点"。所以"穿黄色雨衣的女骑手"这句话，十次生成是十个不同的女骑手——都符合描述，互不相像。理解这一点，对策的方向就清楚了：要么把随机性固定下来（seed），要么给模型一个视觉锚点（参考图），要么缩小描述的方差（风格模板）。单靠"把提示词写得更细"是打不赢这一仗的——描述越细，每次采样落在细节上的自由度反而越显眼。

二、第一道防线：角色参考图复用

角色卡是每个角色的定妆参考图集：建议至少三视图——正面中景、侧面中景、面部特写，必要时加全身（服装与鞋）。角色卡本身用图生图迭代生成：从描述出发出多版，人工挑一版定稿，此后冻结入库，全剧不再更改。跨镜头复用的规则落在分镜表上：

制作角色卡本身值得单独走一遍：从人物设定出发——以林小满为例，"二十六岁女骑手，黄色雨衣，透明雨披帽檐，头盔挂在车把，餐箱带反光条"——图生图出四版候选，人工挑定一版作为定稿正面；三视图全部由这张定稿派生（换视角不换人），而不是各自从文本重新生成，否则角色卡自己就先不一致了。定稿连同视图清单落成一份登记文件，随角色入库：

# characters/lin_xiaoman/card.json —— 角色卡登记（示意，字段自定义）
{
  "name": "林小满",
  "series": "雨夜最后一单",
  "version": "v1",
  "views": {
    "front_mid": "characters/lin_xiaoman/front_mid.png",
    "side_mid": "characters/lin_xiaoman/side_mid.png",
    "face_close": "characters/lin_xiaoman/face_close.png",
    "full_body": "characters/lin_xiaoman/full_body.png"
  },
  "traits": "二十六岁女骑手，黄色雨衣，透明雨披帽檐，头盔挂车把，餐箱反光条",
  "frozen_at": "2026-10-16"
}
​

登记文件有两个消费方：分镜表按景别引用 views 里的路径（上一张表的落地形态），生成后的镜头契约回填 version 供缩略图墙比对——卡片版本与镜头产物由此可以互相核对。

图生视频以参考图为首帧（第 03 章），是"长得像"的最强物理约束——第一帧就是这个人，后续帧在此基础上运动。角色卡入库后加版本号：一旦中途更换角色卡，全剧一致性基准就变了，宁可重做受影响的镜头，也不要悄悄换卡。

三、第二道防线：风格提示词模板

角色像了，还得"整个片子像一个片子"。做法是把与叙事无关的美术约束抽成全镜头共享的风格前缀，提示词从"每次现写"退化为"槽位拼装"：

# build_prompt.py —— 风格前缀 + 槽位拼装每镜头提示词（seed 按场景桶固定）
import hashlib, json

STYLE_PREFIX = ("电影感实景短片质感，湿润雨夜霓虹光照，35mm 镜头语言，"
                "浅景深，自然运动模糊，写实人物比例")
NEGATIVE = "多余手指，面部扭曲，画面文字，水印，logo，低清噪点"

def scene_seed(series, scene):
    return int(hashlib.sha256(f"{series}:{scene}".encode()).hexdigest()[:6], 16)

def build(shot, style=STYLE_PREFIX, negative=NEGATIVE):
    prompt = (f"{style}。{shot['setting']}，{shot['subject']}，"
              f"{shot['action']}，{shot['camera']}")
    return {"shot_id": shot["id"], "prompt": prompt, "negative": negative,
            "seed": scene_seed(shot["series"], shot["scene"])}

def main(plan="build/shotplan.json", out="build/prompts.json"):
    shots = json.load(open(plan, encoding="utf-8"))["shots"]
    rows = [build(s) for s in shots]
    with open(out, "w", encoding="utf-8") as f:
        json.dump(rows, f, ensure_ascii=False, indent=2)
    print(f"已生成 {len(rows)} 条提示词与 seed → {out}")

if __name__ == "__main__":
    main()
​

模板的四个槽位各有纪律：setting（场景）同一场景用同一串描述，不换同义词；subject（主体）引用角色名并注明对应角色卡版本；action（动作）用具体动词，避免"温馨地"这类模型各自理解的副词；camera（景别与运镜）用第 02 章定义的受控词表。负面词同样全片共享——一致性问题有一半是负面词各写各的造成的。

四、第三道防线：seed 策略

同参数同 seed 理论上可复现（实际受推理实现影响，以所用引擎文档为准），但"全剧一个 seed"并不对：不同镜头内容不同，强行同 seed 无意义还会互相牵制。实用的策略是按场景分桶：同一场景的镜头共用一个 seed 基准（scene_seed 由剧名加场景名哈希得出，可复现、可追溯），场景内的镜头间差异交给内容与参考图，场景之间的差异交给换 seed。seed 连同角色卡版本一起写进镜头契约（prompts.json 即其载体），第 10.2 节讲"技术瑕疵换 seed 重试"时，就有账可查：换过哪些 seed、换了几次。

五、残余不一致的剪辑规避

三道防线能压掉大部分不一致，压不到零。剩下的交给剪辑智慧，原则是：别让观众有时间盯着不一致看。

这些手段在分镜期就该预留：写分镜时给每个对话场景预置两个道具特写镜头，剪辑期就有了规避余地。当规避也救不回来时，正确动作是改分镜（换景别、换场景），而不是第五次重试生成——判断依据见第 10.2 节的重试预算。

一致性检查点固定为"缩略图墙"：把全部镜头的首帧拼成 contact sheet 并排比对，人眼对"并排差异"的敏感度远高于"顺序观看"。缩略图墙发现的问题按镜头登记，进入废片台账。

六、缩略图墙：把检查点落成一条命令

上一节两次提到缩略图墙，这里给出可运行的做法——把全部镜头的首帧抽出来，拼成一张并排比对的网格图：

# contact_sheet.sh —— 抽全部镜头首帧拼 4x2 缩略图墙（示意，网格按镜头数调整）
mkdir -p build/sheets
i=0
for f in build/clips/s*.mp4; do
  ffmpeg -y -i "$f" -vf "select=eq(n\,0)" -frames:v 1 \
    "build/sheets/frame_$(printf %02d "$i").png"
  i=$((i+1))
done
ffmpeg -y -i build/sheets/frame_%02d.png \
  -vf "scale=360:-2,tile=4x2" -frames:v 1 build/contact_sheet.png
​

脚本两段各司其职。循环体负责抽帧：select 取零号帧、只输出一帧，把每个镜头的首帧按序号落盘——序号连续是第二段的前提，图像序列按 frame_00、frame_01 依次被读到。第二段负责拼墙：先统一缩放（宽 360，示意值），再 tile 拼网格，八镜头拼四乘二，镜头更多就加行。首帧墙是基线盘点；对图生视频镜头，更值得看的是"尾帧墙"——首帧就是参考图、必然一致，漂移藏在中后段。把循环里的抽帧换成从片尾倒数一秒抽（-sseof -1 的写法，示意），两面墙对照着看，哪个镜头在滑走一目了然。

看墙两条纪律：一是并排、不连播，人眼对并排差异远比顺序观看敏感，这正是缩略图墙存在的理由；二是发现即登记，每个可疑镜头记一行（镜头号、现象、疑似类别），进第 10.2 节废片台账，判定与处置交给那节的三分类，不在墙前现场拍脑袋。

七、常见问题与排查

问题一：拍到一半发现某个视图不顺手，想补一张。 补图等于换版本——一致性基准变了，之前用旧卡的镜头全部失去锚点。按冻结纪律处理：景别不够就改分镜迁就已有视图；确需换卡就升版本号、重做受影响镜头，并用剪辑规避一节的手段兜底过渡。

问题二：同场景同 seed，两次生成还是差很多。 先查路线：是不是有一次悄悄走了文生视频——seed 对文生视频的约束远弱于参考图首帧；再查参数是否真的一致：分辨率、时长、运动强度任一不同，seed 相同也救不回来。

问题三：负面词越加越长，效果反而变差。 负面词不是许愿池，条目堆积会互相牵制、误伤正常画面。纪律是全片共享一份，增删都过一次对照验证——改前改后各出几镜头并排比——并把结论记进风格模板的版本说明。

问题四：缩略图墙看出脸在漂，单看每个镜头又都说得过去。 这正是并排与顺序观看的感知差，说明漂移尚在可容忍区。优先用剪辑规避消化；若顺播也能察觉，按第 10.2 节重试预算处理一致性崩，别在墙前反复纠结。

问题五：改了风格前缀里一个词，整片质感变了。 风格前缀是全片共享的公共基准，动一个词等于全片换底色。改动必须版本化：记录改动点与日期，已生成镜头要么接受不一致、要么按新前缀重做受影响部分——没有第三条路。

本节要点回顾

• 独立采样决定了文本一致不等于视觉一致，靠写细提示词打不赢。
• 角色卡三视图入库冻结，图生视频走参考图首帧是最强一致性约束。
• 风格前缀加四槽位拼装，负面词也全片共享。
• seed 按场景分桶：同场景同基准，跨场景才换 seed，全部记进镜头契约。
• 残余不一致靠剪辑规避：快切、遮掩、锚点，救不回来就改分镜。

单条片子能稳定做"像"了，接下来回答量产问题：一天要出六条怎么办——任务队列怎么搭、并行度开多大、人工审核带宽怎么算、产能账怎么记。