AI 视频角色一致性：2026 年怎么让同一张脸贯穿每条片子

快速结论： 业余 AI 视频最明显的破绽，就是主角的脸、穿搭或比例在镜头之间漂移。解法不是换个更好的模型——而是一套系统：写死的角色描述块逐字粘进每条提示词、模型支持时用参考图工作流、选角一致性（同一角色永远同一模型）、以及后期调色兜底。本指南覆盖 photo-to-video 趋势、Shorts 系列和带固定出镜人的产品视频的完整一致性系统。

一致性为什么会崩（以及模型为什么”记不住”）

大多数视频模型在两次生成之间没有任何记忆。每条提示词都是一个新世界。当角色描述含糊（”一个时尚年轻女性”），每次渲染都是在她的脸、发型、衣服上重新掷骰子——而观众一眼就能看出来。人脸是任何画面里被盯着看最多的像素；脸一漂，其他全对也读作假。

三种漂移：

1. 身份漂移——脸的结构在镜头之间变化。
2. 穿搭漂移——同一个人，第 3 场换了件夹克。
3. 比例/气场漂移——同一个人，显老或显小、肢体语言和镜头存在感变了。

三种各有解法，下面的系统全覆盖。

支柱 1：角色描述块

角色描述块是一段固定文字，用具体的、可见的词汇描述你的角色。它逐字出现在该角色的每条提示词里——钩子、转折、载荷、回声，每个节拍都是。

模板：

[年龄段] [外貌特征]，[脸型 + 关键特征]，[发型：颜色、长度、样式]，[穿搭：具体衣物 + 颜色]，[辨识标记：雀斑、眼镜、纹身、首饰]，[默认表情/气场]，[镜头关系：通常在画面里的位置和景别]。

差：”一个时尚的年轻女性。” 好：”二十多岁的女性，鹅蛋脸，深棕色眼睛，黑色直发齐肩、中分，奶油色粗针织毛衣内搭白色衬衫，细金圈耳环，左眼下有一颗小痣，神态沉稳自信，通常胸上景别正面入镜。”

规则：

• 具体优先于好看。 只写可见特征——”有魅力”描述不了任何可渲染的东西。
• 每个项目每个角色一块。 冻结它。改进属于项目 v2，不属于剪到一半。
• 同一顺序、同一措辞。 提示词里的位置影响权重；措辞一致有助于输出一致。

支柱 2：参考图（模型支持时）

2026 年的多家模型栈支持参考图/风格图——你提供角色的照片（或生成的”定妆照”），模型以它为条件生成。Seedance 的参考视频模式、Runway 的角色参考、图像条件流水线都能大幅降低身份漂移。

可行的工作流：

1. 先生成或拍摄定妆照——一张干净、中性、光线好的角色照（正面、胸上景别）。真人：经同意的照片。合成角色：生成一次、审核、冻结。
2. 定妆照 + 角色块配合使用。 照片承载身份；描述块承载穿搭、气场和镜头关系。
3. 把有参考图的角色路由到支持参考的模型。 别把参考型角色丢进没有参考功能的模型——立刻就漂。

支柱 3：选角纪律

选角 = 决定哪个模型”演”哪个角色，然后项目中途永不更换（按我们的模型路由指南，不同模型负责不同节拍——但同一个角色露脸的节拍永远由同一模型家族生成）。

如果某个节拍必须用另一个模型（比如 Veo 出口播英雄镜头），用更严的参考图补偿，并预期要做后期——而且绝不要在同景别下让两个模型的脸硬切。跨接缝换景别（特切大），把残余漂移藏掉。

支柱 4：后期兜底

再好的系统也会轻微漂移。两分钟的后期修法：

• 调色匹配： 跨剪辑统一肤色和调色。颜色也在变时，漂移会被放大。
• 在动作/变化处下刀： 切点藏接缝；静态匹配的切点暴露接缝。
• 降级接缝镜头： 桥接两个系统的镜头给更短的时长和更多的运动。
• 音频胶水： 一致的声音 + 连续的环境音，会让眼睛相信”脸没变”——音频连续性是隐藏的一致性工具。

格式专属备注

• Photo-to-video 趋势： 源照片*就是*你的定妆照——选主体清晰、光线好的一张；生成节拍前先从它抽出角色块。
• Shorts 系列： 一致性是季级别的资产。整个系列每个角色一张定妆照 + 一个冻结的描述块——这就是让第 8 集看起来像”一档节目的第 1 集”、而不是”标题一样的另一条视频”的原因。
• 带合成出镜人的产品视频： 出镜人也是角色。冻结他的描述块；品牌团队会在不同 campaign 之间改措辞，这是”同一个”出镜人的广告看起来互不相干的原因。

常见错误

• 每条提示词都”改改描述块增加变化”。 变化属于动作和构图，永远不属于身份描述。
• 用文学化语言写穿搭。 “优雅晚装”是掷骰子；”黑色缎面吊带裙、细肩带、及膝”才渲染得出来。
• 混用不同真人的参考照片。 模型会插值，最后落在第三个人身上。
• 忽略手和年龄。 在描述块里加”手部：自然、无饰品”和严格的年龄段——这是脸之后最常见的两个漂移源。

20 分钟完成设置

1. 写角色描述块（10 分钟）。
2. 生成/审核定妆照（5 分钟）。
3. 在选定模型上试 3 个节拍；检查三者之间的脸/穿搭/气场（5 分钟）。
4. 在项目文档里冻结描述块和照片。之后每条提示词都从这里出发。

现在花 20 分钟，胜过事后两小时重生成漂移的镜头——而一个一致的角色，正是把一次性短片变成观众追更的系列的东西。

VideoIdeas 编辑团队拆解 TikTok、Instagram、YouTube、Facebook 上的爆款视频——已研究超过 10,000 条病毒式社交视频——把被验证过的创意套路转化为原创的、贴合产品的视频脚本。