跳到正文

如何保持 AI 视频的角色一致性

用一张已确认的设计图和一段从不改动的描述固定角色身份,让每个参考素材各司其职,让故事改变角色而不是替换角色,并让动作跨越剪切点延续。全程跟随一个角色走过五个场景。

更新于

当每张新图或每个新片段都用不同的方式来要求时,角色就会走样:换了同义词、漏了一个细节、参考图还顺带了旧的姿势和背景。解决办法不是更多的参考图,而是一张已确认的设计图、一段从不改动的描述,以及每个参考素材明确的任务。下面,Lia 在五个场景中都保持了自己的身份。她已确认的设计图固定在最前面,场景依次滑过;切换查看每条提示词里保持不变的部分和每个场景改变的部分(提示词按发送时的原文展示)。

  1. 穿黄色雨衣、围红围巾的女孩夜晚站在屋顶,举着灯笼俯瞰城市。 已确认的设计图
    已确认的设计图

    Still from a high-end stylized 3D animated feature film. A 10-year-old girl named Lia with big expressive brown eyes, warm brown skin, a voluminous cloud of short curly black hair, wearing a bright yellow raincoat and a long red knitted scarf, stands on the edge of a city rooftop at blue hour, holding a small glowing paper lantern. Wind lifts her scarf. Behind her a vast city of lights stretches to the horizon under a deep violet and teal sky with the first stars. Wide cinematic composition, Lia on the left third, looking out toward the city with wonder. Soft rim light, volumetric haze, rich color, 16:9.

  2. 同一个女孩在黄昏的森林里跪下,伸手去够一朵发光的蓝色蘑菇。
    森林

    Using Image 1 only for Lia's character design (the girl with the voluminous curly black hair, warm brown skin, big brown eyes, glossy yellow raincoat and long red knitted scarf) and the stylized 3D animated feature film rendering: create a new scene. Lia kneels on a mossy path in an enchanted forest at golden hour, curiously reaching toward a tiny glowing blue mushroom, fireflies around her, god rays through tall trees. Medium-wide shot, Lia slightly right of centre. Same character proportions and outfit. 16:9.

  3. 同一个女孩在有风的早晨沿着海边奔跑,放着一只红色风筝。
    海滩

    Using Image 1 only for Lia's character design (the girl with the voluminous curly black hair, warm brown skin, big brown eyes, glossy yellow raincoat and long red knitted scarf) and the stylized 3D animated feature film rendering: create a new scene. Lia runs joyfully along the edge of a turquoise sea on a bright windy morning, flying a red kite, scarf streaming behind her, sparkling waves, puffy clouds. Wide shot, dynamic. Same character proportions and outfit. 16:9.

  4. 同一个女孩夜晚在图书馆里读一本发光的故事书,特写。
    图书馆

    Using Image 1 only for Lia's character design (the girl with the voluminous curly black hair, warm brown skin, big brown eyes, glossy yellow raincoat and long red knitted scarf) and the stylized 3D animated feature film rendering: create a portrait close-up of Lia inside a cozy library at night, warm lamp light, reading an open glowing storybook, delighted expression, shelves softly blurred behind. Same face and outfit. 16:9.

  5. 同一个女孩在屋顶上放飞一盏灯笼,数百盏灯笼在城市上空升起。
    动起来

    A scene from a high-end stylized 3D animated feature film, continuing from the opening frame. Lia, the little girl with a cloud of curly black hair, yellow raincoat and long red scarf, stands at the rooftop ledge at blue hour holding a glowing paper lantern. Shot 1, 0-4s: medium shot from the opening frame; the wind lifts her red scarf, she smiles with wonder, raises the glowing lantern in both hands and gently lets it go; it floats up past her face, warm light sweeping across her cheeks. Shot 2, 4-8s: cut to a wide shot from behind Lia: her small silhouette at the ledge as her lantern rises over the vast glittering city, and one by one hundreds of other warm lanterns rise from rooftops across the city, filling the violet and teal sky. Slow, majestic upward camera tilt. Keep Lia's design, proportions and outfit consistent. No text, no subtitles.

1. 给角色一些可以演的东西

一致性在画面之前就开始了。给角色一个想要的东西、一个它重要的理由和一种去争取它的方式,再决定什么样的压力会让角色露出另一面。把这些选择体现在观众看得见、听得到的行为里:一个看似无所畏惧的同伴一直在发号施令,然后悄悄挡在危险和那个被他嫌弃的小家伙之间。人物关系要双向发展,别让任何一个角色只剩下“那个焦虑的”。

也要为表演而设计:轮廓、体型、姿态、有表现力的五官、服装和动作方式。一个又重又矮的角色和一个又瘦又快的角色,犹豫、奔跑和互相帮忙的方式都不同。把一对角色放在一起检查,因为他们的比例必须容得下剧本要求的动作;一张漂亮的单人肖像无法告诉你身体会怎么动。

2. 保留一份记录和一段描述

写下之后的图片、片段和声音必须共享的东西,并和选定的文件放在一起:

  • 身份:比例、五官、标记、姿态、服装和道具,以及确立这些特征的图片。
  • 行为:目标、习惯和反差,以及动作所依赖的能力。
  • 声音:选定的声音或录音、语言和口音、节奏,以及任何有意的语域变化。
  • 变体:哪个文件是基础设计、哪个是某种特定造型,以及每个变体改变了什么。

然后每次都用同样的方式描述这个角色。看看上面 Lia 的提示词:身份描述在每次请求中都一字不差地重复,只有场景在变。每次请求换个同义词、加个特征,设计就会慢慢走样。如果角色有所修改,就同时更新描述和参考图,免得下一次请求把两个版本混在一起。

3. 每个参考素材只承担一项任务

在选择之前,先看清实际的图片。清晰的正脸确立相似度;全身图确立轮廓和姿态;同框画面确立相对比例。三视图(转面图)对反复出现的动画角色很有帮助,但各个视角之间必须一致。然后分清每张图用来做什么:身份、渲染风格、构图、姿势或场景状态。Lia 的场景只把已确认的设计图用于两项任务,她的角色设计和影片的渲染风格,并且明确写出来:using Image 1 only for(仅将图 1 用于)。如果不这样写,新场景还会继承屋顶、夜晚和灯笼。

如果有两个角色,就把各自的参考图绑定到场景对他们的要求上:

参考素材 它提供什么 场景新增或改变什么
小恐龙已确认的设定图 喙、比例、标记和表情 它仰面躺在左边装死
年长哺乳动物已确认的设定图 面部、毛发、四足姿态和体型 它站在右边低头看,嘴里叼着贝壳
已确认的河岸图片 树、洞穴、河流和光线 角色站到要求的位置上

除了名字,还要把每个动作绑定到看得见的主体上(“仰面躺着的恐龙”“叼着贝壳的毛茸茸的哺乳动物”);只写名字,姿势可能会被分配给错误的角色。还要让写下的对应关系和实际附上的文件一致:在提示词里写一个名字、提到之前的对话或写一个文件路径,都不会附上图片。

4. 让故事改变角色,而不是替换角色

把稳定的身份和临时的状态分开。湿透的毛发、煤灰、伤口、弄丢的帽子或情绪转折,都有起因,持续多久由故事决定。每个变体都从已确认的设计出发,检查哪些保持不变,不要让干爽的造型在河边那场戏之后自己回来,也不要让泥巴变成永久的标记。地点也是一样:火光或破坏可以改变一个地点,但它的布局要依然可辨,它的声音也应随之改变。

声音在表演变化时依然保持身份:同一个角色可以低语、喊叫或语塞。保留选定的声音来源和一段有代表性的表演,并对比相邻的录音,听听口音、语域或录音有没有变,说话人有没有被换掉。声音名称或设置相同,并不能证明听起来是同一位演员。

5. 让动作、空间和信息跨越剪切点

把上一个场景的结尾和下一个场景的开头对照着读:每个人在哪里、手里拿着什么、衣服和周围环境发生了什么、他们现在知道了什么。如果一个角色最后待在洞里,而下一个镜头必须把别人拉出来,就要展示他出来的过程,或者把时间跳跃交代清楚;脸对上了,并不能弥补缺失的动作。

对于连续的动作,下一次请求要从上一次最后保留的那个瞬间开始,而不是从未修剪片段的结尾开始。这个温室场景最初是分三次、每次 10 秒请求生成的;每次新请求都附上前一个片段的最后四秒,并要求 “continue exactly from its last frame, with the same characters, positions, light and sound”(从它的最后一帧精确地继续,保持相同的角色、位置、光线和声音)。衔接是成立的:

第一次请求的尾帧

下一次请求的首帧

衔接处

第一次请求的尾帧
下一次请求的首帧

6. 检查结果,再修复根源

把每个结果和它的参考图以及前后镜头对比,尺寸要大到真能看清一张脸;小缩略图或光线变化,可能会让人误以为角色走样了。先说出具体问题:做动作的主体不对、设计变了、道具丢了、声音变了、缺了一个过渡。然后在最小的有效范围内修复,比如把参考素材的分工写得更清楚、替换一张有冲突的图片或补回一次退场,并结合相邻镜头检查修复效果。当一个好的改变成为制作项目的一部分时,就把它带进参考素材;当一个结果被否决时,别让它成为下一次的参考。