AI图片生成最常见的痛点之一，就是“第一张很好看，第二张像换了一个人”。如果你要做数字人、虚拟博主、短视频角色或长期IP，单张质量并不是最重要的，一致性才是。要让同一个人物在不同衣服、姿势、场景和光线下都保持身份稳定，关键不是把提示词无限写长，而是把变量拆开控制。把脸型、年龄感、发型、肤色、五官特征、体型和标志性特征写成固定身份描述。后续换场景时，这一段尽量不动。很多人生成第二张时同时改了服装、镜头、风格和人物描述，模型自然更容易漂移。如果工具支持角色ID、参考图权重或人物锁定功能，优先使用这些结构化能力，而不是只靠文本。

参考图比文字描述更重要

纯提示词很难精确描述一个人的脸。高质量参考图可以直接提供眼距、轮廓、鼻型、发际线等身份信息。建议选择光线均匀、正脸或轻微侧脸、没有重度美颜和遮挡的照片。如果平台支持多张参考图，可以加入正脸、三分之二侧脸和自然表情各一张，通常比堆叠几十个形容词更稳定。

同一个角色先建立正面与自然侧面等授权参考，明确哪些身份特征不能变、哪些可以随场景变化。

把服装、动作、场景分层控制

提示词最好拆成“身份—服装—动作—环境—光线—镜头”几个部分。想换衣服时只改服装，想换背景时只改环境。每次只动一个或两个变量，更容易判断到底是什么导致人物变脸。真实的人在不同角度和光线下也会有变化。人物一致性的目标不是把脸锁成复制粘贴，而是让大多数人一眼认出“这是同一个人”。如果为了像而牺牲所有表情变化，反而会显得僵硬。

支持seed的工具可以记录效果较好的种子。更重要的是记录模型版本、参考图、主要参数和提示词。很多平台更新模型后，同一套提示词可能得到完全不同的结果，没有版本记录就很难复现。不要一上来就生成夜景、逆光、全身奔跑、多人互动。先用室内自然光、半身正面、轻微微笑建立基准。基准稳定后，再逐步增加全身、侧脸、复杂动作和特殊光线。

很多人只盯着脸，但数字IP长期运营时，肩宽、身高感、手臂比例、发长、年龄感同样会影响“是不是同一个人”的判断。尤其是从半身切换到全身时，身体比例很容易漂。单张成功没有意义。建议同一人物连续生成10张，覆盖室内、室外、坐姿、站姿、不同表情，再观察身份稳定率。如果10张里只有3张像，说明系统还没有真正建立可靠的人物一致性。

连续生成不同服装和地点，把人脸并排比较眼距、鼻型、发际线和年龄感，不要因为某张更漂亮就忽略身份漂移。

静态图片稳定，不代表视频稳定。进入图生视频后，还要检查眨眼、转头、嘴动时五官是否变形，特别是大幅动作和镜头切换。如果你同时做AI视频，可以继续参考AI视频生成工具怎么选，把一致性、可控性和生成成本一起评估。

最实用的工作流

先选一张干净参考图，固定身份描述；再用简单场景做10张基准测试；确定稳定参数后，分别测试服装、场景、动作和表情；最后才进入复杂视频。这样做虽然多一步，但比每次重新抽卡省时间，也更适合做长期数字人和虚拟IP。

把参考图和生成参数一起版本化

人物一致性调好之后，最好保存真正有效的参考图、提示词、模型版本、种子或其他可复现参数。以后换场景和服装时，从这套基线逐步改动，而不是每次从零开始。这样即使模型升级，也能快速比较新旧结果，减少“突然变脸”却找不到原因的情况。

修复时优先调整参考权重和冲突的场景提示词，并保存生成参数，避免反复整体重写导致问题难以追溯。

连续内容要用整组镜头验收

不要只挑最好的一张判断一致性。把同一人物的正面、侧面、远景、表情和不同光线放在一起看，重点比较脸型、五官比例、年龄感和发型。只有整组都能被自然识别为同一个人，才适合进入连续短片或数字角色项目。