第二十二节:角色与产品一致性进阶(Consistency Mastery)
完整迁移第 22 节原文,建立角色、产品、多参考图与跨场景任务的一致性验收系统。
下一节:第二十二节——角色与产品一致性进阶(Consistency Mastery)
第二十二节:角色与产品一致性进阶(Consistency Mastery)
GPT 生图从 0 到 1 · 第 22 课 · 角色设定图、三视图、多参考图、跨场景复用与主体漂移控制
前二十一节,我们已经学习了从单张图片生成到局部编辑、商业摄影、视觉叙事和图片质量控制的完整知识体系。
在第八节《参考图与一致性控制》中,我们学习了如何利用参考图片保护人物、产品结构和品牌信息。
而第二十二节要解决一个更复杂的问题:
如何让同一个人物或产品,在几十张不同视角、不同场景、不同动作的图片中,依然保持高度一致?
例如:
- 一位蓝发少女,分别出现在草原、海边、咖啡馆和摄影棚,仍然是同一个角色。
- 同一款锻造轮毂,需要正面、侧面、背面、微距和安装效果图,辐条及产品设计不能改变。
- 一张动漫角色原图,需要扩展成角色三视图、表情集、动作集。
- 需要为同一车型生成四季场景图,但车身颜色、车型、灯组与轮毂都保持一致。
- 一个品牌连续制作 100 张商品主图,所有产品图遵守同样的品牌设计规范。
这一节,我们要把“参考图辅助生成”升级为可管理、可测试、可回退的主体一致性体系。
22.1 一致性并不是只有一种
在图生图工作中,我们要先明确:究竟什么东西需要保持不变?
CONSISTENCY CONTROL FRAMEWORK
01 · Identity
身份一致性
是否还是同一位人物或角色
02 · Geometry
几何结构一致性
产品轮廓、辐条、孔位和比例
03 · Appearance
外观一致性
发型、服装、颜色、配饰、材质
04 · Style
视觉风格一致性
画风、摄影质感、线条和上色
05 · Spatial
空间与视角一致性
多角度对应同一三维结构
06 · Temporal
时间连续性
前后镜头的状态和动作衔接
07 · Brand
品牌一致性
Logo、字体、颜色与视觉系统
08 · Batch
批次一致性
多张图片遵守同一套生产规范
这八种一致性不一定同时成立。
例如,一个角色从动漫变成真人 Cosplay,可能保留角色设计的辨识度,但画风、真实面部细节和身体比例都会发生变化。
因此,最重要的第一步是:
把“同一个主体”拆分为必须固定的识别特征,以及允许变化的表现特征。
22.2 第一部分:角色设定图(Character Reference Sheet)
对于持续生成的动漫人物,建议首先制作一张标准角色设定图。
它相当于角色的视觉档案,而不是一张普通写真。
角色设定图示意。不同视图应以经过确认的同一角色设计为依据,不能仅凭外观相似判断一致。
一套标准的角色设定图,建议包含:
| 内容 | 作用 |
|---|---|
| 正面全身 | 确定角色正面设计与比例 |
| 侧面全身 | 确定轮廓、头发长度与服装侧面 |
| 背面全身 | 确定背部服装、发型与配饰 |
| 面部特写 | 确定眼睛、发际线和五官 |
| 配饰特写 | 确定头饰、蝴蝶结等关键设计 |
| 颜色样板 | 统一发色、瞳色和服装主辅色 |
对于我们此前使用的蓝发女仆少女,重点应该固定蓝色长发、瞳色、白色褶边头饰、蓝白服装以及鲸鱼主题配饰。
Character Bible:角色视觉档案
Character Bible · BLUE-MAID-001
核心身份(P0)
角色:同一位成年蓝发女仆少女。
主要识别特征:
- 蓝色长发
- 蓝色眼睛
- 白色褶边女仆头饰
- 深蓝与白色女仆服装
- 鲸鱼主题元素
所有特征以经过确认的角色基准图为准。
设计一致性(P1)
- 保持发型主要轮廓和长度
- 保持服装主要裁片和装饰结构
- 保持关键配饰的位置及形状
- 保持原有角色比例和画风
允许变化(P2)
- 姿势
- 手势
- 表情
- 镜头景别
- 光照
- 背景
- 合理的头发与衣物运动
禁止事项
不擅自改变发色和瞳色。
不重新设计女仆服装。
不随意添加或删除关键配饰。
不把不同角色的面部特征混合进来。
验收
每次生成后,与角色原始参考图核对身份、发型、服装和配饰。
这里要认识一个很重要的概念:
角色设定图是控制依据,不是模型保证。
仅提供角色三视图,不能确保模型在每次生图中都严格保持所有设计细节。
22.3 第二部分:三视图与多角度控制(Character Turnaround)
三视图(Turnaround)是角色设计与产品建模中常用的参考形式。
它通常包括:
正面 Front
侧面 Side
背面 Back
各图片仅用于说明视角类型,不代表已通过同一角色身份的一致性验证。
三视图为什么容易失败?
因为从正面图推断角色背面,存在信息缺失。
例如,原始参考图可能没有展示:
- 服装背部的蝴蝶结。
- 头发后侧的层次。
- 裙摆背面的花纹。
- 背部配饰的固定方式。
如果模型不知道这些细节,可能会自行创造。
因此,不能把 AI 推断出来的背面设计直接认定为角色原始设定。
三视图生成的推荐顺序
- 先确定正面基准。
- 对缺失的侧面与背面设计进行人工定义或补充参考。
- 再制作侧面和背面图。
- 将通过验收的三视图作为后续统一参考。
可复制三视图提示词
使用上传的蓝发女仆少女参考图作为唯一角色设计依据。
生成一张角色三视图设定板,包含正面、右侧面和背面全身图。
三个视图使用相同的人物身高基准、头身比例、服装设计、发型长度与主要配饰。
角色均自然站立,双臂轻微离开躯干,避免服装细节被手臂遮挡。
采用正交投影式角色设定图表现,尽量减少透视缩短。
白色背景,三栏等宽,人物从头顶到脚底对齐。
未在原始参考图中出现、且没有其他参考资料确认的背部设计,不应被当作已经核实的角色设定。
不添加其他人物,不随意改变服装花纹和关键配饰。
正交投影(Orthographic Projection)在这里是视觉目标。如果需要真正几何精确的正交三视图,仍然更适合使用同一三维模型进行渲染。
22.4 第三部分:表情一致性(Expression Sheet)
同一个人物可以拥有不同情绪,但必须尽量保持身份一致。
建议表情集先从六种基本状态开始:
| 表情 | 控制特征 |
|---|---|
| 自然 Neutral | 面部放松 |
| 微笑 Happy | 嘴角上扬、眼部变化 |
| 惊讶 Surprised | 眼睛睁大、眉毛抬起 |
| 难过 Sad | 眉眼下垂、嘴部收紧 |
| 生气 Angry | 眉部压低、眼神集中 |
| 害羞 Shy | 视线轻微回避、面颊变化 |
正式制作表情集时,建议固定头部角度、面部大小、光线和画风。
这样才能把实验变量集中在表情,而不是让模型一边改变表情,一边改变人物角度。
22.5 第四部分:跨场景角色一致性(Cross-scene Consistency)
我们继续使用同一个蓝发女仆角色,把她放入不同场景。
草原
自然光、绿色环境
海边
海面反射、自然日光
咖啡馆
室内光、木质环境
摄影棚
中性背景、均匀柔光
上述图片展示跨场景任务概念,不能据此认定人物身份和服装已严格保持一致。
跨场景任务的三类变量
CONST
全局常量
角色身份、服装、发型、配饰、动漫风格
VAR
行级变量
草原、海边、咖啡馆、摄影棚及对应环境光
QA
验收条件
是否保持同一个角色?环境光是否合理?是否出现服装漂移?
跨场景提示词
以图片 A 中的蓝发女仆少女为统一角色参考。
本次任务仅将人物所处场景更换为内蒙古夏季草原。
必须保持参考图中的主要面部特征、蓝色长发、蓝色眼睛、白色女仆头饰、深蓝白色服装与鲸鱼主题配饰。
允许根据草原环境自然调整人物身上的光照、阴影、少量头发摆动与衣物褶皱。
保持原有动漫插画风格,3:4 竖版全身构图。
不因为更换背景而修改角色身份、服装款式或配饰设计。
生成后与原始角色基准图对照验收。
22.6 第五部分:产品几何一致性(Product Geometry Consistency)
人物一致性主要关注身份与外观;而工业产品一致性更强调几何结构、尺寸关系与真实设计。
以锻造轮毂为例,同一款轮毂在正面、侧面、倾斜视角与安装效果图中,必须对应相同的真实产品。
正面视图
辐条数量、形状、螺栓孔与中心盖
三分之四视角
轮辋深度、辐条曲面与透视关系
示意图用于解释角度变化;不是同一个真实 SKU 的多视图验证结果。
产品一致性应该锁定哪些字段?
例如轮毂:
| 约束等级 | 项目 | 具体控制 |
|---|---|---|
| P0 | 产品型号 | 必须为当前 SKU |
| P0 | 辐条与轮廓 | 不增加、不减少、不重新设计 |
| P0 | 孔位结构 | 螺栓孔与中心区域符合真实产品 |
| P0 | 规格参数 | 直径、宽度、PCD、ET 等以数据表为准 |
| P1 | 材质工艺 | 抛光、拉丝、哑光等区域一致 |
| P1 | 配色 | 黑银、哑灰等以实物为准 |
| P2 | 摄影表现 | 背景、光源、反射与阴影可调整 |
必须特别区分:图片无法单独证实轮毂的全部技术规格。
例如,ET 偏距、额定载荷及某些中心孔尺寸,必须通过可靠产品资料确认,而不能由 AI 根据照片推测。
22.7 第六部分:多角度产品图如何保持同一结构?
我们在第十七节已经学习了 Multi-view Product Display。
这一节则重点研究:不同视角是否真的来自同一个产品。
三种一致性方案
方案 A · 单张参考图 + AI 多角度生成
输入一张正面图,由 AI 推断侧面或背面。
优点:创作方便。局限:遮挡面缺少真实信息,几何误差风险较高。
方案 B · 多张真实参考图 + AI 视觉编辑
提供同一个 SKU 的正面、斜侧、背面和细节照片。
优点:降低未知结构的推测量。局限:仍不能保证生成式几何完全准确。
方案 C · 真实三维模型 + 渲染
使用 CAD、经过验证的三维扫描或模型,从统一几何结构渲染多个角度。
优点:在模型准确的前提下,几何与视角一致性最好。适合高要求产品资料。
如何选择?
对于博客概念演示,可以使用方案 A。
对于商品宣传,优先选择方案 B 或真实实物摄影。
对于需要严格多角度一致性的产品展示,优先选择方案 C。
最重要的是不要把 AI 根据单张照片生成的背面结构,当成经过确认的真实产品设计。
22.8 第七部分:多参考图的角色分工(Multi-reference Strategy)
多图参考不是把许多图片一起交给模型,让它自由组合。
而是明确每张图片提供什么信息。
多参考图的一致性控制流程
图片 A · 身份
人物脸型、发型、主要设计
图片 B · 服装
服装款式与关键配饰
图片 C · 姿态
身体与四肢位置
图片 D · 场景
空间、地形、环境光
目标图像
身份 A + 服装 B + 姿态 C + 场景 D
多图组合的一个重要问题:参考冲突
例如:
- 图片 A 中角色头发是长发。
- 图片 B 中角色的服装模特是短发。
- 图片 C 中姿态人物穿黑色服装。
我们不希望模型把 B、C 中不相关的人物特征混入 A。
应该明确:
图片 A 是人物身份唯一依据。图片 B 仅提供服装设计。图片 C 仅提供姿态,不参考其中人物的外貌和服装。图片 D 仅作为背景参考。
每增加一张参考图,就应该增加一项素材职责说明。
但参考图越多也可能引入更多冲突;素材质量和明确性通常比数量更重要。
22.9 第八部分:如何减少主体漂移(Identity Drift)
主体漂移是指多次生成之后,人物或产品逐渐偏离初始参考。
例如:
角色漂移的典型过程
V0
蓝色长发
V1
发饰微变
V2
服装变形
V3
角色偏离
概念示意,展示偏差可能积累的过程,并非所有多轮生成都会发生漂移。
减少漂移的五个方法
- 固定 Master Reference:每次都提供原始角色或产品基准图,不只依赖最新生成结果。
- 维护 Reference Pack:将正面、侧面、服装和关键特写作为统一参考集。
- 分离固定项和变化项:新一轮只改变动作、背景或指定参数。
- 逐轮比较:对照原始基准,而不只是比较上一张。
- 回退与重建:出现严重漂移时,从可靠版本重新开始。
特别提醒:更多负面提示词不一定能解决漂移
如果模型缺少产品背面结构的信息,反复写“结构绝对不能改变”也不能使它知道真实背面应该是什么样子。
在这种情况下,补充可靠参考素材,比增加提示词限制更有帮助。
22.10 第九部分:单变量一致性实验
为了判断某种生成方法是否真的有助于保持角色一致性,建议采用控制变量实验。
例如,同一个蓝发少女分别生成四种姿态:
| 实验条件 | A | B | C | D |
|---|---|---|---|---|
| 角色基准图 | 固定 | 固定 | 固定 | 固定 |
| 服装与画风 | 固定 | 固定 | 固定 | 固定 |
| 背景 | 固定 | 固定 | 固定 | 固定 |
| 画幅 | 3:4 | 3:4 | 3:4 | 3:4 |
| 动作变量 | 站立 | 坐下 | 挥手 | 转身 |
这样可以观察随着姿态变化,哪些角色特征最容易发生漂移。
不过,上面属于“动作变化对角色一致性的影响”实验。
如果要研究不同参考策略的效果,则应该固定目标动作,仅改变参考图条件。
例如:
- A 组:只提供文字描述。
- B 组:提供一张角色正面图。
- C 组:提供经过核实的多角度角色参考集。
每组尽量多次生成,并进行独立验收,避免将单次生成结果误认为普遍规律。
22.11 第十部分:建立一致性验收系统(Consistency QA)
判断一张图片是否与参考图一致,不能只问“看起来像不像”。
应当根据任务进行分项检查。
一致性教学评分
25/ 25
可进一步验收
身份或产品型号
5/5
主体是否仍然是目标人物或 SKU
几何与轮廓
5/5
发型轮廓、零件形状、辐条等是否对应
颜色与材质
5/5
发色、服装、产品工艺与表面颜色
关键配饰与细节
5/5
标志性配件、服装花纹、中心盖等
风格与构图
5/5
画风、光线与当前指定的视觉规范
出现关键身份、产品型号或结构错误(P0)
22 分仅为教学演示阈值,不代表行业标准。对于真实商品,任何关键结构错误都不能被其他高分抵消。
对于人物角色,我们还可以使用人脸或图像相似度工具作为辅助参考,但相似度不能替代对服装、配饰与实际角色身份的检查。
对于工业产品,几何数据、产品规格和真实照片通常比一般图像相似度更有证明力。
22.12 完整的一致性 Prompt 模板
GPT Image · Consistency Master Prompt V1.0
01. 任务目标(Objective)
使用已有参考素材生成新的角色或产品图片。
本次目标:[具体描述]
02. 主参考图(Master Reference)
图片 A:[角色或产品的主要身份依据]
图片 B:[可选的侧面、背面或细节参考]
图片 C:[可选姿态参考]
图片 D:[可选场景或风格参考]
每张图片承担明确职责,不允许交叉混用无关特征。
03. P0 · 核心身份与结构
必须保留:
[人物主要身份 / 产品 SKU]
[不可改变的结构]
[关键识别特征]
[重要品牌信息]
04. P1 · 外观一致性
保持:
[发型、服装、配饰]
[材料、颜色、工艺]
[主体比例、主要轮廓]
05. 本轮变量(Allowed Changes)
只允许修改:
[动作 / 场景 / 视角 / 光线 / 表情]
06. 镜头与环境(Camera & Environment)
画幅:[比例]
构图:[类型]
镜头:[视角]
场景:[地点]
光照:[要求]
07. 参考图冲突处理
人物身份优先以图片 A 为准。
产品结构以已核实的产品资料为准。
姿态参考图只控制姿态。
场景参考图只控制环境。
当参考素材存在无法解决的关键矛盾时,不应凭空补全为真实事实。
08. 负面约束(Negative Constraints)
不改变核心身份。
不重新设计产品结构。
不添加不存在的标志性配饰。
不混合其他参考图中的无关主体特征。
不重绘必须原样保持的 Logo、文字或二维码。
09. 验收(Validation)
与 Master Reference 对照检查:
- 身份或 SKU
- 结构与轮廓
- 颜色与材质
- 关键配饰和细节
- 本轮变量是否正确
- 是否发生主体漂移
发现 P0 错误时,不直接交付。
10. 修复与回退(Recovery)
优先尝试在合格参考基础上局部修复。
若核心身份或结构严重漂移,回到最近合格版本重新生成。
精确产品多视图优先采用实物照片或经过验证的三维模型。
22.13 交互练习:一致性提示词生成器
我们将前面学到的常量、变量、多参考图与 P0/P1/P2 约束结合起来。
选择主体类型,再选择本次允许修改的视觉变量。
主体类型
蓝发少女
锻造轮毂
新能源汽车
本轮主要修改变量
更换场景
调整姿态
改变表情
更换镜头视角
改变环境光线
具体修改目标
图片比例
1:13:416:9
完整一致性控制提示词
# Consistency Master Prompt 【主体】蓝发少女 【参考素材】角色原始正面图、服装细节图和可选三视图。 【P0 不可改变】 主要面部特征、蓝色长发、蓝色瞳孔、女仆头饰、蓝白色服装及鲸鱼主题配饰。 【本轮唯一主要变量】 更换场景。 【具体目标】 将角色放到内蒙古夏季草原,保持正面全身视角。 【画幅】 3:4。 【P1 一致性要求】 保持角色设计与动漫插画风格一致。其他未明确授权的主体特征尽量保持原样。 【P2 可调整】 允许自然的背景细节、环境反射、阴影及与目标变化相关的次级细节。 【禁止事项】 禁止主体身份漂移、产品结构重新设计及混入其他参考图的无关特征。 【验收】 生成后与原始 Master Reference 对照检查。关键身份或结构错误时,不直接交付。
22.14 第二十二节博客教学配图规划
继续使用我们前面统一的白底、深蓝色标题、科技蓝结构区域、红色辅助标注风格。
| 编号 | 教学图片 | 推荐布局 |
|---|---|---|
| 22-01 | 角色身份、服装与风格一致性 | 三栏对比 |
| 22-02 | 蓝发少女角色设定图 | 正面、侧面、背面 |
| 22-03 | 同一角色六种表情 | 3×2 六宫格 |
| 22-04 | 同一少女跨四种场景 | 2×2 四宫格 |
| 22-05 | 同一轮毂的多角度展示 | 2×2 四宫格 |
| 22-06 | 单图参考 vs 多图参考 vs 三维模型 | 三栏对比 |
| 22-07 | 多轮主体漂移与回退 | V0→V1→V2→修复 |
| 22-08 | Master Reference 一致性控制系统 | 综合流程信息图 |
其中,我建议重点制作 22-02、22-04、22-05 和 22-07。
它们分别说明:如何建立角色标准、如何跨场景复用、如何保持工业产品结构,以及如何避免多轮编辑产生主体漂移。
为了真正具有教学实验价值,22-04 应使用相同的蓝发少女原始参考图;22-05 应使用同一真实轮毂 SKU 的多角度素材,而不是四款外形相近的轮毂。
22.15 本节总结
本节的核心公式:
一致性控制 = 主参考图 + 固定身份与结构 + 允许变化的变量 + 多参考图职责 + 逐轮验收 + 版本回退。
通过这一节,我们建立了几个重要认知:
第一,一致性不等于每张图都长得一样。角色和产品的核心特征应稳定,而镜头、动作、场景和光照可以变化。
第二,参考素材比单纯增加提示词长度更重要。如果缺少真实产品背面资料,模型无法通过一段强约束提示词获得这些未知结构。
第三,人物一致性与工业产品一致性的标准不同。前者主要关注身份、外貌和角色设计,后者还必须考虑真实几何、制造规格与适配信息。
第四,多轮生成必须保持可追溯性。需要保留 Master Reference、模板版本及合格结果,防止错误在迭代过程中不断积累。
下一节:第二十三节——风格参考与视觉语言逆向分析(Style Analysis & Reverse Prompting)
接下来我们将研究整个系列中一项非常实用的高级能力:
看到一张喜欢的图片,如何系统拆解出它的构图、镜头、光影、材质、配色、排版和视觉风格,再将这些信息重构成可复用的生图提示词?
这一节会把前二十二节的知识整合起来,使我们不仅能够按照自己的想法生成图片,也能从优秀作品中学习视觉语言,并迁移到新的主体与商业项目中。
下一节:第二十三节——风格参考与视觉语言逆向分析(Style Analysis & Reverse Prompting)
第二十三节:风格参考与视觉语言逆向分析(Style Analysis & Reverse Prompting)
GPT 生图从 0 到 1 · 第 23 课 · 参考图拆解、视觉语言识别、逆向提示词、风格迁移与对照实验
前二十二节,我们已经建立了一套完整的 GPT 生图知识体系:从构图、镜头、光影、材质、场景,到商业产品展示、局部编辑、图文融合与主体一致性。
但在实际设计工作中,我们经常会遇到一种情况:
看到一张非常优秀的图片,却不知道该如何让 AI 生成类似的视觉效果。
例如:
- 看到一张高级汽车广告,希望学习它的摄影语言,却换成自己的车型。
- 看到一张极简电商产品图,希望复用它的布光、构