2026-10-09 · 33 min read

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。

鲸鱼娘开源资产库

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:

蒼瀬 澪(あおせ みお)|陽浜研究所エージェント設定資料 |学習書房格物堂

正面 Front

TVアニメ『リゼロ』出演声優陣が語る作品のみどころ! | アニメイトタイムズ

侧面 Side

Re:ゼロから始める異世界生活(リゼロ)|アニメ声優・キャラクター・登場人物・最新情報一覧 | アニメイトタイムズ

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

  1. 先确定正面基准。
  2. 对缺失的侧面与背面设计进行人工定义或补充参考。
  3. 再制作侧面和背面图。
  4. 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。

けいゆう (@keiyuu_) on X

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。

香風智乃 - Free AI Art by yamuchan2024 | Tensor.Art | Tensor.Art

草原

自然光、绿色环境

青髪エルフの港町散策 - kyoの作品 - Aipictors - AI画像投稿サイト・生成サイト

海边

海面反射、自然日光

いらっしゃいませ - kyoの作品 - Aipictors - AI画像投稿サイト・生成サイト

咖啡馆

室内光、木质环境

蒼瀬 澪(あおせ みお)|陽浜研究所エージェント設定資料 |学習書房格物堂

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。

SENA by Variant™ – Variant Alloy Wheels

正面视图

辐条数量、形状、螺栓孔与中心盖

FORGEDLITE MC1 1PC MONOBLOCK 19X8.5 20X11 – Wheel Designers

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

  1. 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。
  2. 维护 Reference Pack:将正面、侧面、服装和关键特写作为统一参考集。
  3. 分离固定项和变化项:新一轮只改变动作、背景或指定参数。
  4. 逐轮比较:对照原始基准,而不只是比较上一张。
  5. 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ABCD
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3:43:43:43:4
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
22-08Master 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

搜索全站

输入关键词,查找项目与实践记录。