AI 人物一致性控制：工业级角色卡（Character Sheet）制作全流程实战指南
做 AI 漫画、短剧分镜或虚拟 IP 时，最磨人的是人物在不同镜头里反复变脸、身材走样。本文拆解游戏与影视工业级角色卡（Character Sheet）制作流程，通过一张 4:3 设定板一次性锁定四角度转台、八维微表情、骨骼动态与服装细节，附带中英双语 Prompt 模板与下游工作流串联方案。
做 AI 生图或视频生成，大家几乎都会撞上同一堵墙：人物一致性。
你辛辛苦苦调出了一个心仪的男主角或女主角，想用它做一组连环画、一条短剧视频或者电商模特图，结果第二张图换了个动作，脸立刻变成另一个人；第三张图换了个远景，身高比例和衣服颜色全乱了套。
很多人的第一反应是在提示词里疯狂堆修饰词：“25岁东亚女性、高鼻梁、黑色微卷长发、双眼皮……”，结果不仅没锁住长相，反而让画面里的无关元素到处漂移；也有人尝试用 Reactor 或 Roop 换脸插件，但换出来的脸往往像硬生生贴上去的假面具，一旦遇到仰视、俯视、侧身或复杂的打光环境，下颌线和脖子肌肉立刻穿帮。
要真正像影视或游戏工作室那样工业化输出角色，行业里最稳妥的标准做法其实不是碰运气抽卡，而是在开工前先做一张标准角色设定板（Character Sheet / 角色卡）。
这篇文章会带你完整跑通这套方案。通过一张结构严密的 4:3 比例设定板，把主身份全身转台、剪影、表情系统、微表情、手部动作与服装材质一次性固定下来，并在后续生图中直接充当绝对权威的参考底图。
1. 为什么一张设定板能彻底解决“变脸”？
在传统的动画和游戏原画管线中，原画师在建模或分镜前，必须先出一张 Turnaround Sheet（转台设定图），用来统一团队里所有三维师、分镜师对手部、服饰、五官比例的理解。
当这个逻辑迁移到生成式扩散模型（如 FLUX.1、Midjourney、Nano Banana、SDXL）时，它的威力被成倍放大了：
这种机制的核心优势在于：
- 同图注意力机制（Self-Attention）的原生约束：模型在同一批次、同一张画布上生成内容时，自注意力权重是互相参考的。正因为正面、侧面、背面和所有表情都在同一张图里，模型会自动强制保持它们是同一个人；
- 多视角资产一次性齐备：后续制作剧情分镜时，经常需要背影、仰拍或大特写。如果角色卡里本身就画清楚了背面发型和仰头下巴结构，下游模型就不需要脑补，直接照着垫图抄；
- 彻底治愈手部与微表情僵硬：传统 AI 人物要么没有表情像木偶，要么稍微一笑嘴部就崩坏。把 8 种主要情绪与 5 组眼唇微表情独立拉出特写网格，等于直接给模型下发了一份“脸部使用手册”。
2. 角色设定板的九大黄金模块解剖
一张合格的工业级角色设定板不是杂乱无章的拼贴图，而是具备严密排版逻辑的技术说明书。以我们实战中沉淀出的标准模板为例，它由以下 9 个关键区域构成：
① 顶部身份与色彩基准（Header & Color Palette）
包含角色代号、职业设定、年龄、性格关键词，以及 6～8 个无文字核心色块（Color Palette）。这些色块能像防火墙一样，把发色、皮肤底色、上衣与配饰的 Hex 范围固定住，避免后续调色时衣服颜色乱窜。
② 01 主身份全角度转台（Full Body Turnaround）
这是整张图里占地面积最大、权重最高的区域：
- 严格提供 正面（Front）、四分之三侧面（3/4 View）、正侧面（Side）、正背面（Back） 四个标准站姿；
- 左侧附带从 0cm 到 170cm 的身高刻度参考线；
- 这一步直接锁死角色的头身比（例如 7.5 头身）、肩宽、腰臀比例与腿长。
③ 02 轮廓剪影（Silhouette）
提供正反或正侧面的纯黑剪影。在视觉设计理论中，剪影决定了角色的第一辨识度。剪影模块强制模型抽象出角色的外轮廓动态，在后续生成远景奔跑或大动态动作时极其关键。
④ 03 & 04 表情与微表情矩阵（Expression & Micro-Expressions）
- 8 张主表情网格：平静（Calm）、好奇（Curious）、紧绷（Tense）、惊讶（Surprised）、害怕（Afraid）、悲伤（Sad）、坚定（Determined）、放松（Relaxed）；
- 5 组微表情切片：眼部紧绷（Eye Tension）、抿嘴微笑（Slight Smile）、唇部用力（Mouth Strain）、微恐惧（Mild Fear）、呼吸控制（Breath Control）。有了这组切片，人物在后续视频中做情感爆发或内心戏时就不会变成面瘫。
⑤ 05 头部多角度研究（Head Structure）
专门攻克 AI 绘图的死穴——视角打架。单独绘制 3/4 转角、正侧面、仰视（Looking Up）、俯视（Looking Down），防止后续分镜机位变换时脸形变宽或下巴变形。
⑥ 07 & 09 姿态变化与手部动作规范（Poses & Hand Actions）
- 3 组常见姿态：放松站立、交叉抱胸防备、自信侧身；
- 5 组精准手部动作：放松垂落、握拳紧绷、食指指向、手部抓握、轻抚面部。让模型在一开始就学会画这名角色的手部骨节，极大降低后续废片率。
⑦ 08 服装与配饰微距（Costume Details）
对发型分层细节、衣服面料材质（如运动透气网眼、雨水濡湿衬衫面料）、鞋履和配饰（如黑框眼镜、发圈）进行 1:1 微距展示。
3. 四套高水准实战案例拆解
不同题材对角色卡的侧重点略有不同。我们从实际落地项目中挑出了四套涵盖都市写实、极限职业、科幻战衣与生活运动的典型范例：
案例一：风暴现场调查记者 Lin Yuxin（极限环境 / 职业服饰 / 雨丝质感）
- 场景诉求：新闻纪实、灾害报道、暴雨户外场景；
- 设计重点：
- 雨水濡湿白衬衫与半身裙的真实反光与褶皱层次，同时通过专业内衬保持得体视觉；
- 湿发贴颊的处理与脸颊晶莹的水珠特写；
- 右下角的 Featured Portrait 强化了“逆风前行”的眼神光张力，为角色后续剧情打下强有力的情绪基调。
案例二：城市超级英雄 Yuna（科幻战衣 / 动态张力 / 漫改 IP）
- 场景诉求：动作戏、跑酷、高燃打斗与科幻短剧；
- 设计重点：
- 经典红蓝蛛网战衣的高弹性贴身材质，重点锁死胸前蜘蛛徽记与背部花纹的结构延续性；
- 姿态区特别强化了战斗蹲姿与发射抓握手势；
- 剪影区清晰展现了利落的长发流线与肌肉线条，非常利于后续直接提取 ControlNet 骨骼姿态。
案例三：外景特派员 Lin Yue（黑框眼镜 / 运动健美 / 自然纪实）
- 场景诉求：日常播报、运动自律博主、生活短视频出镜；
- 设计重点：
- 攻克了“AI 戴眼镜必变形”的问题：通过在头部多角度与面部微距中全部固定同款细黑框眼镜，彻底避免在后续生成中镜框时隐时现或镜腿错位；
- 高马尾发型在侧面与背面视角中的扎法结构得到了精准呈现。
案例四：活力运动少女 Lin Yuxi（球衣潮牌 / 极简模块化编号）
- 场景诉求：电商模特穿搭、品牌潮流推广、青春日常故事；
- 设计重点：
- 采用了极度工整的
01到09编号技术排版（Technical Layout），有效防止多图混排时各区域边缘混淆； - 10号天蓝色球衣的面料暗纹、胸前标志与白色运动鞋的鞋底构造均在局部特写中交代清楚，保证更换动作时球衣号绝不漂移。
- 采用了极度工整的
4. 可直接复制的工业级 Prompt 模板
这一套提示词体系已经过多轮语法和排版精简，对 Midjourney v6/v7、FLUX.1、DALL-E 3、Nano Banana Pro 等现代扩散模型均具有极佳的结构召回率。
直接复制以下模版，将括号内的变量替换为你自己的角色设定即可：
中文通用提示词模版
【任务目标】
基于参考要求生成一张高精度专业角色设定板（Character Sheet），严格锁定单一角色身份ID，禁止生成不同人物，画面内所有视图与局部特写必须共享同一骨骼比例、五官结构与服饰。
【基础参数设定】
- 风格类型：写实商业人像摄影 / 影视级写实质感
- 角色身份：[填写职业/身份，如：25岁外景新闻调查记者]
- 性别体态：[女性，标准运动健康体型，7.5头身，身高168cm]
- 外貌特征：[深棕色微卷长发，干净清爽淡妆，柔和而坚定的眼神]
- 标志性服装：[天蓝色吸湿排汗运动短袖球衣（印有清晰10号胸标），浅灰紧身瑜伽长裤，纯白轻量跑鞋]
- 配色方案（Color Palette）：6个色块点阵（天蓝、浅灰、纯白、深炭灰、暖肤色、暗红）
【排版与画面规范】
- 画面比例：4:3 横版构图
- 背景：极简纯白工作室棚拍无影背景（Pure Studio White Background）
- 排版风格：极简工业设计说明书风格，清爽技术排版，带编号模块标题，无杂乱水印
【核心版面九大模块构成】
01 MAIN IDENTITY SHOWCASE（占据中央主视野最大篇幅）：
- 包含正视（Front）、四分之三侧转（3/4 View）、正侧身（Side）、后背（Back）四角度等高全身立姿
- 左侧附带 0-170cm 精准身高刻度标尺，双脚着地，站姿自然平稳
02 SILHOUETTE：
- 正面与正侧面纯黑身体外轮廓剪影，突出体态辨识度
03 EXPRESSION SYSTEM（8张面部网格）：
- 平静（Calm）、好奇（Curious）、紧绷（Tense）、惊讶（Surprised）、害怕（Afraid）、悲伤（Sad）、坚定（Determined）、放松（Relaxed）
04 MICRO-EXPRESSIONS（5张唇眼局部微距）：
- 眼周紧绷（Eye Tension）、微抿笑意（Slight Smile）、咬肌微紧（Mouth Strain）、轻度恐慌（Mild Fear）、平缓呼吸（Breath Control）
05 HEAD STRUCTURE（4张不同机位仰俯视角）：
- 3/4转角、正侧颜、微仰头视线（Looking Up）、低头垂眸（Looking Down）
06 CLOSE-UP PORTRAIT（右侧大幅高光英雄肖像）：
- 胸部以上半身特写，电影感柔光，细腻眼神光与发丝层次，强情绪张力
07 POSE VARIATIONS（3组生活动态）：
- 自然垂臂站姿、双手抱胸防备姿态、单手叉腰自信体态
08 COSTUME DETAIL（4张局部材质近景）：
- 发丝纹理细节、球衣透气面料经纬纹路、鞋履构造微距
09 HAND ACTIONS（5组真实手部姿势）：
- 自然放松手指、握拳紧绷、食指指向、手掌抓握、指尖轻触下颌
【画质标准】
真实摄影级质感，微观毛孔与布料纹理真实可见，电影影棚平滑布光，超高分辨率，无畸变。英文版工业级 Prompt（适配 Midjourney / FLUX.1）
在英文底模（如 Midjourney、FLUX）中，使用英文技术排版标签能得到更纯净的字体渲染效果：
Professional character design sheet, ultra-detailed master character sheet, 4:3 technical layout. Single character identity locked, consistent ID across all panels.
Subject: [25-year-old active Asian woman, storm field reporter, natural black hair, soft features, wearing a light blue sports jersey with number 10, grey leggings, sneakers].
Layout & Components:
- Header: Minimal clean typography with Character Name, Role, Age, Core Theme, and a 6-color minimalist palette strip.
- 01 MAIN IDENTITY SHOWCASE: Full-body turnaround (Front View, 3/4 View, Profile Side View, Back View), identical proportions, standing posture with 0-170cm vertical height scale lines on pure white studio background.
- 02 SILHOUETTE: Crisp front and side full-body silhouette shadows.
- 03 EXPRESSION SYSTEM: 8-grid facial expression studies (Calm, Curious, Tense, Surprised, Afraid, Sad, Determined, Relaxed).
- 04 MICRO-EXPRESSIONS: 5 close-up macro shots focusing on eyes and lips (Eye Tension, Slight Smile, Mouth Strain, Mild Fear, Breath Control).
- 05 HEAD STRUCTURE: Multi-angle head studies (3/4 View, Side Profile, Looking Up, Looking Down).
- 06 CLOSE-UP PORTRAIT: High-end cinematic hero portrait on right side, dramatic soft lighting, intense emotional eyes, detailed skin texture.
- 07 POSE VARIATIONS: 3 full-body action poses (Relaxed, Tense, Confident).
- 08 COSTUME DETAIL: Macro crops of hair strands, jersey fabric texture, shoes, and accessories.
- 09 HAND ACTIONS: 5 detailed hand studies (Relaxed Hand, Tense Hand, Pointing, Gripping, Touching Face).
Style: Cinematic studio photography, 8k resolution, crisp technical typography labels, clean negative space, zero distortion, hyper-consistent character face and anatomy. --ar 4:3 --v 6.15. 拿到角色卡后，下游如何串联批量生产？
很多人以为拿到角色卡就完事了，其实角色卡是一把母钥匙。在后续的具体生产环节，有三种最主流的用法：
方案 A：Midjourney 的 --cref 精准垫图
这是门槛最低、出图最快的方案：
- 将生成的角色卡原图上传至图床或 Discord，复制图片直链；
- 在新提示词末尾加上
--cref <角色卡URL>； - 关键权重调节：
- 保持原样服装与长相：
--cw 100（默认值，角色五官、发型与当前衣服全锁死）； - 保留原角色五官，但换一套全新衣服（比如换上晚礼服或古装）：加上
--cw 20。此时模型仅继承面部轮廓，全身服饰按你新写的提示词重新绘制。
- 保持原样服装与长相：
方案 B：ComfyUI / WebUI 的 IP-Adapter + ControlNet 双轨控制
在本地出图工作流中，这种方法可控度最高：
- 面部特征提取：用 Photoshop 或简易截图工具，把角色卡右上角的「Featured Portrait」高光特写切下来，喂入
IP-Adapter FaceID Plus节点，权重设为0.75～0.85； - 体态与骨骼约束：如果你想让她完成特定动作（比如坐在咖啡厅看电脑），从角色卡的正面全身图提取人体骨骼，或者找一张姿态参考图提取 OpenPose / Depth 深度图；
- 画面生成：模型一边通过 ControlNet 锁定骨骼动作，一边通过 IP-Adapter 持续读取角色卡的五官向量，两项技术叠加，彻底终结换脸时代的违和塑料感。
方案 C：AI 视频（Kling 可灵、Runway、MiniMax、Seedance）
制作动态连续剧时，直接用整张角色卡当视频参考往往会让视频模型混乱。正确的处理逻辑是切片取样：
- 静态对话镜头：裁剪角色卡里的「Featured Portrait」作为第一帧，输入运镜提示词：“慢推镜头，眼神微转，嘴唇微张轻启”，情绪和发丝细节能保持 100% 连贯；
- 全身走位镜头：裁剪角色卡中的「Full Body Turnaround」全身正面作为起始帧，生成角色起步走向远方的大全景；
- 镜头切换保持：所有分镜都从同一张母图里裁剪切片，不同机位之间的色温、衣服光泽和五官结构天生自带统一基因。
6. 四大高频翻车点与避坑策略
在制作和使用角色卡时，新手最容易在以下四个细节上踩坑：
| 翻车现象 | 根本原因 | 实操解决方案 |
|---|---|---|
| 小格子里出现不同的人脸 | 提示词中对不同模块的描述产生冲突，模型误以为是多个角色的全家福 | 在 Prompt 开头与末尾反复强调 Single character identity locked, identical person across all turnaround views and expression grids |
| 文字标签变成乱码鬼画符 | 扩散模型不擅长长句排版，汉字在非特定模型中极易崩坏 | 标签统一采用英文单词（如 FRONT, CALM, HEAD STUDY），严禁输入大段中文注释 |
| 衣服颜色在不同视图串色 | 提示词中写了过多发散的颜色修饰词，导致模型将背景或道具颜色染到衣服上 | 严格使用 COLOR PALETTE 模块，限定 6 个以内核心颜色，并在主体描述中指明具体部位对应的唯一色彩 |
| 生成的角色卡手部依然粘连 | 模型在 4:3 画布上算力分配不均，忽略了微小局部的手部绘制 | 在提示词中单独设立 09 HAND ACTIONS 模块，明确指定 5 种独立手势，强制模型为手部分配充足的采样步数与像素面积 |
总结
控制 AI 人物一致性，本质上是一场对抗模型随机熵增的过程。
不要试图指望模型单凭几句笼统的提示词就能永远记住你的主角。用 5 分钟跑一张符合工业标准的 4:3 角色设定板，把五官转台、骨骼剪影与微表情刻度一次性固定在画布上，后续所有的剧情分镜、换装、漫画分格与视频运镜就都拥有了牢固的锚点。
解锁《AI 人物一致性控制：工业级角色卡（Character Sheet）制作全流程实战指南》阅读完整实战特刊
本文为生产级深度特刊，解锁后可阅读全部核心章节，并直接下载配套完整工程源码包与开箱即用资产。