先说一个被弹幕问烂的场面：AI短剧第一集，女主还是圆脸短发，第三个镜头变瓜子脸，第五个镜头像换了个演员，评论区高赞是"这是同一个人吗"。7月中青聊AI那篇复盘写得很直白——做AI短剧的人，几乎人人遇到过这个瞬间。微信公众平台抖音6月10日一条讲"3招写对提示词"的视频，16315个赞、787条评论。抖音8月31日B站一条"用角色卡锁定多镜头一致性"的实操，发布两天347赞，UP主置顶的问题就是：你做AI视频时，最容易变化的是脸、发型还是服装？哔哩哔哩
这不是小众烦恼。2026年这半年，从字节到快手到MiniMax到阿里云，模型军备竞赛的火力，几乎全压在同一个词上：一致性。
一、先别急着改提示词：你说"不一致"，其实是四个不同的问题
8月25日头条有人做了6款工具的横评，提出一个值得抄进工作笔记的框架：「角色一致」不是一件事，是四层——静态相似（多张图里像同一个人）、单镜参考（一个片段内不崩）、多镜头一致（换机位、换场景还是那个人）、跨集一致（几十集连载里，角色换装受伤了还是他）。今日头条这篇横评自己注明是按公开机制做的分析、不是实测打分，但分层本身是清楚的：前两层今年基本被模型收编，第三层正在收编，第四层还开着口子。很多人骂"不一致"，其实是把第一层的问题当成了第四层的问题，药自然抓不对。
二、为什么会换脸：模型根本没有"角色记忆"
7月9日那篇复盘把机制讲透了：生成模型每次出图都是全新的独立采样，它不记得上一个镜头。你写"短黑发的年轻女性"，模型就从训练分布里重新抽一张脸，10个镜头抽10次，自然是10个人。人类画师脑子里有固定参照，AI没有。微信公众平台所以社区整套土办法——垫图、三视图、角色卡——本质都不是"让模型记住"，而是"每次生成前，把记忆重新喂给它"。理解了这一条，下面所有规则都能自己推出来。
三、半年时间线：模型正在把社区补丁一条条吞掉
把今年2月到现在的关键发布排开，方向异常一致：
2月5日，可灵3.0系列上线，主打"从生成到编辑"全流程。微信公众平台 2月12日，豆包视频模型Seedance 2.0发布，接入豆包、即梦，角色锁定和多镜头是核心卖点。今日头条 3月就有创作者晒实测说崩坏率明显下降（自报，样本不大）。
6月23日火山引擎FORCE大会预告Seedance 2.5：原生直出30秒、单项目参考素材从2.0的12份扩到50份、3D白模预演、原生4K。抖音 7月31日正式发布——单次生成30秒、支持多轮延长且延长时保持主体特征一致，单次最多输30张图片、10段视频、10段音频当参考，带时间戳定向编辑、绿幕和视角编辑，即梦AI和豆包专业版陆续接入，API随后上火山方舟。微信公众平台
7月31日MiniMax发布H3，发布即Artificial Analysis国内视频榜第一、全球第二。微信公众平台 8月3日该模型开源：全模态参考生成、V2V动作迁移、2K+15秒+原生立体声，号称全球首个达到Seedance 2.0级别生成效果的开源模型，权重挂上Hugging Face和ModelScope。今日头条
8月24日，阿里云Wan3.0上线，单次生成30秒，还支持文档输入。小红书
看出规律了吗：现在各家发布会拿来对标比的参数——参考位数量、多轮延长、多镜头一镜到底、可编辑——全是去年个人创作者用垫图和抽卡土法解决的东西。竞赛从"单条抽得像不像"，挪到了"一整个项目能不能立住"。
四、但收编是有边界的：跨集这一层，还得靠资产层自己
以Seedance 2.5为例：30秒内组织多个有逻辑关联的镜头、延长时不丢主体，解决的是第三层；可你的短剧是3集×30秒、2个主角、4个常出现场景、18个关键镜头（这是横评设的基线，也是多数一人剧组的真实体量），第9个镜头在哪个版本里、女主换了装观众认不认得出，模型不替你做这个决定。8月25日那篇横评给各工具标的"停止位置"（重申：机制分析，不是实测）：即梦、可灵停在单镜到多镜头之间；Runway单镜运镜控制最细，但切镜不携带角色；真正冲着跨集去的是两条路线——剪映团队小云雀这类把角色设定、三视图、场景全景、故事板组织成"资产画布"的项目平台，和LiblibAI这类靠LoRA训练+工作流沉淀角色资产的技术路线。今日头条所以"一镜到底"的宣传语不等于"跨集解决"，听到后者要自动打折。
五、社区还在把争论往前推：9月的平台盘点已经在考"跨集"
8月底到9月初，头条一个自媒体账号连着发了两篇AI短剧创作平台的批量能力对比（9月2日、9月4日），给出的判断标准已经不再是"单条像不像"，而是三条硬指标：剧本能不能自动分集、角色资产能不能全局锁定（跨集不换脸）、单镜头能不能独立回退（改1个镜头不触发整批重跑），并直言"多开10个窗口不等于产线"。今日头条 其中"第1集到第3集角色锁定稳定、第5集开始服饰细节漂移"这类"功能表不会标注的衰减曲线"的说法，和前面四层框架互相印证。今日头条需要提醒的是，这类盘点本身带推广背景（通篇给某代工平台导流），三档划分只能当社区共识的方向参考，不能当基准测试——但这至少说明：讨论的主战场，确实已经从提示词挪到了资产和产线。
六、模型还没到位，这五个社区补丁依然值钱（按事故场景对号入座）
脸不稳——建角色卡。B站8月31日的实操路径：拿2-3张有授权的参考图，先固定生成三视图、全身图和常用表情，做成统一角色卡，之后只改场景、动作、镜头。UP主自己话说得很克制——不能保证每一帧完全相同，但可以减少返工。哔哩哔哩
描述太笼统——给脸发"身份证"。7月9日的做法是把面部结构、五官细节、发型特征、体态特征、辨识标记五个维度写成固定段落，每个镜头原样贴进提示词；作者自报组合下来"大概85%的镜头能认出是同一个人"——记住是单一作者的自报数，不是实测基准。微信公众平台
侧面、背面必崩——三视图不能省。3月抖音有条估算被反复引用：只垫正面图，等于让AI自己脑补侧面；建角色库第一次花了一个半小时，但后面8个分镜"每次第一两张就是对的"，省下的抽卡时间远超建库成本。抖音
画面里多出陌生的脸、角色提前乱入——用"全面封装图"。7月1日抖音创作者的解法：把角色、场景、机位打包进一张总览图喂给模型，让它先看懂整场戏再动笔。抖音
打戏、复杂动作崩——动作分镜先行。5月12日做武侠的创作者晒过对比：先出动作分镜图再生成，抽卡从十几次降到两三次。微信公众平台 6月11日抖音有条讲"人物站位"的视频拿了542赞——双人戏光靠文字定谁左谁右，本来就不稳。抖音
七、三个反直觉的坑，比提示词模板更值得记
第一，参考图不是越多越好。2.5给你30个图位，但参考的作用是"锚定同一个人"，塞进互相冲突的版本等于自找事故——社区经验是：素材要覆盖同一角色的不同角度和状态，而不是同一角色的不同长相。
第二，首尾帧不解决一致性。它管的是"从A画面怎么过渡到B画面"，不管"B里的人还是不是刚才那个"——6月16日有人拿同一组首尾帧，在Seedance 2.0、可灵、海螺2.0下各跑了一遍动画过渡，三家的差异全在"怎么过去"，不在"过去之后脸还对不对"，去年拿首尾帧当一致性神器的用法，基本都属于错位。微信公众平台
第三，故事板最近很火，但6月27日抖音的避坑视频说得很具体：单张看都行，连成视频"人物变、场景变、镜头关系也乱"——故事板是资产不是保险，角色没锁三视图，它只是把换脸排得更整齐。抖音顺带校准一句流行判断："八成翻车是提示词写偏"只说对三分之一：8月24日头条总结的三大坑是手部崩坏、人物变脸、画面抖动，后两个都不是文案问题。今日头条
八、所以：先定层，再决定动手还是等版本
卡在第一、二层（单图不像、单镜崩）：这是你的素材精度问题，先补角色卡和五维锚点，换模型没用。卡在第三层（多镜头换脸）：优先评估"模型收编"路线——角色锁定、多轮延长、大参考位，Seedance 2.5、MiniMax H3都是冲这里来的，已经在即梦、豆包里能用，API上火山方舟后你现有的工作流也能接。微信公众平台卡在第四层（多集连载）：目前没有模型化终解，要么上项目资产平台，要么跑LoRA工作流，要么干脆等。
继续观察三个信号：H3开源权重这一批的社区部署实测会不会给出真正的崩坏率数据；"50份参考素材"会不会在下半年变成各家标配参数；以及那套四层"停止位置"横评，会不会被一波实测打脸。在有人给出可复现的崩坏率之前，今天所有百分比只能当经验值，不当结论。
最后留个B站原帖同款的问题：你做AI视频，最先崩的是脸、发型还是服装？欢迎带上工具和镜头类型来评论区对账。
