「怎么上一个镜头主角长这样，下一个镜头就换了个人？」——这是小红书 9 月 11 日一篇讲商业接单死穴的笔记里，复述的甲方原话。接不到商单的内容，作者归因只有一句：99% 死在"一致性"这道坎上。小红书
这不是一家之言。9 月的第二周，知乎 AI 视频板块连着出现了三篇讲人物一致性的长回答（9/4 ZAKA工作室、9/5、9/6 泽言），小红书漫剧标签下同一天挂着《商业交付死穴》《内行人都不说的5个AI漫剧知识点》《同角色6模型，你能选出冠军吗？》；而那个"用AI生成的视频，怎么让各镜头画面的人物保持一致性"的老问题，累计浏览量已经堆到 3 万+。所有人撞的是同一面墙：单镜头生成已经像模像样，可剧情一过第三个镜头，脸就开始漂。
这篇内容服务的就是已经过了新手期、能稳定产出 5–15 秒单条镜头、第一次向多镜头连续叙事动手的你——以及那个你一直有的期待：是不是换个新模型，这问题就没了。
先立一个前提：绝对一致性不存在，别为它花钱
做晋商题材短片的知乎用户"我爱氧气"把话挑得很明：“AI生成没有绝对一致的场景，只要是AI生成，就一定会有随机性，就死了这个心吧”。他给的实际标准是：相对一致，符合空间逻辑，大多数观众看不出来破绽即可。知乎
而且漂移不是某一镜突然崩，是累积：每个镜头偏一点，越往后越离谱，他的比喻是"在错误的地基上盖房子，最后偏差十万八千里"。所以修一致性的第一步不是找方法，是换验收标准——泽言在 9/6 的长回答里说得直白：把"这一张够不够惊艳"改成"这一组镜头能不能共同建立同一个角色"。观众可以接受某一镜不精致，很难接受女主角突然换了演员。知乎
在这个前提下，再看社区目前流传的 6 种方法，哪些真扛用，哪些只是玄学。
方法一：每条提示词里重复角色描述 —— 只解决一小部分
泽言的判断：把角色名字、外貌描述重复写进每一个 Prompt，“这只能解决一小部分问题”。镜头从正面变侧脸、中景变大特写、柔光变逆光，模型要补全的信息突然暴增，约束越少自由发挥越大，角色越容易漂。知乎
他给的改进是把 Prompt 拆成固定区和可变区：固定区只写"可复述、可检查"的身份锚点（他举的例句精确到"28岁东亚女性，椭圆偏窄脸，细长眼，直鼻梁，黑色锁骨短发，低饱和妆容，偏瘦体型，深灰风衣"），可变区才写动作、情绪、景别、机位、光线。“漂亮女孩”"帅气男生"这种词根本不能当锚点。拆区的额外价值是可排错：角色一旦变了，能立刻定位是角度、光线还是动作导致的，而不是面对一整段每次都不同的 Prompt 无从下手。知乎
方法二：固定种子 + 角色卡 —— 同镜复抽省钱，跨镜保脸无效
《内行人都不说的5个AI漫剧知识点》（9/11）给的标配是：三视图、固定发型服装配色、固定种子、同一套提示词和正负词库、预生成表情包。小红书
但知乎"应优先依靠参考图，还是工作流与参数控制"这个问题下的回答泼了冷水，seed 虽然也记，但"我不会只凭’seed相同’就判定人物一致"。种子锁得住同一个镜头内的复抽，锁不住跨镜头的身份。把固定种子当成跨镜一致性的护身符，是这 6 种方法里最浪费学费的一种。知乎
方法三：参考图/三视图 —— 课本可能就是错的
做 AI 长电影的 ZAKA 工作室实测后说，很多教程让你做的传统"正+侧+背"全身三视图不一定是好方案：AI 读参考图不像人一眼记住脸，三张全身图塞一帧里，脸部信息占比极低。他的替代做法：半身正面+背面，旁边单独放一张放大的正脸——“核心不是有三张图，而是让AI真正看清这个人”。知乎
做过 200 多条 AI 动画的"醍醐灌顶的小卡拉"补了个坑：模型会把背景信息也当成角色特征，换场景脸就变，所以定妆照统一用纯色背景。泽言给的最低参考集是正面半身、3/4 侧脸、纯侧脸、全身、情绪表情各一张，且互相不能冲突（同一发型、同一年龄感、同一妆容逻辑）。知乎
方法四：关键帧链式生成 —— 超过 15 秒就绕不开，积分省一半
知乎"探路AI"实测的 15 秒以上工作流：截前一段视频的关键帧+统一色卡做参考物料，生成后续段落，而不是参考整段视频，可以少花一半积分、避免连抽三次的噪点衰减。他对待不满意镜头的规则值得裱起来：只局部重绘那一个，不要全部重生成。知乎
方法五：分镜拆解 + 角色/场景/道具三库前置 —— 把一致性从生成端挪到筹备端
做"小镜故事板"的 wongtimhon 结论很直接：60 秒视频保不住一致性，不是提示词没写好，是流程没拆对——先拆剧情、拆分镜，把角色、场景、道具先建库，后面每段提示词都引用同一套设定。“很多 AI 视频不稳定，就是因为每一段提示词都在重新描述角色”。知乎
方法六：换模型赌原生一致性 —— 有进步，但营销口径和你说的不是一回事
Seedance 2.5 的测评卖点就是"人物、场景、声音三维一致性"“30秒连续表演，告别跨镜头变脸”。H3 开源后，本地 ComfyUI 圈在做角色 LoRA 和无限时长流。但 9/11 小红书那条"同角色6模型"盲测给了冷静的对照：同一套角色设定丢进 6 个模型，拉开差距的不是清晰度，是"脸部一致性、盔甲披风细节、前后帧的角色稳定性"——“有的模型近景非常惊艳，但一转身就容易变脸；有的第一眼不算突出，动态表现却意外地稳”。知乎小红书
翻译一下：模型营销的"一致性"多指单段连续画面，跨镜头连续叙事并没有被哪个新模型一键解决。换模型解决不了你方法三、四、五的作业。
四种漂移，对症下药
脸漂（换角度换光就变年龄感）：本质是摄影变量问题。硬顶光让眼窝变深，强侧光让下颌更尖，暖光改肤色。原则是"一次只改变少量变量"：剧情需要换光时，不要同时再换服装、角度和大动作；先跑通正面、3/4、中景，把大俯拍、超广角、背身回头留到最后，景别越极端，模型越需要脑补角色。
场景漂（同房间越拍建筑越歪）：封闭空间镜头越多、时长越长越容易露馅，就算抽卡也有可能越抽越离谱。先用图生图按基准图补齐场景参考图，不要拿到首帧就直接一镜到底；重度需求可以上 360/720 全景工具锁场景。知乎
风格带跑（只想借动作，画风连人一起抄）：想学参考视频的"子弹时间"，动作学到了，参考视频里的人物和背景也跟着来了。社区近期的解法是把动作和外观拆成两路：用深度视频/姿态通道只传动作，角色外观另给条件。酷兔AIGC 两条点赞过 1500 和 2000 的笔记都在这条线上。小红书
动作崩（有 AI 味不是脸错了）：FansAI 的说法值得记住：“很多AI动画’有AI味’，不是角色长错了，而是动作没有属于这个角色”。这也是为什么漫剧圈"图生视频要稳"的口诀是小动作优先：推拉摇移、呼吸眨眼、头发微动，避开手部特写和复杂侧脸。知乎
能带走的东西
开工前先过"三镜头自测"：正面中近景、3/4 中景、纯侧脸，不换服装不换场景不做复杂动作——三个都能稳定认成同一个人，再进复杂镜头。这一步过不了，后面堆再多特效只会放大问题。知乎
进剪辑前每镜过 8 项检查：脸型五官、发型发际线、年龄感、肤色妆容、体型肩颈比例、服装配饰、角色气质、光线/位置/视线连续。
成本上两个立竿见影的动作：戒掉"不满足就整段重生成"，换关键帧链+局部重绘（探路AI 实测省一半积分）；戒掉"靠固定种子保脸"，把钱花在做扎实参考资产上。
继续盯两件事：Seedance 2.5 这类"叙事一致性"宣传在长片实战里的兑现边界，以及 H3 周边角色 LoRA 生态的成熟度——只有这两条线能让前置资产库的作业量真正变少。在那之前，一致性的本质是角色管理，不是生成技巧。新模型发布，免不掉你的作业。
