整支片子同一张脸
“AI 视频不扑街”课程第 13 课，共 22 课。免费，有动画和小测验。
为什么脸会变
现在进入“角色”这一级。对模型来说，每次生成都是一个新世界：它不记得上一个镜头里的米拉长什么样。提示词里只写“一个穿卫衣的 19 岁女孩”，模型每次都会画一个新女孩。就算文字一模一样，细节也会变：脸型、头发长短、卫衣颜色、年龄、耳环。这是视频模型最出名的弱点之一，比如在可灵 3.0 的评测里，最大的缺点就是手指和脸部漂移。对品牌来说这很要命：观众得在每条视频的第一秒就认出你的角色。
角色设定表
几十年来，动画师和游戏工作室都会做角色设定表（model sheet），好让几十个画师画出的是同一个角色。你也照做：用图片模型把米拉生成六个角度：正面、四分之三侧、侧面、全身，再加两种表情，比如大笑和严肃。关键是：同一套衣服、均匀柔和的光、纯色背景，让模型看到的是人，而不是环境。挑出最好的一版，之后就别再改了。这张表会成为每个镜头最主要的参考，脸就不会再“乱跑”了。
角色档案
图片负责锁住脸，文字负责锁住其他所有东西。做一份角色档案：一小段文字，每个提示词都一字不差地粘进去。谁：名字、年龄、一两个特征；头发：长短、颜色、刘海；衣服：颜色、材质、版型；细节：一顶珊瑚色毛线帽，左耳一个小银圈，别的首饰都没有。为什么要一字不差？把“coral”改成“salmon”，模型就会老老实实把卫衣换个颜色。专业的人会把这段存在备忘录里，每次复制，而不是重写。看看图里米拉的档案：四行字，基本挡住了所有漂移。
喂给模型的参考图
现在的模型可以在生成时直接吃参考图。Veo 3.1 最多 3 张，Higgsfield Cinema Studio 里的 Seedance 2.5 最多 50 张。但不是越多越好：每张图只负责一件事。脸部设定表锁外貌；纯色背景上单独的衣服照锁卫衣：颜色、印花、版型；场景图锁地点，适合同一个地方拍好几个镜头的情况。别在一张图里混进脸、另一套衣服和别人的背景，模型会每样都拿一点。而且整支片子的每个镜头，都要用同一套参考图。
logo 和文字
文字是 AI 视频的软肋。就算第一帧 logo 很工整，衣料和镜头一动，字母就开始变形。对品牌来说这不能接受：歪歪扭扭的 logo 看起来像假货。有两条路能走通。第一，把真卫衣的照片作为参考图给模型，这样印花来自实物，而不是模型编的。第二，也是最稳的：先生成没有 logo 的卫衣，剪辑时用跟踪功能把 logo 贴上去，软件会把它粘在衣料上、跟着动作走。另外，别拍运动中的文字特写：屏幕上字越多，越容易出错。
网格检查
所有镜头都做完后，用个简单的办法：每个镜头截一张静帧，排成网格并排放。单独看，眼睛会放过小小的漂移；放在一起，一眼就能看出第 5 个镜头的帽子换了、头发长了一倍。逐项检查：脸、头发、衣服、logo、配饰、光线。把不一样的那个镜头用同一套参考图和同一份档案重做，而不是让整支片子去迁就它。只要五分钟，就能躲过“她怎么每个镜头都长得不一样”这种评论。
角色文件夹
这一课的所有东西都放进一个文件夹，以后每次上新都能用：角色设定表、文字档案、第 6 课定下的色调和光线、衣服照片。做新视频不用从零开始：打开文件夹，只写动作和地点，外貌、服装、风格早就锁定了。最后再做一遍网格检查。有固定角色的品牌都是这么干的：角色好认，后面每条视频都做得更快、更便宜。米拉只整理过一次这个文件夹，现在一个晚上就能做完一条上新视频。
自测一下
- 广告的五个镜头里，米拉的头发长短都不一样。最靠谱的办法是？
正确答案: 每个镜头都用同一份文字档案和同一套参考图. 模型不记得之前的镜头，一字不差的文字加上同样的图片，才能锁住外貌。 - 卫衣上的品牌 logo 一动就变成乱码。怎么办？
正确答案: 生成没 logo 的卫衣，剪辑时用跟踪贴上去. 运动中的文字是模型的软肋，用跟踪贴上去的真 logo 永远是工整的。 - 米拉在做角色设定表，背景和光该怎么选？
正确答案: 纯色背景加均匀柔和的光. 设定表要展示的是人。背景和光保持中性，模型才不会把环境和色光带进每一个镜头。 - 网格检查发现第 4 个镜头的脸有点不一样，其他五个都对得上。怎么办？
正确答案: 用同一套参考图和档案重做第 4 个镜头. 要修的是不合群的那个，五个好的不用动。