AI 影片的角色每一鏡都長得不一樣？五個做法讓角色不走樣

用 AI 做影片，最常聽到的抱怨是：角色每一顆鏡頭都長得不太一樣。第一顆是她，第三顆好像是她的表妹，到了最後一顆，配件還換邊了。

我一開始也以為多塞幾張參考圖就好。後來發現問題不在圖不夠多，而是沒分清楚：這張圖要它管什麼、不准它管什麼。

以下的例子，都來自我用自己持有的 CloneX 角色做的彩排，屬於非參賽、非商業的練習。

做法一：分清「是誰」和「長什麼樣」

寫提示詞之前，我會先替每個角色寫兩張清單：

• 不能變的身分特徵：臉型、眼睛、髮型、膚質或材質、招牌配件、身形與頭身比。整個系列都要一樣。
• 可以變的美術控制：服裝變體、光線、媒材、色調、場景、姿勢、鏡頭、情緒。每張可以不同。

參考圖也分兩級。官方原圖管身分，判斷「像不像」只看它。AI 生成或改繪的衍生圖只能管色調、光影與氣氛，就算它比官方圖好看，也不能拿來證明「這是同一個人」。

這條規則擋的是「漂移會累積」。拿一張已經有點走樣的衍生圖當下一張的參考，再傳兩手，角色就變成另一個人了。兩者衝突時，以官方原圖為準，不取平均，也不挑最新那張。

還有一個小陷阱：背影可以證明髮型和身形，不能證明臉。

先考考自己：下面六個特徵，各屬於「不能變的身分」還是「可以變的風格」？想好再翻牌。

做法二：先核准兩張圖，再開始量產

量產之前先過兩關，就像拍片前的定裝：

1. 角色定裝圖：全身正面加臉部近照，中性背景、沒有文字。檢查長相、服裝、手腳、年齡感。
2. 風格定調圖：一張夠複雜的完整場景，證明角色放進場景後沒走樣，色調和光線也能重複。

核准綁版本。之後臉、髮型、服裝或固定道具有任何改動，舊的核准就失效，存成新版本重審。

我實際遇到的是：做擬真版時，第一次直接拿官方 CG 圖改，結果角色變成「瓷娃娃」。後來改成用文字描述一位真人演員來生成，參考圖只拿來對配件，才通過。順序也固定下來：先生成正面臉、經我核准，其他角度都拿這張核准臉當基準。

量產時，我先做三張試點，分別測單人臉部、雙人互動、三人或場景連續，沒問題才放量。第一次正式審圖，我一次看了 54 張，49 張直接通過。

能用一張核准參考圖，就不要用五張。每多一張參考，就多一個讓不該進來的東西滲進來的機會。

做法三：知道參考圖能做什麼、不能做什麼

「參考圖模式」是只給模型角色或風格的參考圖，不指定影片第一格，讓模型自己決定構圖和動作。要很快出片時，這是最實際的路。

但它有極限。我用來串接影片模型的平台 OpenRouter，官方教學寫得很直接：參考圖用來引導主體、身分或風格，不是精確的畫面錨點；要精確控制第一格或最後一格，要改用首幀或首尾幀。[1]

我 2026 年 8 月用 Seedance 2.5 實測的感受是：

• 做得到：這個人是誰、穿什麼、什麼質感。一支 30 秒一鏡到底，從雨夜台北到沙漠再到太空站，卡通、擬真兩版的角色都在三個世界維持同一人。
• 做不到：精確的構圖、人數、站位與文字。背景招牌會生出亂碼字，要明講「所有招牌、海報、螢幕都是空白」；人數也要寫成精確數字。
• 越長越容易漂：一支有首幀撐著的 5 秒鏡頭，中段的無人機還是從一台變成兩台，最後只剪前段。ByteDance 自己的公告也承認，多主體互動的穩定性仍要改進。[2]

兩種模式怎麼選：

• 首幀模式最能鎖住人數、順序與構圖，但也會把首幀的缺點一起鎖住。
• 參考圖模式靠角色圖保住長相，換來的是放棄逐格控制。

另一個常見錯誤：不要把上一顆鏡頭生成的畫面，直接當下一顆的身分參考。它會像磁鐵一樣，把姿勢、鏡位整組吸過去。跨鏡頭的一致，應該來自同一組官方原圖和同一段固定描述。

做法四：排成一整排，才看得到漂移

漂移最麻煩的地方是：每一張單看都沒問題，排在一起才發現不一樣。

所以我會把整個系列用相同縮放、相同裁切排成一張對照表，掃臉寬、眼距、髮量、頭身比、配件在左還是右。各自縮放過的截圖不能當證據，因為比例變化正好會被藏起來。

兩個特別容易出事的地方：

• 配件：正面看得到的金色別針，到了背面角度卻消失，就是連戲錯誤。
• 表情：大笑、瞇眼的時候，最容易把長相擠壞。

要拿來生影片的第一格畫面，姿勢要真的靜止，不能有動態模糊或甩手殘影，因為影片會把殘影放大成多出來的手腳。付費生成前，放大檢查臉、雙手、雙腳；修圖是整條流程裡最便宜的修正點。

發現漂移時，不是只改最後一張，而是：

1. 先停下後面的生成；
2. 打開當初核准的那一版，當唯一標準；
3. 每張受影響的圖做「左邊核准版、右邊目前版」的對照；
4. 每張只給一個結論：重生、局部修補、通過，或無法判斷；
5. 失敗的版本保留，不刪、不覆蓋。

換你找找看。以下是示意，非實例：同一個角色，左邊是當初核准的那一版，右邊是後來生成的一張。哪裡走樣了？

做法五：空間複雜的鏡頭，先用白模排練

有些鏡頭的問題不是長相，而是空間：多人站位會不會互相擋住、攝影機繞一圈能不能一直看到主角。這些用文字很難講清楚，送進影片模型又很貴。

這時可以先用 Blender（免費開源的 3D 軟體）做白模預演：用沒有貼圖的簡單方塊，把場景大小、角色站位和攝影機路徑排出來，在花錢之前先確認這個畫面拍不拍得到。

順序大致是：先定這一鏡要交代什麼；再排空間與動線；再排攝影機路徑；最後輸出小尺寸的快速預覽檢查時長。修的時候先修站位與碰撞，再修構圖與時間。

交給影片模型時要寫清楚分工：外觀圖決定角色長相；白模影片只決定空間、時間和機位。白模裡的格線、箭頭與灰色材質，都不能被當成畫面風格。

我在 CloneX 舞蹈研究用過 Blender 輸出的動作參考：同一段舞步，彩色版和深度版都保留了主要動作順序。那是 Bunny（CloneX #15755）的非商業展示試片。

但我要誠實說：目前沒有任何實測證明白模能省多少錢、或提高多少成功率。白模也不是萬能，它可能保留原本模型的體形輪廓；要模型照做揮劍、抓握，白模本身就得真的包含這些動作。對一般固定鏡頭，我不會硬加這一步。

你可以這樣開始

1. 替主角寫兩張清單：不能變的身分特徵、可以變的美術控制。
2. 把參考圖分成兩疊：官方原圖管身分，其他只管風格。
3. 量產前先做一張角色定裝圖和一張風格定調圖，核准後才放量。
4. 每張參考圖在提示詞裡只給一個職責，例如「這張只管身分，不要複製姿勢與背景」。
5. 每做完一段，用相同縮放排成一整排看一次；發現漂移就回到核准版對照修補。

我拍了十年制服人像。拍真人時，同一個模特兒就是同一個人；做 AI 影片時，「同一個人」要靠你先寫好的規則守住。

這個系列接著讀

• AI 影片不是輸入一句話就好：6 天彩排 3 支成片：首幀、首尾幀、參考圖三種控制方式的入門。
• 我讓五隻 CloneX 跳 KPOP：參考影片可能才是瓶頸：Blender 動作參考的實際比較。
• 寫了一堆「電影感」關鍵字，AI 影片還是拍不出來？先把鏡頭語言分成三層：哪些寫進提示詞、哪些要拆鏡。
• AI 影片白話術語表：看不懂的詞先查這裡。
• AI 影片製作筆記：系列入口

參考資料

• [1] OpenRouter：Reference-to-Video 官方教學
• [2] ByteDance Seed：Introducing Seedance 2.5