AI 角色一致性：讓同一張臉貫穿每一張圖與每一段影片

每個人用不到十分鐘就會撞上的問題

一字不改的提示詞，每次生成都給你不同的角色：這是模型的正常運作方式，解方在參考圖，不在更好的文字。

你為專案生成了一位女主角。她很完美：三十歲、一頭紅色短髮、洗白的丹寧外套。你再跑一次生成，想看看她的側臉。結果傻眼。頭髮變成栗色、外套不見了、五官完全換了一個人。同一段提示詞，一字不差，角色卻不同。

這不是 Imaginode 的 bug，也不是任何其他工具的 bug。這是目前所有圖像模型的正常運作方式。在搞懂原因之前，你會浪費好幾個小時、燒掉數十點數，一次次重跑，期待奇蹟出現。這篇文章先講清楚原因，再給你真正的解方：那種在漫畫、系列貼文或短片的實際製作裡真的行得通的方法。

先誠實劇透：解方不是更好的提示詞，而是把角色拿給模型看，而不是描述給它聽，也就是使用參考圖。在 Imaginode 上，這件事由參考節點負責。我們會一步步把它搭起來，從主肖像到綠色的 @提及，每一步都附上確切的點數價格。

臉為什麼會變：隨機雜訊

每次生成都從不同的隨機雜訊出發，模型對先前的圖像毫無記憶：你的提示詞描述的是一類人，它每次都從中挑一個新的。

圖像模型不像插畫家那樣把角色記在腦子裡。每一次生成都從一張隨機雜訊圖開始，那是一團隨機抽出的像素泥，模型再依照你的提示詞逐步去除雜訊。兩次不同的雜訊抽樣就是兩個不同的起點，終點自然是兩張不同的臉。

你的提示詞只描述了一類人：「三十歲紅髮女性，穿丹寧外套」對應到數百萬張可能的臉。模型每次都從中挑一張符合描述的，而且從不會挑到同一張，因為沒有任何東西要求它這麼做。

還得再加上第二個壞消息：模型沒有記憶。第 12 次生成完全不知道前面 11 次發生過什麼。它並沒有記得你的女主角，它根本沒認識過她。每一次點下生成都是從零開始，換一團新的雜訊，沒有任何共同的過去。

為什麼再詳細的提示詞都不夠

語言太貧乏，抓不住一張臉上成千上萬的微小比例：四百字能穩住頭髮和外套，穩不住五官，而且每多一個字，就從別處偷走一分注意力。

第一個反應大家都一樣：寫得更細。四百字描述鼻型、眼距、垂在左邊的那撮瀏海。這確實會讓容易的部分穩定一點，例如髮色或服裝。但那張臉，還是繼續在變。

原因令人洩氣但很合理：語言太貧乏，描述不了一張臉。你試著用文字描述你最好的朋友，再把這段文字交給一位從沒見過他的畫師。畫出來的肖像會很合理，但絕對不像。人臉是成千上萬個微小比例的組合，沒有任何詞彙能夠捕捉。

而且提示詞越長，模型就要在越多互相打架的指令之間取捨。超過某個長度之後，你在臉上多寫的每一個字，都要用場景、光線或動作上失去的注意力來付帳。你最後拿到的是一張僵硬的肖像，而不是你想要的那張有生命的圖。

真正的解方：用看的，不要用說的

把參考圖一起交給生成：三張好照片幾乎每次都能給你一個認得出來的角色，而長篇提示詞五次裡才出現一次勉強像的替身。

現實裡的畫師會怎麼做？他會跟你要一張照片。新一代的模型也能做一模一樣的事：你在生成時附上一張或多張參考圖，模型就直接把它們當成視覺來源，而不是去詮釋文字。

差別非常明顯。四百字的提示詞五次裡大概只有一次給你一個勉強像的替身；三張好的參考照片，幾乎每次都能給你一個認得出來的角色。這不是魔法：模型是在複製真實的比例，而不是憑空發明。

不過要注意，並不是所有模型都支援。在 Imaginode 上，當你選的模型不支援參考圖時，節點上根本不會出現參考連接埠。看不到那個連接埠，就換一個模型，不用去找什麼隱藏設定：沒有這種東西。

參考節點，一步一步來

參考節點把名字、描述和照片收在一起，建立一次，專案裡的每個圖像節點或影片節點都能重複使用，而且自動儲存。

在 Imaginode 的畫布上新增一個參考節點。它有三個欄位。首先是名字：「小雅」、「迷霧船長」，你想叫什麼都可以，盡量短。接著是描述：這段文字會被注入你的提示詞裡，後面會再細談。最後是照片：把角色最好的幾張圖拖進去。

這個節點在整個專案裡都能重複使用。你只建立一次，畫布上的每個圖像節點或影片節點都能接上去。這正是節點式畫布的整套邏輯：角色變成放在某處的一塊積木，而不是要複製貼上到二十段提示詞裡的一個段落。

一個每天都很有感的實用細節：系統自動儲存，而且每個節點都會保留最近 12 次生成的紀錄。如果第 7 版的角色才是對的，它還在那裡，隨時可以加進參考節點。

綠色的 @提及，或者說怎麼召喚你的角色

在任何提示詞裡打 @ 加上名字：描述會自動注入，照片會自動當成參考送出，而魔法棒改寫時也會保留這個提及。

參考節點建好之後，你在任何提示詞裡打 @ 再加上它的名字，就能召喚這個角色。提及會在文字中顯示為綠色，代表它確實連到了節點。這時候你的提示詞可以寫得又短又自然：「@小雅 在雨中穿過夜市，遠景」。

生成時，Imaginode 會自動做兩件事：把節點的描述注入提示詞，並把照片當成參考圖一起送出，前提是你使用支援編輯的模型。你不必複製任何東西，也不必重新上傳。一個提及就夠了。

還有一個很值得一提的附加好處：魔法棒會透過 Kimi 把你的圖像與影片提示詞改寫成豐富的英文，一次 1 點，而且會保留 @提及。所以你可以放心把提示詞寫得更豐富，不會弄斷通往角色的連結。在一次生成要 6 點的情況下，就是這種細節讓你少踩坑。

哪些圖像模型撐得住同一個角色

5 點的 Seedream 5 Lite 是參考圖之王，2 點的 GPT Image Mini 用來反覆試，6 點的 Flux Kontext 換場景又不動到角色。

在圖像這一邊，Imaginode 上的參考圖之王叫做 Seedream 5 Lite，一次生成 5 點，約 0.05 歐元。任何會重複出現的角色都建議預設選它：它接受你的圖片，還原臉孔的忠實度在這個價位上沒有對手。

另外兩個選擇看需求。GPT Image Mini 只要 2 點，同樣支援參考圖：拿來反覆試姿勢和構圖，又不會把點數表跑光。而 6 點的 Flux Kontext 扮演的是另一種角色：它編輯既有的圖片。「把背景換成海灘」，你的角色原封不動，場景卻換掉了。

反過來說，1 點的 Flux Schnell 或 3 點的 Imagen 4 Fast 都是很優秀的通才，但別指望它們維持系列主角的臉部一致性。正確的做法是：先用便宜的模型打構圖草稿，再切到 Seedream 5 Lite 配上 @提及 來產出最終圖。

主肖像工作法

先做一張角色單人、中性背景、光線明確的肖像：抓 4 到 5 次嘗試，也就是 24 到 30 點，換來之後所有圖的基石。

典型錯誤：拿角色已經在情境裡的圖當參考，人在畫面裡很小、逆光、背對鏡頭。這樣模型學到的背景跟臉一樣多。正確做法是先做一張主肖像：角色單人、中性背景、光線明確。

具體來說，開一個圖像節點，選一個寫實模型例如 6 點的 Imagen 4，而且只描述角色：「半身肖像，30 歲女性，紅色短髮，洗白的丹寧外套，純灰背景，正面柔光」。一直重跑，直到跑出那一張臉為止。抓 4 到 5 次嘗試，也就是 24 到 30 點，不到 0.30 歐元。

這張肖像會成為參考節點的基石，後面所有的圖都由它衍生。這是十分鐘的投資，替你省下後面好幾個小時的抽獎，而且這是整個流程裡唯一真的值得大量重跑的階段。

讓參考照片的角度有變化

四張圖通常就夠：正面、四分之三側面、側面和全身；4 張無可挑剔的照片勝過 8 張普通的，因為一張失敗的參考會汙染之後所有生成。

只有一張正面肖像是個好開始，但模型只從一個角度認識你的角色。你叫它畫側面，它就會即興發明一個鼻子、一副下顎、一對耳朵。想在三維空間裡鎖死一個角色，就得讓它看到好幾個視角。

實測好用的組合是：一張正面肖像、一張四分之三側面、一張側面，再加一張全身來交代身形和穿著。四張圖通常就夠了。要生出這些圖，就從主肖像出發，用支援參考圖的模型，然後要求「同一個人，側面視角，同樣的灰色背景」。每一張結果都要先檢查過，才加進節點。

這一步請比任何地方都更嚴格。一張稍微失敗的參考照片，下巴有點不一樣、耳朵畫得馬虎，會悄悄汙染之後所有的生成，而你會跑去錯的地方找原因，也就是你的提示詞裡。4 張無可挑剔的圖勝過 8 張普通的圖。用 Seedream 5 Lite 一個視角 5 點，重做一張有疑慮的照片只要 0.05 歐元。不要跟自己討價還價。

把描述寫成一份連戲合約

描述裡只寫必須貫穿所有鏡頭的東西，疤痕、外套、手錶：身分住在節點裡，場景住在提示詞裡。

參考節點的描述欄位不是裝飾用的：只要提示詞裡出現 @提及，這段文字就會被注入。所以裡面只能寫那些必須貫穿所有鏡頭的東西，其他一律不寫。也就是那些長期不變的辨識特徵：左邊眉毛上的疤、洗白的丹寧外套、右手腕的錶、微駝的走路姿勢。

不要把場景之間會變的東西寫進去。如果你在描述裡寫「面帶微笑，在咖啡館裡」，那你的角色連在暴風雨場景中間都會在咖啡館裡笑。描述負責身分，提示詞負責場景。這種分工才讓整套系統站得住。

在片場，這件工作有個名字：連戲紀錄。沒有人覺得它光鮮，但每個人都承認，就是靠它，演員才不會在兩個鏡頭之間換了一件襯衫。你的參考節點扮演的正是這個角色。

影片這一邊：各模型與它們的確切上限

Seedance 2.0 和 MiniMax H3 接受 9 張參考圖，Grok 接受 5 張，Kling V3 和 Veo 3.1 Fast 各 3 張；最可靠的技巧仍然是把一張完美的圖接成影片的起始圖。

影片面對的是跟圖像一樣的問題，而且更嚴重：一張臉在幾秒之內慢慢跑掉，一眼就看得出來。好消息是，Imaginode 上有多個影片模型支援參考圖，只是上限各不相同。Seedance 2.0 和 2.0 Fast 各收 9 張，Seedance 2.5 還更多。MiniMax H3 同樣是 9 張，Grok Imagine Video 是 5 張，Kling V3 和 Veo 3.1 Fast 各 3 張。

影片節點也會依模型給出不同的輸入：一張起始圖，以及模型支援時的一張結束圖。說到底，最可靠的技巧還是這一招：先用 Seedream 5 Lite 生成一張完美的角色圖，再把它接成影片的起始圖。動作就從一張已經正確的臉開始。

成功率我們就老實說：AI 影片大約每三到四次生成就會失敗一次，有沒有參考圖都一樣。一隻手穿過物體、視線飄到別處。請把這些損耗算進預算。Kling 2.5 Turbo 5 秒要 26 點，Seedance 2.0 Fast 的 720p 要 48 點，一個真正可用的鏡頭實際上要花兩倍的標價。至於技術性失敗，系統會自動退還點數。

實例：六格迷你漫畫

主肖像、補充視角，再加上含重跑在內的六個格子：一整套角色穩定的迷你漫畫約需 105 點，也就是 1.05 歐元。

來看一個實際的例子：給 Instagram 用的六格迷你漫畫，主角是養蜂人露娜。第一步，中性背景上的主肖像：用 Imagen 4 試 5 次，30 點。第二步，補充視角，四分之三側面、側面、全身：用 Seedream 5 Lite 大約 6 次生成，30 點。「@露娜」這個參考節點就完成了。

第三步，六個格子。每段提示詞都很短：「@露娜 在日出時打開蜂箱，俯角視角」。用 5 點的 Seedream 5 Lite，並且算上每兩格重跑一次，六個格子大約要 45 點。整個專案合計大約 105 點，也就是 1.05 歐元。一組六張、角色又穩定的視覺，很難做得比這更划算。

同一個節點下週還能用在第二集，接著用在露娜對鏡頭揮手的 5 秒影片上。一個角色，只定義一次，到處延伸。同樣的原理，也讓一位虛擬 UGC 創作者能在十五秒的對鏡頭影片裡撐住。這就是節點邏輯相對於那些每張圖都從白紙重來的工具，真正的價值所在。

陷阱一：互相矛盾的參考圖

來自角色不同版本的照片會產生一個模糊的平均值：如果生成結果每次都差一點對卻從不一樣，該清的是節點，不是提示詞。

最常見的陷阱：在參考節點裡混進角色不同版本的照片。兩張圖的髮型略有出入，第三張的外套顏色更深。模型被要求忠於彼此矛盾的來源，就會生出一個誰都不像的模糊平均值。

症狀很好認：每次生成都差一點就對，但彼此之間從來不一致。遇到這種情況，別去動提示詞。打開參考節點，把照片並排看，毫不留情地刪掉那些不一致的。回到主肖像，把它當成唯一的事實來源。

一條簡單的規則：每一張加進去的照片，都必須能用跟其他照片一模一樣的一句話來描述。如果你得說「這張是她還沒有那道疤之前的」，它就不該待在這個節點裡。你應該替角色的那個版本另外建一個參考節點。

陷阱二：八張幾乎一樣的照片

太多相同的範例會鎖死姿勢而不是臉：四張有變化的照片，永遠贏過八張同一張正面肖像的複製品。

反方向的陷阱也存在。八張正面肖像，同樣的表情、同樣的光線、同樣的背景。模型會推論這一切都是角色的特徵：角度、僵住的笑容、打光。結果就是，你要求別的東西時它會抵抗。你的角色在每一個場景裡都正面看著鏡頭，連全力衝刺時也是。

這是參考圖版本的過度擬合：太多相同的範例，鎖死的是姿勢，不是臉。破解方式跟角度那一節的建議一致：圖少一點，但要有變化。四張涵蓋正面、四分之三側面、側面和全身的照片，永遠贏過八張同一張肖像的複製品。

在 Seedance 2.0 或 MiniMax H3 這類最多可放 9 張參考圖的影片模型上，把每個位置都塞滿的誘惑很大。忍住。只有當每一張圖都帶來新資訊時才放進去：一個角度、一套服裝、一種表情。否則三張好圖勝過九張重複的圖。

今天就從這裡開始

三十分鐘的一次操作就夠：主肖像、參考節點、第一個用 @提及 的場景，全部加起來不到 Starter 方案 900 點的 15%。

行動計畫三十分鐘就能跑完。開一個圖像節點，在中性背景上生成你的主肖像，抓三十點左右的試錯預算。建立參考節點，替角色取名，寫三句長期不變的描述，加入主肖像以及補充視角。接著用 @提及 搭配 Seedream 5 Lite 測試第一個場景。

如果你不想自己接線，Imaginode 的助理可以一鍵搭好完整工作流，每則訊息 1 點：描述「一系列有固定角色的貼文」，它就會把圖像、參考和影片節點放好並連接完成。你只要放上照片、調整提示詞就行。

使用每月 900 點的 Starter 方案，未稅 13 歐元，這一整次操作用掉的還不到方案的 15%。而且全部在瀏覽器裡完成，生成跑在伺服器端：不用安裝、不用擁有顯示卡，中午在客廳筆電上的一段空檔就夠了。

角色穩定之後，下一個工程是把他好好地放進畫面：構圖、鏡頭、運鏡。這正是攝影機節點的主題，我們也為它寫了一整篇文章，「如何指揮 AI 的攝影機」。你的女主角現在有一張站得住的臉了，接下來就是給她真正的鏡頭。