為什麼 AI 影片裡同一個人一直變臉？角色一致性不是只靠 Prompt

你想做一支 30 秒短片。

第一鏡的主角很漂亮，第二鏡也不錯，第三鏡開始覺得哪裡怪怪的，第四鏡突然像換了一個人。

很多人第一個反應是把 Prompt 寫得更長：

25 歲女性、短黑髮、橢圓臉、棕色眼睛、白襯衫……

但這只能增加描述一致性，不能保證每一次生成都重新找到完全相同的身份。

Lesson 015：為什麼同一個 AI 角色每張圖都長不一樣？ 已經講過：文字描述的是一個特徵範圍，不是一張真正的身分證。

影片跨鏡頭也是同一個問題，只是更難。

連續劇靠固定演員，不靠每場重新描述

想像拍一部連續劇。

導演不會每一場都對劇組說：

「找一個短黑髮、棕色眼睛、身高大約 165 公分的人來演。」

而是直接說：

「今天還是同一位演員。」

AI 工作流裡的 Reference Image（參考圖片），就更接近這張「固定演員」的錨點。

先做 Character Master，再做影片

實務上很常見的做法是先建立一組角色母圖（Character Master）。

至少準備：

• 正面
• 3/4 側面
• 側面
• 半身
• 全身
• 主要服裝
• 中性表情

這些圖不必每張都塞給模型，但你要先有一組自己認可的「角色標準答案」。

如果某個工具支援多張 Reference，就可以依場景選最合適的角度。

為什麼中性照片反而好用？

Reference 如果本身：

• 光線非常戲劇化
• 臉被頭髮遮住
• 表情極端
• 身體只剩一小部分

模型要同時猜「身份」和「這張照片裡的特殊條件」。

Runway 的官方 Reference 指南也建議用自然、均勻光線與較中性的角色照片作為穩定起點。

你可以把它想成演員的定裝照：

定裝照的工作不是自己很戲劇化，而是讓後面的每一場戲都有同一個基準。

Image-to-Video 通常比每鏡 Text-to-Video 更容易固定角色

Lesson 037 提到 Image-to-Video（圖片轉影片）：先把一格畫面定下來，再讓模型生成動作。

如果你的目標是角色一致性，一個很穩定的流程是：

角色 Reference
↓
先生成每個鏡頭的靜態 Keyframe
↓
挑出身份最一致的 Keyframe
↓
每一張再做 Image-to-Video
↓
剪輯成完整影片

這會比每一鏡都重新 Text-to-Video 更像真正的影像製作流程。

一致性不只是一張臉

「同一個角色」其實至少包含：

• 臉部身份
• 髮型與髮色
• 身材比例
• 年齡感
• 服裝
• 配件
• 妝容
• 特殊標記

如果第一鏡戴金色耳環、第二鏡突然沒有，第三鏡換成銀色，觀眾一樣會覺得角色不連續。

所以除了人物 Reference，你還可以建立簡單的 Continuity Sheet（連戲表）：

角色：Mia
髮型：肩上黑色短髮
服裝：米白襯衫 + 深灰長褲
配件：左耳小金環、黑色腕錶
不可改：髮色、耳環、腕錶

它不是魔法，但能讓你自己在生成過程中更快抓到「哪裡漂了」。

Seed 能不能直接鎖住同一張臉？

有些生成工具提供 Seed（隨機種子）。

Seed 可以影響隨機生成的起點，但不要把它當成「角色 ID」。

只要 Prompt、模型版本、Reference、比例或生成流程改變，結果仍然可能出現很大差異。

所以角色一致性的核心通常不是：

同一個 Seed = 同一個人

而是：

穩定 Reference
+ 明確角色規格
+ 控制每一鏡的輸入
+ 人工挑選與迭代

場景也需要一致性

同樣的問題也會發生在背景。

第一鏡咖啡店有三扇窗，第二鏡變兩扇，第三鏡桌子方向反過來。

如果同一個場景要反覆出現，也可以先做：

• 場景全景 Reference
• 不同角度 Keyframe
• 固定色調
• 固定主要家具位置

角色和場景分開建立 Reference，之後再組合，通常比每一鏡從零生成更容易控制。

不要追求 100% 自動

即使是 2026 的模型，跨多鏡頭的身份、服裝、道具與空間連續性仍然需要檢查。

專業工作流的重點不是期待：

「我打一個 Prompt，它一次幫我完成兩分鐘完美電影。」

而是把生成拆成可檢查的小單位。

每一鏡錯了，只重做那一鏡。

這就是為什麼 AI 影片越成熟，Workflow 反而越像真正影像製作，而不是越像抽卡。

一句話帶走

Prompt 可以描述一個角色「應該長什麼樣」，但跨鏡頭一致性更需要 Reference、角色母圖與連戲規格。把角色當固定演員，而不是每一鏡重新召喚一個相似的人，影片會穩很多。