生成图像中的角色与风格一致性手艺

人工智能角色一致性，是在彼此独立的生成过程中，把同一张脸、同一种风格和同一个身份稳定保持下去的手艺。做出一张惊艳的单帧相对容易；真正的难点，是明天、在另一个场景、从另一个角度，仍能把那个人以可辨认的方式再次呈现。因为每一次生成本身都像一次赌博；一致性则要求这些投注都绑在同一个身份上。

• 单帧像彩票；一致性要求连续的帧都连到同一身份。
• 角色忠诚是脸、比例与辨识标记的保持；风格忠诚则是线条、色板与质感的保持。
• 参考向模型展示“该像什么”；约束告诉它“不得从哪里偏离”。
• 身份锚点，是在多次生成之间原样携带的少量辨识特征。
• 一致性不是用平均相似度衡量，而是用最差的那一帧衡量。
• 多样性与忠诚之间始终存在张力；一方上升，另一方就吃紧。
• 身份描述得越简洁，在多次生成之间就越稳固地被携带。

为什么一致性比生成单帧更难

生成一张图，只是一次投注。其中没有一致性的负担；只要这一帧自身可信即可。若画出一个人，此人不必像此前的任何人。因此第一次生成往往出奇地好，并留下一种误导性的轻松感。

到了系列生产，局面就变了。当你第二次、第五次、第二十次要同一个角色时，每次生成都会从零重新解读。模型手里没有一份不变的身份档案；它每次都重读描述，并自行填补空白。这些空白每次填法不同，于是脸轻微滑动，年龄晃动，表情走样。逐张看，每帧都可接受；并排放，却像不同的人。

难点正在这里。一致性无关单帧质量，而关乎帧与帧之间距离有多小。产出二十张高质量帧是一种能力；保证这二十张都是同一个人，则是另一种能力。前者分别审视每一帧；后者审视帧与帧的关系，而这正是最难控制的。

还有一层细节常被忽略。一致性不用平均值衡量，而用最弱的一帧衡量。十九帧完美、一帧滑向陌生面孔，毁掉系列的就是那一帧。观者不是按总和评判一致性，而是按抓住裂缝的那一刻。因此目标与其说是逐帧改良，不如说是把最差的那帧拉上来。

角色、风格与身份并非同一回事

在一致性讨论中，三个概念常被混为一谈，而这正是多数错误的根源。角色、风格与身份是不同层次；一层坏了，另一层仍可完好。把区分说清楚，也就把试图固定什么说清楚了。

角色忠诚

在多次生成中保持使主体成为“那个人”的特征——脸部比例、体型结构与辨识标记。

风格忠诚

保持画面如何被画出的品质一致——线宽、色板、光线气质与质感。

身份锚点

由少量但不变的辨识特征构成的固定核心，使主体在任何条件下仍可辨认。

这三者可独立失效。角色可以带着正确的脸却配上错误的色板：人还是那个人，世界却变了。反过来，风格完美保持而脸却滑动：同一支笔，不同的人。最阴险的是身份锚点的消融；单个特征看似正确，合在一起却失去了“就是那个人”的感觉。零件对上了，整体不对。

实践中，风格忠诚通常比角色忠诚更容易保持。风格是铺满整帧、由许多小信号携带的品质；即使几个滑掉，总体印象仍站得住。角色则集中在狭窄区域，多半在脸上，毫米级滑动立刻会被察觉。人眼对面孔极度敏感；因此角色忠诚是一致性中最脆弱、也最费功夫的一层。

参考、约束与身份锚点如何起作用

保护忠诚有三个基本杠杆，职责各不相同。参考向模型展示该像什么；约束说明不得从哪里偏离；身份锚点则标出无论如何都必须不变的东西。三者共同构成一个框架，让每次生成反复回到同一身份。

参考做了描述做不到的事：展示言语无法说清的东西。“锐利颧骨”是一句话，可通向十张不同的脸；一张参考图则指向一张脸，并收窄解读区间。越多东西用示例而非词语给出，模型需要填补的空白就越少，滑动也就越小。

约束则起互补作用。参考说该像什么，约束划定可接受变化的边界：姿势可变但脸部比例不可变，场景可变但色板不可变。定义良好的约束是一道允许多样性同时保护身份的围栏。围栏太窄，每帧都成彼此的复制；太宽，身份就散掉。找到正确宽度，正是这门手艺的核心。

身份锚点是最少被理解的杠杆。一个主体有几十种特征，但只有少数使其可辨：某一发际线、一道疤、双眼之间的特定距离。一致性的秘密不是试图固定一切，而是选出这少量锚点并钉住它们。其余一切可自由变化；锚点还在，身份就能被携带。锚得太多产生僵硬；锚得太少则丢掉身份。

多样性与忠诚之间的持久张力

一致性手艺的中心立着一种张力。一方面希望角色出现在不同姿势、不同光线、不同场景中；另一方面又期望在这一切变化中仍是同一个人。要多样性，就是给模型更多自由；要忠诚，就是收紧那份自由。二者无法同时处于最高水平。

管理这种张力没有唯一正确路径；不同做法建立不同平衡。有的优先严格锁定，有的优先松散自由。下表对照两个极端之间的平衡。

实践中，多数成熟做法倾向于锚定自由：承载身份的少数特征被严格保持，其余一切向多样性开放。重要的是有意识地决定哪一层要固定、哪一层要自由。没有这个决定就投入生产，只会得到千篇一律或散乱的系列。你无法消灭张力；只能把它放在你想要的位置。

在多次生成间携带身份的工作顺序

一致的系列不是偶然出现的，而是按一定工作顺序出现的。下列顺序不绑定任何工具，在原则层面描述如何把身份固定住。其目的是建立一条把每次生成与前一次相连的链条。

1. 先选出承载身份的少量辨识特征并明确写下；其余放开。
2. 确定代表这一核心身份的一致参考，并把后续所有生成绑到它上面。
3. 定义区分固定与可变的约束；姿势可变，比例不可变。
4. 生成新帧，再把锚点特征与参考并排放，检查滑动。
5. 修正滑动的帧，并据此对齐系列其余部分；把最差的帧拉上来。
6. 把站住的帧加入新的参考池，使身份随生产推进而增强而非削弱。

这一顺序的力量，在于把每次生成从孤立投注变成链条上的一环。最关键的是第四步：不是生成完就走，而是生成并对照。一致性不在生成瞬间赢得，而在核查瞬间赢得。未能及早抓住滑动的流程会静静堆积错误，系列推进时身份在不知不觉中远去。每一环都看着前一环建立时，整条链才能保住同一个人。

忠诚手艺成熟时，什么会变得更难

领域越成熟，期望越高。起初的问题是“能否做出可信的图像”；现在变成“同一身份能否在一百帧里保持固定”。这是更安静却更难的问题，因为它无法靠一张惊艳单帧掩饰；只有看整套系列，答案才显现。

变难的是把身份定义本身写清楚。多数人认得一张脸，却说不出使其可辨的那几个特征。忠诚手艺恰恰要把这种直觉式辨认，转成可携带、可重复的身份描述。能描述一张脸，是能把它固定住的前提；而这描述远比想象中更精细。

第二个难点是规模本身。几帧之间，眼睛还能监督一致性；数百帧之间，眼睛会疲劳，滑动会慢慢堆积。因此成熟实践把一致性看作不是一次设好的开关，而是每一帧都要重新赢得的用心。方向已经清楚：手艺正从产出惊艳单帧，转向构建能在时间中不变地携带身份的序列。前者是才能；后者是纪律。