← 博客
AI 分镜实战：6 个让画面不'换脸'的核心技巧
「换脸」是 AI 视频内容最大的体感槽点：上一镜还是甜美女主，下一镜眼睛突然变大、鼻梁突然变高，观众瞬间出戏。
下面是我们在「双剧AI」工程实践中沉淀出的 6 个核心技巧，真实在生产环境里跑过、被用户用过。
1. 在项目层建立角色卡
角色卡应至少包含：
- 年龄段
- 发型 / 发色
- 脸型 / 五官特征（圆脸、单眼皮、薄唇等）
- 体型
- 标志性服饰
强烈不建议用「演员名字 + 风格」这种取巧描述（如「金城武 + 文艺风」），生成结果会随模型版本剧烈漂移。
2. 用 reference image 而不是文字 prompt
实测中，一张参考图的权重大约相当于 10–15 个 prompt 词。给角色拍一张 3/4 侧脸的”身份证照”作为永久参考图，效果显著优于纯文字描述。
3. 锁定种子（seed）+ 锁定模型版本
同一个角色的所有镜头，使用同一个 seed 与同一个模型版本，可以将一致性的方差降低约 40%。
4. 分镜按”场”组批生成
不要按镜头编号顺序一镜一镜生成，按”同一个场景里的镜头”打成一批生成。理由：同一批生成时，模型的中间表征更稳定。
5. 角色与场景分离
角色卡和场景卡分开建。生成时是「角色 × 场景」交叉组合，避免每次都重新描述场景细节，节省 token 也降低偏差。
6. 关键镜头人工 picker
哪怕全 AI 生产，关键镜头（开场镜、转场镜、定格镜）必须人工挑选 / 微调。这些镜头的画质决定了观众的整体印象。
写在最后
「换脸」的本质是身份信号在生成过程中丢失。上面 6 招，本质都是在帮模型”记住”角色是谁。
如果你想用产品级的角色库 / 场景库直接开干，我们提供 免费版 包含完整的角色一致性能力。