角色一致性不是玄学：按镜头拆参考图，比抽卡有用

角色变脸多半不是模型不稳，而是参考图选错、给得太多、没按镜头分级。九宫格参考图加固定权重是可复现的做法。

一致性问题的真实来源

角色“变脸”通常被归因为模型不稳定。拆开看，来源有三处：参考图选得不对，参考图给得太多，镜头之间没有分级。

在同一个会话里，模型对同一组参考图的响应相对稳定；一旦跨会话、跨参数、跨镜头类型，才开始漂移。所以问题不在模型记不住，而在你没给它记住的条件。

三视图不是参考图的替代品

三视图（正、侧、背）的作用是让人对角色有共识，不是让模型复现。真正喂给模型的是“镜头参考图”：与目标镜头在景别、朝向、光线上最接近的那一张。

拿正面定妆照去生成背影镜头，模型只能猜；猜出来的必然是另一张脸。正确做法是从三视图派生一套镜头参考图，按景别（特写、中景、全景）和朝向（正、侧、背）交叉，覆盖九个组合。这套图不漂亮，但它是干活的。

参考图权重怎么定

权重高，脸稳但动作僵；权重低，动作自然但容易换人。经验做法是按镜头类型分档：角色特写用高权重，动作镜头用中等权重并配合关键帧，全景可以低权重，因为脸本来就小。

比具体数值更重要的是同一组镜头保持权重不变。每镜微调看上去更精细，实际会让连戏判断失效——你没法分清画面变化是权重造成的，还是提示词造成的。

按镜头分级，按成本排序

把镜头分成三类：必须保脸的（特写、口播、情绪转折）、需要动作的（打斗、奔跑、转身）、只要氛围的（空镜、环境）。

三类的生成策略不同，返工成本也不同。必须保脸的那一类先做，做完立刻锁图归档，后面的镜头全部以它为参考。顺序反过来，就是在花最多的时间重做最贵的部分。

一句结论

一致性不是抽卡抽出来的。先把参考图按镜头拆开，再把权重固定，最后把锁过图的镜头当资产管起来。