角色一致性在生成第二张图之前就已经开始。先确认愿意保留的人物参考，明确必须延续的细节，每个新场景都回到这份参考。提示词中重复名字有助于管理项目，但不能替代视觉输入。
本教程使用成年虚构角色 Elara：深赤褐色高马尾、绿色滚边白色外套，以及橙色星形胸针。素材包括中性肖像、全身参考、电车站与唱片店场景，每张图检查同一身份的不同方面，而不是重新设计一张脸。
先找到漂移发生在哪里
脸型、头发结构、服装和光线可以分别变化。猩红发色保留了，尖下巴仍可能取代原来的宽下巴；脸相似，也可能穿错外套。先分项检查，再决定修哪里。
| 变化位置 | 可能的薄弱点 | 优先调整 |
|---|---|---|
| 下颌或眼距 | 身份参考不清楚或使用不足 | 回到最清楚的肖像 |
| 服装细节 | 衣着说明不完整 | 明确并核对可见标志 |
| 肤色观感 | 光线或调色变化 | 先用中性光核对 |
| 新场景像换了个人 | 同时改动变量过多 | 一次测试一种场景变化 |
不要只凭发色判断身份。比较眼距、鼻梁、下巴及整体面部比例。镜头角度或表情变化时，这些线索更有价值。
方法一 确认一张清楚的身份参考
在 PixTV 图片画布中，用 GPT Image 2.6 制作中性肖像。脸部要足够大，发际线可见，光线简单。先保存确认结果，再尝试复杂环境。
Elara 的参考是精致椭圆脸、清晰颧部轮廓、杏仁形榛色眼睛、细直眉和明确唇峰，深赤褐色长发扎成利落高马尾。换背景时，这些面部和头发线索仍应看得清楚。
已确认的视觉参照。应检查真实面部特征，而不是只依赖角色名称。
方法二 写一段精简的身份与服装说明
将简短说明放在参考图旁，永久线索和场景指令分开。新地点不应顺带重写人物，描述也应以源图中可见的细节为依据。
Elara 是附件参考中的同一位成年女性。保留椭圆脸、颧部轮廓、榛色眼睛形状、细直眉和明确唇峰。保留利落的深赤褐色高马尾与脸旁一缕弧形碎发。保留绿色滚边的白色短外套、两枚领口按扣、橙色星形胸针和蓝绿色修身西裤。
不要为了修正漂移，不断添加“更漂亮”“更有电影感”等形容词。这可能把脸推向另一种解释。应该明确要保留的具体比例和可见细节。
方法三 补充下一镜需要的视角
肖像能说明脸，但未必能说明鞋、外套长度或裤子口袋。用确认肖像生成全身参考，检查通过后才能作为新增参考。新视角本身也可能引入错误。
独立全身研究补充服装比例与鞋履。它是经过检查的辅助参考，并不保证未来所有视角自动一致。
保持参考集精简，不要把未经筛选的文件夹全部送入。肖像负责面部身份，全身图负责服装结构。两张参考存在冲突时，先解决冲突，再要求模型同时理解它们。
方法四 先改变环境
从能清楚看见脸的场景开始。电车站案例改变地点和取景范围，但保留同一套服装。直接引用确认肖像，避免从头用文字重新描述人物。
使用附件 Elara 参考，保留同一身份和服装。让她站在浅薄荷色电车站内，明亮阴天天光，中景到大腿，望向画面右侧，放松闭嘴。保留面部、赤褐色马尾、绿色外套滚边、两枚领口按扣和橙色星形胸针。没有其他人物或可读标识。
第一次环境变化。与中性源图比较面部比例、马尾结构、外套滚边和胸针。
这张通过后，再从原始身份参考尝试唱片店。明确改变姿势、地点和光线，同时避免遮挡脸部，不能让新活动妨碍身份判断。
第二个场景。偏暖环境与新姿势，让面部及服装核对更加重要。
方法五 修正实际失败的细节
构图正确但领口错误时，可以用最相关的参考做局部修正。脸已经明显漂移时，应回到身份源图，而不是继续修改那张变形的脸。修复路线取决于具体问题。
淘汰候选放在确认参考文件夹之外，避免下次把想去掉的错误再次当作参考。为文件记录版本，让协作者知道哪张肖像和服装图当前有效。
形成可以核对的场景组
把确认肖像、全身研究和场景放在一起。既看完整构图，也把脸调整到接近的显示大小再比较。更大的前景脸，可能只是因为细节更清楚而显得更可信。
来自配套输出的比较裁切。这是人工审核辅助，不是生物识别相似度评分。
调色前先检查脸，再检查胸针、领口按扣与绿色滚边。把允许的变化，例如不同表情，与错误分别记录，避免把“一致”变成要求每张图完全相同的模糊指令。
逐个场景作出确认。如果电车站成立、唱片店失败，保留前者，只修改后者，不必为一个失败重做整组。记录附了哪张参考、预期改变什么、实际哪处失败。这三项观察比再次要求“保持一致”更能帮助下一轮修正。
将确认人物放入视频
将确认场景放入 PixTV 视频画布，描述一个清楚的动作，并保留身份线索。静态图组成立，不代表运动中的脸每一帧都稳定。
检查整段视频，包括转头和部分遮挡。用 PixTV 片段编辑器安排通过确认的镜头，剪辑时将同一参考集放在旁边，让连续性检查始终采用同样标准。
让参考集保持精简与有效
从一张确认肖像、一张核对过的服装图，以及一个看得清的场景开始。提示词和审核记录与素材一起保存。按账户当前积分，为参考制作、场景尝试和定向修复安排预算，不默认每次首轮都能用。
下一个场景仍带着同一段身份说明回到 PixTV 图片画布。只有新角度或新动作需要现有参考无法提供的信息时，再扩充图集。
常见问题
给人物起名字就能锁定身份吗
不能。名字便于管理提示词和文件，不代表训练了身份。应使用清楚的视觉参考并比较实际输出。本教程采用图像参考，没有演示独立的角色训练功能。
应该使用多少张参考图
从能解释任务的最小集合开始：一张清楚的脸，必要时加经过核对的全身图。新增图片应提供可靠信息；头发、比例或服装互相冲突，可能让目标身份更难理解。
可以保留脸但更换服装吗
可以。把新服装明确列为预期变化，同时保留面部参考。先确认新衣着，再制作场景系列。服装意外变化，也不等于脸一定改变了。
为什么同一张脸在暖光下看起来不同
光线方向、白平衡、阴影和表情都会影响观感。先用中性参考检查比例，不要只凭肤色判断，也不要为修正光线差异而反复重新设计脸。
每个新场景都从上一张结果生成吗
回到最初确认参考，可以减少不知不觉传递错误的风险。前一场景需要时可提供构图信息，但不能默默替代身份源图。两者作用应明确。
静态一致就能保证视频一致吗
不能。运动会引入角度、表情、模糊与遮挡变化。以确认静态图为起点，再检查完整片段。连续性错误应先淘汰或修复，再组合成完整序列。
