如何在同一个 AI 视频场景中保持两个角色一致

想让 AI 视频里的两个人物保持独立，要为每个人准备单独的身份参考，确认两人同框的起始构图，并按名字分配动作和道具。完整检查片段中的两个人。如果提示词只描述有两个人，却没有区分身份，开始运动后就更容易出现面部混合、服装交换、人物复制和持有关系混乱。

为什么两个人物更难区分

挑战不限于保留两张脸。场景还需要维持谁站在哪里、谁拿着道具，以及谁的动作引发谁的反应。第一帧看起来正确，转身或相互遮挡之后仍可能变得混乱。

先为可见问题命名。面部混合让两人越来越像；特征交换把服装、头发或物品移到另一个人身上；复制会增加人物；位置漂移会改变双方所处的空间。这些症状需要不同修改。

不要默认模型会把多视图角色表理解成同一个身份。如果它把多个角度直接复制成多人，就改用单独、干净的人像或已合成的起始构图。参考素材怎样使用，取决于模型支持的输入方式。

四条更便于控制的双人制作路线

根据现有素材选择路线。本文采用先合成同框画面的方式，因为可以先检查两个人再让画面运动。所选模型支持时，也可以使用单独参考输入。

这些是制作选择，并非四项具名的 PixTV 功能。依赖模型的路线要先核对实际控制项。两个稳定近景之间清楚的剪切，有时比一个不断换人的复杂同框镜头更实用。

如何在 PixTV 中组织制作

使用 PixTV 图片生成准备人物和场景。即使之后将两人合成同框画面，也要分别保存确认后的身份文件。进入视频生成时，选择输入方式符合制作计划的模型。

如果支持图片生成视频，就从确认后的双人画面开始。如果支持单独参考，先明确每个文件代表谁，再检查附件分配。两条路线都不能替代完整结果检查。

角色参考图指南讲解如何建立一个身份。本文增加的是两个身份进入同一画面后，必须维持的相互关系。

案例 一件共享道具所在的博物馆场景

原创场景方案中的两个人是策展人 Inez 和展陈设计师 Malik。他们研究一座大型蓝色雕塑。Inez 拿着闭合的黑色文件夹，Malik 的视线从文件夹转向装置。先制作无对白版本，把检查集中在身份、位置和视线上。

十三秒是剪辑目标。生成时使用可选时长，再修剪。封面以更活泼的方式表现两人与空间的关系；制作规划采用较简单的站姿，让连续性检查更清楚。

第一步 每个人建立独立身份素材

Inez 约六十岁，浅橄榄肤色、银色精灵短发，穿蓝绿色套装。Malik 约二十八岁，深棕肤色、短脏辫，穿铁锈橙外衫和炭灰长裤。这些是本场景的原创角色设定。

每个人分别准备正面或四分之三人像，以及全身视图。同一套素材中的头发、面部和服装需要一致。在与另一角色合成之前，先确认人像和全身图确实属于同一个人。

自己的文件可以采用 inez-face-approved、malik-fullbody-approved 等描述性名称。它们是素材标签，并非特殊提示词语法。旧版本放在当前参考文件夹之外，避免被误加到下一镜。

将两个人像并排比较。两人的差异应该在不依赖服装颜色时仍然可读。面部结构、年龄、发型轮廓和体型，都能在换光或衣服离开画面时提供独立识别线索。

身份与走位规划：先为 Inez 和 Malik 准备独立人像参考，再确认两人的同框构图。

第二步 单独准备道具和场景

黑色文件夹在整场戏里都属于 Inez。固定它相对身体的尺寸、闭合状态和持有手臂。第一次尝试先不要求交接，否则会在身份测试中额外加入较难的接触动作。

准备无人的博物馆参考，确定蓝色雕塑、日光方向和站立区域。地面要足够清楚，便于判断两人位置。拥挤场景可能引入不需要的背景人物，或遮挡两位主角。

合成同框图时，在两人轮廓之间留出可见间隙。让两张脸保持适当尺寸，避免极端前后站位。一个人更靠近镜头时，视觉高度会受到透视影响，不能误当成角色本身的身高设定。

第三步 围绕归属和位置写场景

先点名，再描述动作。写清谁拿文件夹、另一个人的手在哪里，以及双方看什么。只有重要关系需要重复，无关限制过多会淹没主要事件。

为交代镜头提供模型支持的视觉输入，再使用下面的说明：

平视的博物馆中远景，画面里恰好有两个成年人。银色精灵短发、穿蓝绿色套装的 Inez 站在画面左侧，一只闭合黑色文件夹贴在左胯旁。短脏辫、穿铁锈橙外衫的 Malik 站在画面右侧，双手自然放松。Malik 将视线从文件夹转向蓝色雕塑，Inez 保持不动。分别保留两人的面部、发型、服装、位置和道具归属。固定相机，日光稳定，不交接、不交叉走位、不复制、不增加人物。结束时两人都看向雕塑。

这一镜只安排一个小动作。如果两个人同时移动、完全转身并交换道具，检查会更难，场景也多了几种发生混乱的机会。

第四步 先生成同框镜头再补其他画面

从确认后的双人构图开始。通过所选模型支持的输入控件，核对需要的文件确实已添加。不能提供的参考，不要只在提示词里写文件名就默认模型能够访问。

选择足以让视线移动并停稳的较短可用时长。记录模型、设置、参考文件和提示词。先生成一个版本，检查之后再制作反应镜头。第一轮身份测试保持固定相机。

如果出现第三个人，先检查起始构图和参考布局；如果服装交换，就明确分配并减少同时动作；如果只有结尾漂移，判断能否提前剪切，同时完整保留所需动作。

第五步 继续前检查两个人

分别盯住每个人完整观看，再看两人的整体关系。这样可以发现眼睛只追随运动者时容易漏掉的细节。

• 将 Inez 的面部和头发与确认后的人像比较。
• 对 Malik 做相同比较，包括发型轮廓。
• 检查蓝绿色套装和橙色外衫仍属于各自主人。
• 在开头、中段和结尾确认恰好两个人。
• 发生遮挡时，追踪文件夹和两人的手。
• 对照下一镜，检查位置、视线和光线。

即使画面很好看，只要悄悄换掉了一个人，也应该舍弃。小问题先改怀疑的输入或动作。保留采用版本和舍弃原因，让下一次尝试有明确目的。

检查遮挡时，记下 Malik 转开前的一帧，以及脸部重新出现的第一帧。将发际线、鼻子、衣领和外衫接缝与确认视图比较，再连贯播放过渡。前后两张静帧合格，仍可能掩盖中间不稳定的面部。

整段确认之前，请另一位审核者在不读提示词的情况下判断文件夹属于谁。如果答案不清楚，就检查取景和动作。包括最终交付尺寸在内，画面本身都应该能够表达这项归属。

为下一场戏保留同一组演员

分别保存确认后的身份素材，再附一份共同连续性记录。写明文件夹归属、头发、服装和博物馆布局。当前场景的合格画面可以帮助后续视觉规划，但不能把它等同于自动身份训练。

如果下一集换装，明确这项变化，先确认新造型，再批量生成。保留基础面部参考，避免服装更新意外变成换人。

使用 AI 视频工作流指南连接项目中的参考、片段和剪辑决定。只有能明确哪些内容已经确认，复用文件夹才真正有用。

替代路线 保留已有表演

如果已经有可用的双人表演，先判断是否真的需要替换。保留原片，增加交代画面，再围绕已有动作剪辑，可以避免为了统一制作路线而重做好的运动。

如果确实需要动作迁移，要核实工具是否支持源视频格式、身份输入和目标修改。先试短段，不要默认普通视频生成器能准确复现附件里的编排。

博物馆这一场景中，已有的一次注视或点头，可能已经足够为后续生成画面确定节奏。

替代路线 只修复受影响的画面

如果 Malik 近景不可用，但同框镜头和 Inez 反应都成立，就先重做 Malik 的画面。保留视线、背景和光向，让它仍然属于同一个场景。

局部换脸或换人，需要先核实工具实际的视频编辑控制。修正一张静帧，不等于修复相邻帧。接受定点修改前，要完整检查受影响区间和另一个人。

也可以缩短同框镜头，改用单人反应。当两个运动身体持续相互干扰时，这是一条剪辑路线清楚的叙事选择。

制作预算应当包含什么

为两套身份素材、场景、同框构图、视频尝试和后期安排预算。按合格镜头计数，不要假定每项交付只需生成一次。

这只是工作量示例，并非 PixTV 报价或成功率预测。核对实际模型设置显示的价格。反复生成一个失败的同框动作，可能比调整镜头安排花费更多。

哪些地方仍然需要人工判断

参考可以减少歧义，但不能保证在所有转身、遮挡和光线变化中维持身份。长相相近、身体交叉、脸部过小和复杂手部互动，都需要更仔细检查。适合一个角度的人像，未必能确定未出现过的侧脸。

对白还会增加声音归属和嘴部运动这层关系。第一轮身份测试先不加对白，再单独核实音频或口型路线。不要默认每个模型都包含这些控制。

角色保持稳定后，在 PixTV 视频剪辑或常用编辑器中组接采用画面。带着两个确认后的身份和一个简单同框动作打开 PixTV，再逐步扩展场景。

常见问题

一张双人照片够用吗

它可以确定同框起始构图，却未必给两个人都提供足够的面部细节。分别保留确认后的身份参考，在所选模型支持时使用，并在生成动态之前先检查同框图。

应该用角色表还是单张人像

使用模型能够清楚处理的格式。角色表便于规划和比较角度，却可能被理解成多个人。如果出现这种情况，就准备单独身份图或合成场景图，不要继续重复同一张角色表。

怎样避免两个人交换衣服

把服装分配给具名角色，并在每条说明中保持一致。核对起始图，简化同时动作，追踪遮挡中的人物。如果只在转身后交换，先尝试更小的转动，再考虑修改其他输入。

没有复杂同框动作也能表现两人关系吗

可以。先用短双人镜头建立关系，再使用独立近景、反应或过肩画面。匹配视线和运动方向，观众就能理解对话或共同任务，不需要每个动作都让两人一起完成。

保存参考就等于训练永久身份吗

保存图片或文件夹属于素材管理。除非产品提供并说明了训练流程，否则不应称为训练。保留可复用的确认文件，通过支持的控制添加，并继续检查每个新镜头中的角色。

加对白之前先测什么

先确认无对白的共同动作中，两张脸、服装、位置和道具归属都能保持。然后核实所选模型或编辑工具的声音与嘴部运动流程，检查谁在说话、谁在反应，避免音频引入新的身份或角色错误。