如何为角色和一致的面孔编写提示词

如何编写角色和面部一致性的提示词

在多次生成中保持角色面部一致是AI图像提示词中最困难的问题之一。每帧中看起来略有不同的角色会破坏沉浸感，毁掉故事板，让角色驱动的项目显得业余。好消息是，通过正确的提示词结构，你可以在不需要复杂外部工具的情况下显著提高面部一致性。

本指南将带你了解编写提示词的实用技巧，帮助你锁定面部特征、发型和表情。你将学习角色提示词的基本组成部分，如何使用参考驱动的技术，以及如何在不同AI图像模型中调整这些方法。

为什么面部一致性很难实现

大多数图像模型仅从文本生成，而文本对面部的描述是有损的。将鼻子描述为“略带鹰钩”或眼睛为“深陷”并不能给模型一个稳定的锚点。每次新生成都从噪声开始，因此相同的描述可能产生截然不同的面孔。

此外，模型往往过度依赖风格。如果你要求“赛博朋克侦探”，模型可能会优先考虑题材惯例而不是你的具体角色描述，导致生成一张每次都不一样的通用面孔。

理解这些局限性有助于你编写与模型协作而非对抗的提示词。

角色提示词的核心构建模块

一个强大的角色提示词包含五个要素。缺少任何一个都会降低一致性。

以下是遵循此结构的示例提示词：

“艾拉拉·沃斯上尉，一位30多岁的女性，菱形脸，高颧骨，深陷的祖母绿色眼睛。她有短款铂金色头发，底部剃短，左眉上方有一道细疤痕。她穿着磨损的皮革飞行员夹克，佩戴银色指南针吊坠。在雨水浸透的小巷中，坚定的表情，电影感灯光。”

注意前三句是固定的身份描述，而最后一句控制场景和情绪。这种分开是关键。

技巧一：使用角色表或参考锚点

如果你的工具支持图像参考（如GPT Image、Midjourney或带IP-Adapter的Stable Diffusion），首先创建一个角色表。角色表是一张显示同一面孔从多个角度（正面、侧面和四分之三角度）的图像。

然后在提示词中明确引用该图像。例如：

“以附带的角色表为参考，展示艾拉拉·沃斯上尉坐在太空港酒吧，喝着一杯霓虹蓝色鸡尾酒。保持她的脸、头发和夹克与参考完全一致。表情：疲惫但警觉。”

这样做是因为模型可以从参考图像中复制面部几何结构。有关角色驱动提示词的实际示例，请参阅此角色遗物装载收藏套装盒，它使用了详细的清单方法来定义角色的视觉身份。

技巧二：标记锚定和重复

有些模型对重复有响应。通过在提示词中重复关键身份词汇，你可以强化它们的重要性。这有时被称为“标记锚定”。

例如：

“艾拉拉·沃斯，这位拥有祖母绿色眼睛和铂金底部剃短发型的侦探，站在霓虹灯照亮的房间里。艾拉拉·沃斯的祖母绿色眼睛反射着全息标志。她的铂金底部剃短发因追捕而凌乱。艾拉拉·沃斯穿着她的飞行员夹克，拉链未拉上。”

重复告诉模型哪些特征是不可妥协的。但是，不要过度使用，，过多的重复会让提示词显得啰嗦。将它用于2-3个最关键的特征。

技巧三：使用负面提示词防止漂移

许多模型支持负面提示词，，即你不希望在图像中出现的内容。使用它们来防止常见的一致性问题的出现，如年龄变化、性别改变或风格转移。

常见的负面提示词添加项：

例如，在Stable Diffusion中你可以写：

正面提示词：“艾拉拉·沃斯，正面视角，与参考相同的面孔，照片写实”

负面提示词：“不同的面孔，不同的眼睛，不同的头发，更老，模糊”

这种明确的对比有助于模型保持在目标上。有关使用此技术的故事板示例，请查看水下美人鱼宝藏故事板提示词（用于GPT Image 2），它在多个场景中保持了角色身份。

技巧四：使用共享“角色块”的场景特定提示词

在生成一系列图像时，创建一个可重复使用的“角色块”，，一段固定描述符的段落，你将其复制到每个提示词中。然后只改变场景描述。

角色块：

“角色：凯尔，一位25岁的男性，方下巴，淡褐色眼睛，黑色短卷发，右脸颊有一颗小痣。他穿着深绿色连帽衫，左手食指戴银色戒指。”

场景A：

“[角色块] 凯尔走过拥挤的夜市，提着纸灯笼。温暖散景灯光，抓拍镜头。”

场景B：

“[角色块] 凯尔黎明时分坐在屋顶上，喝着咖啡，俯瞰城市。冷蓝色调，电影感广角镜头。”

这种方法确保核心身份保持稳定，同时在构图和情绪上允许创作自由。有关创意应用，请参阅此根据角色个性生成动漫街头风海报，它将个性特征转化为视觉一致性。

进阶：视频模型中的首帧一致性

视频生成模型（如Seedance或Runway）面临更大的挑战：在帧*和*运动中保持面部一致。一个常见技巧是使用首帧参考。你先生成一张高质量的角色图像，然后将其作为第一帧输入视频模型，并附带描述动作的提示词。

例如，一个Seedance 2.0首帧一致性提示词展示了如何指定“保持相同面部、护目镜和胶片颗粒”跨视频不变。提示词明确告诉模型哪些元素不能改变。

“以第一帧为参考，让角色转身看向镜头。保持面部、护目镜和胶片颗粒与第一帧完全一致。只有动作改变。”

这种方法有效是因为模型使用第一帧作为结构指南。

各模型特定提示

不同模型有不同的优势。以下是热门工具的快速提示：

有关更通用的提示词工程原则，OpenAI提示词工程指南和Anthropic的概述提供了优秀的基础建议，尽管它们侧重于文本模型。

常见错误及如何避免

错误一：过度描述面部。

太多细节会让模型困惑。坚持3-5个关键面部特征。不要写“杏仁形眼睛，带有轻微内眦赘皮，绿色带金色斑点，长睫毛”，简化为“带有金色斑点的绿色眼睛”。

错误二：在提示词之间更改描述词。

如果你在一个提示词中称头发为“铂金色”，在另一个中称为“银色”，你会得到不同的结果。每次都使用完全相同的措辞。

错误三：忽视风格一致性。

一张脸在照片写实风格与动漫风格中看起来可能完全不同。保持风格锚点不变。有关风格驱动的方法，请参阅此竖版角色关键视觉宣传海报，它同时锁定了角色和艺术风格。

错误四：在可用时不使用参考。

如果你的工具支持图像参考，请使用它们。仅通过文本实现一致性要困难得多。

要与不要检查清单

以下是在生成前要快速检查的清单：

综合应用：完整示例

让我们将一切组合成一系列角色名为“米拉”的提示词。

角色块：

“米拉，一位28岁的女性，圆脸，大棕色眼睛，小巧圆鼻子。她有黑色长辫子，下巴上有一道细小的疤痕。她穿着红色连帽斗篷，佩戴银质小盒吊坠。”

提示词1（肖像）：

“[角色块] 米拉的肖像，正面视角，柔和影棚灯光，中性表情，照片写实，高细节。负面提示词：不同的面孔，不同的头发，更老。”

提示词2（动作场景）：

“[角色块] 米拉跑过森林，运动模糊，树叶飞舞，坚定的表情，电影感灯光，照片写实。负面提示词：不同的面孔，不同的头发，更老。”

提示词3（特写）：

“[角色块] 米拉面部特写，眼中含泪，雨水打在她皮肤上，戏剧性灯光，照片写实。负面提示词：不同的面孔，不同的头发，更老。”

注意角色块保持完全相同，而场景描述在变化。这是一致性的核心。

更多资源

如果你想深入学习提示词工程，提示词工程指南是一个全面的资源。有关实际示例，Anthropic的提示词库提供了可适应角色工作的模板。Learn Prompting是另一个适合初学者的优秀起点。

如需更多角色相关的提示词，请探索我们的创意类别或搜索角色提示词，看看其他人如何结构化的提示词。

结论

一致的面孔是可以通过正确的提示词工程实现的。首先构建一个可重复使用的角色块，尽可能使用参考图像，并保持描述词在提示词之间完全相同的纪律。尝试标记锚定和负面提示词来微调结果。通过练习，你将能够生成角色从头到尾看起来都是同一个人的完整故事。

请记住：一致性是一种技能，而不是魔法技巧。你编写提示词越有意为之，你的结果就越可靠。