角色持续性（Character Persistence）

角色持续性是 AI 视频生成系统在视频片段的连续运动和变化条件中保持角色外观稳定的能力。它确保面部特征、服装和区别性特征在所有帧之间保持一致，而不只是在各张独立图像之间。

角色持续性要求模型在单个片段内的连续运动、变化光照和变换的摄影机角度中维持视觉身份，这需要在连续帧之间有一个稳定的内部表征，而不只是匹配各张独立的静态输出。

角色漂移发生在生成模型在连续帧之间缺乏足够稳定的角色内部表征时。如果没有强大的持续性机制，细微的重新解读会在帧与帧之间累积，导致面部特征、头发或服装在片段中逐渐改变。

使用训练好的角色模型能提供最强的持续性基础。为每个片段提供一致的参考图像作为首帧锚点，也能显著减少漂移。选择把角色持续性列为核心能力的 AI 视频模型，能带来最佳的基线结果。

角色一致性是在任意生成输出（包括静态图像）之间维持外观稳定的更宽泛概念。角色持续性专门适用于在视频片段内部及之间维持该稳定性的时间性挑战，角色在其中穿越连续的帧而移动。

能，只要方法得当。为一个序列中的每个片段（而非仅第一个）使用一致的参考图像或训练好的角色模型作为锚点，能为每次生成提供相同的视觉起点，显著改善跨片段一致性。

糟糕的角色持续性是 AI 生成叙事视频中最立即可察觉的质量问题之一。即便片段中途的轻微面部漂移，也会削弱观众对一个连续、流畅角色的感受，而这对叙事沉浸感和专业制作品质是根本性的。

角色持续性能力在不同模型间各异，并在迅速持续改进。在流水线中明确具备参考图像输入和原生角色一致性系统的模型，通常优于仅依赖提示词描述的模型。用测试片段评估具体的模型版本，是最可靠的评估方法。