做 AI 短剧最怕女主每个镜头换一张脸。解决办法只有一个：给每个角色存一套参考图，每次生成都带上它，而不是每次都用文字重新描述。到 2026 年，这已经是一整套流程，不再是某个单独的开关。它包括参考图集、服装和声音的锁定、按模型调整的用法，以及一轮抓“变脸”的质检。参考图一次做好，同样的脸、身形和服装就能从第一个镜头一直用到最后一集。
这篇是写给创作者的操作指南。如果你想看整季剧集如何保持一致，以及一个案例，请看剧集级角色一致性。
为什么参考图比文字描述更管用
“三十出头的女人，黑发，红色大衣”这样的描述，只框住了几个特征。剩下的部分由模型自己补，所以每次生成，脸都会重新抽一遍。参考图则不同，它直接把文字说不清的部分固定下来，模型会把这些特征带进结果里。
整个过程不涉及训练：已保存的参考图会被传入每一次生成。这就是全部原理。下面每一步，都是为了把这套参考图做扎实，并且用得始终如一。
第一步：建立参考图集
用几张图把角色从多个角度定下来。要有一张清晰的正面，一张四分之三侧脸，一张正侧面，再加两三张剧集实际会用到的服装和光线。把它存成一个有名字的参考，之后在提示栏里按名字调用就行。
图集比单张图可靠，因为模型能看到角色的多个侧面，而不是只靠一张碰巧出来的图。
第二步：锁定服装与造型
先定好角色的默认造型，并写进参考里：外套、发型、色调。这样只要剧情没有刻意换装，“女主”每次出场都是同一身打扮。
变脸往往从细节开始：衣领、发型、配饰。锁得越死，能跑偏的地方就越少。
第三步：分配给不同的模型
不同模型使用参考图的方式不一样，而一集短剧通常会用到不止一个模型：
各模型的用法
| 模型 | 如何使用参考图 | 最适合 |
|---|---|---|
| Kling (3.0 / O3) | 接收参考图，让角色在运动镜头里保持原来的样子 | 角色要走动、要演戏的对白镜头和动作镜头 |
| Nano Banana | 以图生图的方式稳住角色，适合静态图和参考底图 | 先出的定妆图和参考底图，之后再让它们动起来 |
| Seedance | 在参考图生视频任务里接收参考输入，并支持编辑与延长 | 先生成场景，再修改或加长，不用重新选角 |
重点不在于选出唯一的最佳模型。关键是把同一套参考图送进每个模型，角色换引擎之后也不会走样。每个镜头该用哪个引擎，请看微短剧最佳 AI 模型。
第四步：把声音也锁住
角色是脸加声音。给每个角色存一个固定的声音，整部剧的每句台词都用它。这样女主在第 1 集和第 60 集听起来还是同一个人。
画面一致、声音却每次不同，观众照样会出戏。
第五步：出片前先质检
一致性要检查了才算数。在生成和剪辑之间设一道审核关：
- 把每个新镜头和参考图集对照，用能看清细节的尺寸，不要只看缩略图。
- 盯住边缘细节：衣领、发际线、首饰、服装的具体款式。变脸通常从这里开始。
- 发现跑偏就带着参考图重新生成，不要想着“剪辑时再修”。重抽一次，比留下一个明显的穿帮便宜得多。
第六步：存成工作流
参考图、锁定项和质检关都跑通之后，把这套步骤存成可复用的工作流。下一个角色、下一集，只需复制再替换，不用从头来过。
这一切的前期规划文档是剧集设定集。
常见问题
先给角色建一套参考图集，锁定服装和一个固定的声音，然后整季每次生成都带上这套参考图。一致性来自反复使用同一套参考，而不是每次重新描述。再加上出片前的一轮质检，就能把变脸的镜头挑出来。整个过程不涉及训练，参考图只是传入每一次生成。
把角色的参考图和镜头提示词一起交给 Kling，让它在运动中保持角色的样子，而不是靠文字去描述。它适合角色要走动、要说话的对白镜头和动作镜头。其他模型也请用同一套参考图，这样角色在不同引擎之间切换也不会变样。
一组比单张可靠。通常一张清晰正面、一张四分之三侧脸、一张正侧面，再加两三张剧集会用到的服装和光线，就够了。目的是让模型从多个角度了解角色的结构，不必去猜看不到的那几面。某场戏需要特定服装时，再单独补一张对应服装的参考图。
可以，但要先锁定。给每个角色存一个固定的声音，整部剧每句台词都用它，就像复用画面参考一样。画面一致而声音每条都变，仍然会让观众出戏。所以请把声音当作角色参考的一部分，不要最后才想起来。
在生成和剪辑之间加一道审核：用能看清细节的尺寸，把每个新镜头和参考图集对照，重点看衣领、发际线、配饰、服装这些最先跑偏的边缘。发现问题就带着参考图重新生成，别想着后期修。后期修更慢，也很难修干净。