隨著生成式 AI 影片技術日益成熟，越來越多人開始嘗試利用 AI 製作短劇、動畫短片甚至微電影。然而，創作者在實戰中最常遇到的痛點，莫過於「角色一致性」（Character Consistency）問題：第一幕的主角明明是清秀短髮少女，轉個鏡頭就變成完全不同的五官，甚至連服裝細節與髮型都面目全非，令觀眾瞬間「出戲」。
要讓 AI 乖乖記住主角的長相，不能只靠盲目修改文字提示詞（Prompt），而必須掌握一套系統化的「角色鎖定工作流」。以下為你拆解業界最實用的 3 大核心技巧，徹底解決 AI 短劇人物變臉的難題。
第一招：建立「角色三視圖設定集」作為視覺錨點
很多新手習慣直接在影片生成工具中輸入文字生成畫面，但文字本身具有高度不確定性，每次運算都會重新抽卡。正確的做法是「先圖後影」，在開拍前先為主角製作一張標準的「角色設定圖」（Character Sheet）。
-
生成標準三視圖：利用 Midjourney、Nano Banana 或 Flux 等高精準度圖像模型，生成包含正面、側面、背面全身照，以及不同表情特寫的「角色三視圖」。建議使用純白或純灰背景，避免複雜環境干擾模型對人物特徵的提取。
-
固化文字特徵描述：在提示詞中建立一組固定的「角色身份標籤」，例如明確寫出年齡、臉型、瞳孔顏色、髮型長度、標誌性飾物及服裝材質。每次生成新分鏡時，都保留這段核心描述，只替換動作與場景。
-
多角度墊圖參考：當你擁有了清晰的角色設定圖後，在後續生成每個分鏡的「首幀圖片」時，同時匯入正面與側面參考圖（例如使用 Midjourney 的角色參考功能
--cref，或在支持多圖參考的生圖工作流中鎖定主體特徵），就能大幅降低五官走樣的機率。
第二招：善用「首尾幀控制」與「主體參考」影片生成技術
有了穩定的分鏡圖片後，下一步就是讓圖片動起來。在圖生影片（Image-to-Video）的階段，如果動作幅度過大（例如快速轉頭、大幅度奔跑），AI 很容易在補間運算時丟失原本的臉部細節。
-
首尾幀精準過渡：目前主流的 AI 影片生成工具（如 Kling 可靈、Runway Gen-3/Gen-4、Hailuo 海螺 AI、Vidu AI 等）均已支援「首尾幀控制」（First & Last Frame）。你可以先用生圖工具製作好「動作開始」與「動作結束」兩張臉部完全一致的關鍵幀，再交由 AI 影片模型生成中間的動態過渡。由於起點與終點都被死死鎖住，人物在移動過程中幾乎不會發生五官崩壞。
-
直接呼叫「主體參考」功能：針對需要多鏡頭切換的劇情，可優先選用具備「多圖主體參考」（Subject Reference / Elements）功能的影片模型。這類功能允許你直接上傳 1 至 3 張主角的正面與半側面照，並透過文字指令指定該角色在新場景中的動作，讓影片模型在生成每一幀時都強制對齊參考圖的五官特徵。
-
控制單一鏡頭的運鏡幅度：編排分鏡時，盡量將長鏡頭拆解為 3 至 5 秒的短鏡頭，避免在單一鏡頭內要求角色同時完成「轉身、換表情、大幅度移動」等多個高難度動作，能有效維持畫面穩定度。
第三招：後期「局部重繪」與「AI 換臉工作流」精修
即使做足了前期設定，在製作長達數分鐘的短劇時，難免仍會有幾個鏡頭出現輕微的眼神渙散或臉型偏差。此時不需要推翻重來，只需透過後期精修工具進行微調即可。
-
分鏡圖階段局部重繪（Inpainting）：如果在生成關鍵幀時，整體構圖與光影都非常完美，唯獨臉部表情不對或五官略有偏差，可以直接使用局部重繪功能圈選臉部區域，結合原本的角色設定圖重新生成局部細節，確保進入影片生成階段前的每一張底圖都達標。
-
影片後期人臉替換與增強：針對已經生成的動態片段，若遠景或側臉出現模糊，可利用專業的影片換臉插件（如 ComfyUI 搭配 FaceFusion 或 Roop 工作流）將主角的標準臉部特徵精準貼合到動態影像上，並配合人臉高清修復模型（如 CodeFormer 或 GFPGAN）還原皮膚質感與眼神光，讓整部短劇的視覺品質達到商業級水準。
掌握「三視圖定型、首尾幀控場、後期微調」這三個步驟，你就能徹底告別 AI 短劇每幀變臉的窘境，將精力專注於劇本打磨與鏡頭語言設計。如果你想進一步系統化學習最新的 AI 影片生成、分鏡腳本設計、角色一致性工作流以及各大熱門 AI 工具實戰應用，歡迎前往瀏覽並報讀本網「香港AI學院」（AIEduHK.com）的相關 AI 工具教學課程「AI短劇課程」，由淺入深掌握 AI 影視創作的完整技術！