每个 text-to-image 模型默认每次都给你一个略不同的人。对要画章节插图的独立作者、要让同一个 NPC 出现在头像和战斗 pose 里的游戏开发、不能重画的漫画作者、要在 20 张 banner 里跑同一个吉祥物的品牌团队来说，这种漂移就是一套素材读着像”AI 出的”而不是”设计过的”最大原因。修法不是某个魔法 prompt，而是：一张定型参考图 + 一份冻结的结构化描述，按工具自带的参考功能、靠纪律一致地用下去。
2026 年的工具终于让这件事变得可行。Midjourney V8.1（2026 年 4 月 30 日发布）用强得多的 Omni Reference（--oref）取代了老的 --cref。Google 的 Nano Banana Pro（即 Gemini 3 Pro Image 模型）能在一张合成图里保住多达 5 个人、14 个物体的样貌。ChatGPT 的 GPT Image 1.5 在编辑时能保住面部相似度。这篇把”同角色跨场景”做成可复用流程，用这些功能而不是和它们对着干。
一句话总结
- 建一份角色 bible：一张干净的定型参考图 + 一份 5-7 条的特征表，每个 prompt 里一字不改地照搬。
- 工具支持就把参考图当输入喂进去。图传达的身份信号远强过任何文字。
- 每个场景只换背景、灯光、姿势。特征块逐字节不变。
- 脸漂了就抬参考权重：Midjourney
--ow 400-600、Stable Diffusion IP-Adapter 0.8-1.0，ChatGPT 和 Nano Banana 重附参考图。 - 一个角色要出 20 张以上图，就用 15-50 张已审输出训一个 Stable Diffusion / Flux LoRA，之后不必每次都附参考图。
这篇适合谁看
要画章节插图 / 封面的独立作者、需要同一 NPC 在头像表和战斗 pose 都出现的游戏开发、漫画 / webtoon 作者、要维持一致吉祥物的品牌团队、给课程做 cohort 视觉的教育创作者。经验法则：角色只出现一次，整套都可以跳过；出现 5 次以上且必须读着像同一个人，下面这套纪律到第 3 张图就回本了。
两个不该用这套的情况：真人样貌（用真实拍摄；未经许可用 AI 复制特定在世真人有同意权和肖像权问题），以及纯写实真人——皮肤质感或骨相上的小差异都会立刻被读成”换了个人”，当前没有任何公开模型能跨多变体扛住。风格化和”painterly photoreal”宽容得多，正是这套流程的设计目标。
2026 年能扛住角色的工具（以及怎么用）
一个角色就锁定一个主力工具用到底。系列中途换模型必漂，因为 Midjourney 的 “Mira” 和 Stable Diffusion 的 “Mira” 是潜空间里两个不同的人。
| 工具（2026 年 6 月） | 参考功能 | 强度控制 | 最适合 | 备注 |
|---|---|---|---|---|
| Midjourney V8.1 | Omni Reference（--oref + 图片 URL） | --ow 0-1000，默认 100 | 快速迭代、插画、风格化 | V7+ 已弃用 --cref，改用 --oref；Basic 月 $10 起 |
| Nano Banana Pro（Gemini 3 Pro Image） | 多图输入，身份与风格可分别锁定 | 重附参考图；最多 5 人 | 故事板、吉祥物、锁脸换风格 | 2K/4K；在 Gemini app 内，Google AI Pro 月 $19.99 |
| ChatGPT（GPT Image 1.5） | 把 canonical 当图片输入附上 | 重附 + 显式提醒 | 对话式编辑、快速换场景 | 编辑时保住面部相似度；2K；Plus 月 $20 |
| Stable Diffusion / Flux + IP-Adapter | IP-Adapter 参考节点（ComfyUI） | 权重 0.0-1.0 | 本地、免费、全控 | 单图匹配好，长系列会漂 |
| Stable Diffusion / Flux + LoRA | 训练出的模型文件 | LoRA 强度 0.6-1.0 | 20 张以上、生产级阵容 | 15-50 张图训 1000-3000 步，长程一致性最强 |
对所有工具都成立的实话：没有哪个能在完全独立的生成之间保证逐像素一致的脸。参考功能能做到”明显是同一个人”，训练出的 LoRA 最接近。凡是写实的都当成硬骨头处理。
开始前准备
- 先定风格。 stylized 插画和 anime 容忍小变化；painterly-photoreal 是这套流程能稳住的最吃力风格；纯 photoreal 是要避开的情况。
- 从上表选一条工具链，先在你的真实角色上小测，再把整个系列押上去。
- 留好目录。 用
/character-bible/[角色名]/，里面放canonical.png、traits.md、prompt-template.md和一个outputs/子目录。 - 先留 1-2 小时只做定型图。 它是最重要的一个资产，赶工会污染下游一切。
具体步骤
- 生成定型头像。 正脸、中性背景、均匀打光、中景。出 12-20 张挑最强的一张。这是唯一一次在”找角色”；之后全是”向它对齐”。
- 写特征表。 5-7 个可见的具体特征：发色 + 长度 + 质感、眼色、肤色、辨识标记（疤、雀斑、纹身位置）、招牌服装 / 配饰、体型。别写”善良的眼神”这类抽象特征，模型每次都会重新解读。
- 把参考图当输入喂进去。 Midjourney V8.1：在末尾加
--oref [公开图片 URL] --ow 400。Nano Banana Pro：附上 canonical，让它保住人、换场景。ChatGPT GPT Image 1.5：附上 canonical。Stable Diffusion / Flux：把 canonical 载入 IP-Adapter 节点，权重 0.8。图的分量压过任何文字。 - 纯文字步骤里，特征表原文照搬。 不要换说法。“auburn shoulder-length wavy hair” 在每个 prompt 里都一字不改。微小的改述累积到第 5 张就变成了另一个人。
- 每个场景只换背景、灯光、姿势。
prompt-template.md里只留[scene]和[pose]两个占位；特征块既不移位也不改动。 - AI 漂了就抬参考权重。 Midjourney：把
--ow从 100 抬到 400-600；Stable Diffusion：把 IP-Adapter 权重抬到 0.8-1.0；ChatGPT / Nano Banana：重附 canonical 并明说”同一个人、同一张脸”。只有当你有意要换风格时才调低权重（比如照片转 anime 用--ow 25）。 - 让角色 bible 长大。 参考图 + 标准特征 + 3-5 张已审过的场景输出，都成为未来的参考。一旦攒到 15-50 张已审输出，就训一个 LoRA，之后不必每次都附参考图也能稳。
特征表样例
姓名：Mira
发：auburn, shoulder-length, wavy, side-parted left
眼：green, almond-shaped
肤：warm olive
标记：右眉上方一道小疤
着装：charcoal canvas jacket with brass buttons,
knee-high boots, leather satchel slung right shoulder
体型：medium height, athletic每个场景 prompt 把这段放最前，附一句动作 + 场景。在 Midjourney 里整行就是 [特征块] [动作] in [场景], [姿势], [打光] --oref [URL] --ow 400。
第一次实操怎么跑
- 用整 1-2 小时做定型头像。
- 用参考 + 冻结的特征表生 3 张场景图。
- 把 4 张（定型 + 3 场景）按缩略图大小并排平铺，眯眼看。任何一张读着像别人，要么特征表太泛，要么参考权重太低。
- 调一个能修好的变量（通常是参考权重），重生这 3 张。
完成后检查
- 缩略图大小并排：是同一个人吗？
- 辨识标记还在吗？疤或雀斑分布消失是最容易暴露的破绽。
- 着装有没有往未指定方向漂？“charcoal jacket” 是不是到第 8 张悄悄变成了 “dark blue”？
- 角色有没有跨场景悄悄变老或体型变？年龄漂是常见又隐蔽的一种。
容易踩的坑
- 每个场景换说法描述角色。“red hair” 到 “ginger” 到 “auburn”，第 5 张就换了个人。
- 中途加新特征（“她现在戴个吊坠”）。坚持定型版本，或显式给 bible 升级版本号。
- 没存定型图。 唯一的客观锚丢了，每一次漂都在累积。
- 死磕超写实真人级一致。 选风格化角色，眼睛对小差异更宽容。
- 一个角色系列里混用不同模型。 Midjourney 的 Mira 和 SD 的 Mira 不会对齐，选一个工具。
- 在 Midjourney V7 或 V8 上用
--cref。 它已弃用、会被忽略，请改用--oref配--ow。 - 让 prompt 顺序漂。 特征块永远放最前；挪到后面影响力会降。
进阶技巧
- 换风格不丢身份。 Nano Banana Pro 能在你换画风或服装时保住脸；在 Midjourney 里，换风格时把
--ow降到 25-50，再调回 400+ 把脸重新收紧。 - 一个系列一次会话生齐。 漫画和故事序列里，把同一角色的所有画面批在一次会话里出，让对话型模型对它保持”预热”。
- 攒到 15-50 张已审输出就训 LoRA。 训练步数预留 1000-3000 步；出来的文件不附参考图也能跨姿势、跨场景稳住一致。
- 视频（Sora、Veo）先把一帧强 canonical key frame 做好， 再用 image-to-video 驱动运动。纯 text-to-video 的角色一致性还是最弱的一环。
FAQ
- 2026 年角色一致性最好的工具是哪个？: 快速插画用 Midjourney V8.1 配
--oref和--ow 400；要换风格但保住脸的故事板和吉祥物用 Nano Banana Pro（Gemini 3 Pro Image），一张图能保住多达 5 人；对话式换场景用 ChatGPT GPT Image 1.5；要最强的长程控制用训练出的 Stable Diffusion 或 Flux LoRA。在你具体角色上实测，风格不同结果不同。 - 为什么 Midjourney 里
--cref不灵了？:--cref在 V7 和 V8 上已弃用。V8.1 用 Omni Reference：改用--oref [图片 URL] --ow [0-1000]。--ow默认 100，400-600 能给出贴近的面部匹配。 - 附了参考图脸还是漂怎么办？: 多半是参考权重太低，或参考图本身就不一致（一张里多角度会让模型困惑）。用一张干净正脸 canonical，并把权重抬上去。
- 多少特征算多？: 超过 8-10 条具体特征，模型会随机丢掉一些。只留最显眼、最辨识的。
- 能做超写实真人一致吗？: 当前公开模型还不可靠。painterly-photoreal 能扛；纯 photoreal 撑不过足够多的变体，出不了长系列。
- 角色要在 100 张图里出现怎么办？: 头 15-50 张已审后训一个 LoRA（1000-3000 步）。后续成本只剩零头，一致性也稳得多。