片头是一个能识别的主体——人物、角色或者产品——片尾它变形成另一个明显不同的样子。脸变了、衣服颜色偏了、体型不一样了。这是”主体变形”，是 AI 视频里最极端的身份丢失。它和漂移不同：漂移是渐变、主体还是同一个；变形是主体直接变成了另一个实体。
最快的修复（截至 2026 年 6 月）： 别再单靠文字。当前主流模型都有专门的身份功能——Kling 3.0 的 Element Library、Runway Gen-4.5 的 References（@ 标记）、Sora 2 的 Cameo、Veo 3.1 的 Ingredients to Video。用 2-4 张干净的参考图建一个角色元素，绑定到镜头，再在 prompt 里加 3 个以上具体身份标记。光这一步就能解决大部分变形。如果还在变，再缩短镜头、把多人场景拆开。
先判断你属于哪一类
| 症状 | 最可能的原因 | 跳到 |
|---|---|---|
| 前 3s 还好，之后脸飘成另一个人 | 镜头超出一致性窗口、又没锚点 | Step 2、Step 6 |
| 2s 短片从第 1 帧就开始变 | prompt 太泛 / 没用原生参考 | Step 1、Step 4 |
| 两个人互换了脸或身体 | 多主体身份追踪 | Step 3 |
| 摇镜或有物体挡过之后主体变了 | ”先藏后揭”重渲 | Step 5 |
| 只有运气好那次身份才稳 | 锚点弱、吃 seed | Step 1 + Step 4 |
常见原因
按命中率排序。
1. 主体描述太泛
A young woman 在训练数据里能命中几百万张。模型第 1 帧挑了一个，中段又往别的飘，因为没有任何东西锚定一个具体身份。
如何判断：数 prompt 里的具体身份描述（发色、年龄、衣着、显著特征）。不到 3 个具体特征就容易变形。实际用下来，只有 2-3 个角色细节的 prompt，一致性远不如绑定原生参考图的稳——纯文字的具体描述有帮助，但真正把一致性拉高的是绑定的参考图。
2. 片长超出身份一致性窗口
2026 年的一致性窗口比一年前宽了，但仍然是有限的。没有参考图的纯文生视频，几秒后照样飘。绑了角色参考之后，当前实际可靠的单镜头长度大致是：Kling 3.0 Omni 约 15s（最多 6 个分镜）、Runway Gen-4.5 角色一致性可到约 1 分钟、Sora 2 约 25s（Pro 可到 60s）、Veo 3.1 每镜约 8-10s。超过这些，变形就回来了。
3. 同框多人
模型要为每个人独立追踪身份。两个人或更多，跨帧时常常把哪张身份对应到哪个身体搞混。群像变形率最高。
4. 参考图里主体太小
图生视频时主体在参考图里占不到约 30%，模型可用的锚点信息少，变得更快。主体占满、打光好、正面或四分之三角度的取景，映射效果最好。
5. 中途让主体短暂遮挡的镜头运动
让主体短暂出画的摇镜、绕过物体的镜头——这种”先藏后揭”是变形最多发生的时刻。模型没了前帧参考，重渲出来就不一样。
6. prompt 没独特身份标记
A man wearing a suit at a desk 易变形。A balding middle-aged man with round glasses, navy blue suit, gold tie pin, working at a glass desk 抗变形——模型有可以回到的锚点。
7. prompt 里风格打架
Realistic but stylized like an anime character, painted with watercolor——三种风格在抢镜。模型取平均，平均最先破坏的就是身份一致性。
动手前先确认
- 把参考图（如有）、完整 prompt、模型 + 版本、变形输出都存好。
- 找出变得最厉害的属性（脸、衣服颜色、体型）。
- 想清楚用例容忍度：hero 镜头零变形；B-roll 可以容忍一些。
- 记下片长、模型、是单人还是多人场景。
- 改 prompt 前先备份模板。
需要收集的信息
- 首帧和末帧并排，量化变形。
- 完整 prompt、参考图（如有）、motion 设置、片长。
- 模型名和版本（Kling 3.0 还是 3.0 Omni、Gen-4.5、Sora 2 还是 Sora 2 Pro、Veo 3.1）。
- 变形是每次都出现（结构问题）还是偶尔（seed 运气）。
最短修复路径
Step 1：用模型自带的角色参考（单步收益最大）
单靠文字是最弱的锚点。当前主流模型都有内建的身份功能——用它来替代或叠加在文生视频之上：
- Kling 3.0 — Element Library： 上传 2-4 张干净的主体参考图，覆盖正面、四分之三左、四分之三右、背面；给元素命名；然后在 shot settings 里绑定。这能在多分镜的 15s 序列里锁住脸、头发和服装。
- Runway Gen-4.5 — References： 上传参考图，用从 Gen-4 沿用下来的
@语法在 prompt 里标记它（例如@hero walks toward camera），模型就会跨生成保持这个外观。图生视频时也可以把图拖进 First Frame。 - Sora 2 — Cameo： 在 Sora app 里录一段 3-10s 的主体视频，建一个可复用的身份，跨新生成都能稳住，再在新 prompt 里引用。ChatGPT Plus 即可使用（截至 2026 年 6 月 $20/月）；画质更高的 Sora 2 Pro 版在 ChatGPT Pro 上。
- Veo 3.1 — Ingredients to Video： 在 Flow 里加最多 4 张角色参考图（Gemini API 路径最多 3 张），让身份跨场景延续。
如果你的工具没有原生参考功能，退而用普通图生视频：先用 Midjourney / SDXL / Imagen 出一张 1024x1024+ 的高质量主体图，再把这张 PNG 喂给视频工具的首帧 / 图像输入。
Step 2：把片长匹配到模型的可靠窗口
2026 年不再需要硬卡 3s 上限，但你得待在原因 2 那个绑参考的窗口内。任何超过模型可靠单镜头长度的镜头，都用链式参考工作流：
- 绑好参考 / 元素，出第一段。
- 导出最后一帧。
- 作为下一段的参考（或首帧）。
- 重复到达全长。
- CapCut / Premiere / Resolve 里拼接。
链式参考能稳定地把一致性输出延伸到远超单次生成的长度，也是 30s 以上交付最稳的路子。
Step 3：多人场景拆成单人镜头
prompt 里有多个人，每人单独一镜，再剪切：
Clip 1：男生单人，约 5s
Clip 2：女生单人，约 5s
Clip 3：男生单人，约 5s对话靠剪辑器交替镜头组装。模型从不需要同时追踪两个身份。（Kling 3.0 Omni 能在一镜里绑多个不同元素，但 hero 镜头里单主体仍是变形最低的选择。）
Step 4：prompt 里加高度具体的身份标记
泛：
a young woman in a dress具体：
a blonde woman with shoulder-length straight hair, blue eyes,
small mole above the right eyebrow, red strapless dress,
gold chain necklace, identity preserved across all frames可作为锚点的细节：
- 独特特征（痣、疤、雀斑、纹身）
- 具体的发色、长度、发型
- 具体的衣服颜色和单品
- 一件独特配饰（眼镜款、饰品）
服装纹理尽量简单——花哨的图案在运动中最先”变形”。
Step 5：避免会遮挡主体的镜头运动
身份关键镜头：
- 不要让主体出画的摇镜
- 不要绕到物体后面的镜头
- 单次生成内不要快切
- 静态或缓慢推镜头
Step 6：锁住脸部区域
- Runway Motion Brush： 把主体的脸 / 头部刷成低运动或静态区域，只让画面其余部分动。
- Kling 3.0： 保持绑定的元素生效，用 Omni 多分镜模式，它会跨分镜锁住脸、姿态、服装和声音。
先锁脸部——这是观众一眼就能看出在变形的属性。
Step 7：降 motion 强度
motion 越高，身份漂移越严重。用能让画面动起来、又符合场景的最低预设。
怎么确认已经修好
- 首帧和末帧并排，主体明显是同一个人。
- 所有显著特征（发色、痣 / 疤、衣服颜色）从头到尾保留。
- 同事只看片（不看参考），能轻松匹配回参考图。
- 同设置出 3 段，3 段身份都稳，不只是运气好那一次。
如果还是没修好
- 缩到 2 秒。2s 还变形，就是参考 / 元素或 prompt 的问题，不是时长。
- 强化参考集——更高分辨率重导、补角度（正面 + 两个四分之三 + 背面）、均匀打光、脸清晰。
- 按场景类型换身份保留更强的模型：叙事 / 多分镜用 Kling 3.0 Omni 或 Veo 3.1，固定复现的某个人用 Sora 2 Cameo，说话头用 HeyGen / D-ID。
- 商业交付需要在 30s 以上保住身份时，用链式短段合成，别用单条长生成。
- 求助前打包参考集、prompt、输出、变形时间点。
常见问题
Kling/Sora 里就算用了参考图，角色还是中途变了，为什么？ 单张正脸在头一转之后就是个弱锚点。用 2-4 个角度建一个正经的角色元素（Kling Element Library）或 Cameo（Sora），并把片长控制在模型的可靠窗口内。一张平的参考图 + 一条长片，是中途变形最常见的原因。
2026 年片长到多少之前不会开始变形？ 绑了参考大致是：Kling 3.0 Omni 约 15s，Runway Gen-4.5 角色一致性可到约 1 分钟，Sora 2 约 25s（Pro 可到 60s），Veo 3.1 每镜约 8-10s。没参考的纯文生视频飘得早得多。拿不准就把短段链起来。
图生视频会自己解决变形吗？ 帮助很大，但长镜头或高运动镜头里不能保证。把图生视频（或原生元素 / Cameo）和具体身份标记、低 motion 强度、脸部锁一起用，结果最稳。
两个角色一直互换脸，真正的解法是什么？ 每个人各出一条单主体片，剪辑里再切换。多主体身份追踪是变形率最高的地方；把主体分开就直接消除了这个失败模式。
跨多个场景保住同一个人，哪个工具最好？ Sora 2 Cameo（对录入的人一致性很强）、Veo 3.1 Ingredients to Video（最多 4 张参考图，跨场景一致性扎实），或多分镜序列用 Kling 3.0 Element Library。看你整条 pipeline 在哪家来选。
预防建议
- 任何角色相关视频默认走原生元素 / 参考（Kling Element、Runway References、Sora Cameo、Veo Ingredients），不要单靠文字。
- 多人场景规划成单人镜头加剪切。
- 任何超过模型可靠窗口的镜头都用链式参考工作流，不期待单条长生成。
- prompt 写高度具体的身份标记（3+ 个锚定脸 / 身材 / 衣着的细节）。
- 按场景类型（说话头、动作、产品运动）标准化模型 + 工作流。