AI 视频角色一致性的问题，通常不是“第一条视频像不像”，而是角色换到第二个地点、第三个景别和第四个动作以后，脸型、年龄、发型、服装与道具还能不能保持同一个人。

本文用 PixPix 设计一套可重复的多场景角色工作流：先建立角色母版，再拆分镜头、复用参考素材、交接审核通过的画面，并在每个镜头后检查身份漂移。文中没有把尚未执行的生成过程写成模型实测，具体入口、规格和可用模型请以 PixPix 当前页面为准。

快速结论：一致性来自工作流，不只来自模型

想让同一个 AI 角色稳定穿过多个视频场景，需要同时做好四件事：

用角色参考图固定脸、发型、身材比例、服装和标志性道具；
把故事拆成短镜头，每个镜头只承担一个主要动作；
每次生成都重新带入角色母版，必要时再加入上一镜头的审核通过帧；
每完成一镜就检查，不让小错误继续传到后面的场景。

截至本文整理时，PixPix 的公开页面展示了多种参考驱动的视频模型。可以先按任务筛选，而不是先问“哪个模型绝对最好”：

主要任务	可以优先测试	官方公开能力与选型理由
4–15 秒人物动作、明确运镜与主体稳定	MiniMax H3	支持文字、图片、视频与声音参考，强调人物一致性、镜头执行和物理反馈
多模态参考、原生声音、复杂镜头或故事板控制	Kling 3.0 Omni	将文字、图片、视频、音频参考与生成、编辑、声音和多镜头控制放在同一工作流中
15–30 秒叙事、多张参考、延长与后续编辑	Seedance 2.5	官方资料强调多模态参考、最长 30 秒生成、继续延长和 1080P 输出

这张表是基于官方定位的任务匹配建议，不是同条件实测排名。正式项目应先选择两个候选模型，用同一套角色参考、镜头提示词、画幅和检查表完成三镜测试，再比较返工次数。

为什么角色会在不同镜头里变成另一个人

单条视频内部漂移

角色在一个镜头里转头、被手或道具遮挡、快速运动，或者摄影机绕到侧后方时，模型可用的面部信息会减少。常见结果包括眼距变化、发际线移动、衣领重构、手里的道具改变形状，以及角色在运动中突然显得更年轻或更成熟。

不同场景之间漂移

每个新镜头都是一次新的生成任务。只重复“银灰发女性、黑色套装”这类文字，模型得到的是一个人物类别，而不是唯一身份。新地点、新光线和新角度还会进一步改变视觉证据，因此第二个镜头即使“很像”，也可能已经不是同一个角色。

提示词不能替代视觉参考

文字适合说明动作、场景和运镜，但很难精确描述眼睛间距、鼻梁轮廓、衣服剪裁和道具比例。参考图为模型提供直接的视觉锚点；文字提示词则负责说明本镜头要改变什么、必须保持什么。

更稳妥的分工是：参考图负责“她是谁”，提示词负责“她现在在哪里、做什么、镜头怎么拍”。

先为原创角色建立连续性档案

本文使用原创成年角色“顾遥”作为教学案例。她是一位视觉创意人，银灰色层次短发向后收成低发髻，佩戴黑色窄框墨镜，右耳有雕塑感银色耳夹。她穿黑色高领科技感套装与黑色阔腿裤，戴黑色手套，随身携带一只带洋红色窄边的黑色手包。

四个镜头依次发生在黑色时尚摄影棚、雨夜城市廊道、镜面展厅和暮色城市屋顶。场景与镜头会变化，但人物身份、发髻轮廓、墨镜、右耳耳夹、服装结构和手包外形必须保持一致。

区分硬性锚点与可变项

类型	本案例内容	检查方式
面部锚点	成年椭圆脸型、相同五官比例和下颌线	对照正面与四分之三角度母版
发型锚点	银灰层次短发、低发髻与固定碎发轮廓	检查发缝、发色和发髻位置
服装锚点	黑色高领收腰上装、阔腿裤与手套	检查肩线、腰线、接缝和裤型
配饰锚点	黑色窄框墨镜、右耳银色耳夹	检查左右方向、比例与形状
道具锚点	带洋红色窄边的黑色手包	检查尺寸、硬挺轮廓和色边位置
可变项	地点、景别、动作、天气、摄影机运动	每个镜头只改变必要内容

准备一组而不是一张参考图

单张正面肖像不能说明角色侧脸、背面衣服和全身比例。建议至少准备：

正面半身图：确认脸型、墨镜、发型和耳夹；
四分之三全身图：确认身材、服装剪裁和手包比例；
侧面图：支持转头、行走和跟拍镜头；
背面图：确认发髻位置、肩线与上装后片；
道具特写：固定手包、耳夹和墨镜结构。

参考图使用均匀光线和清楚轮廓，不要用强烈滤镜掩盖五官，也不要在角色母版中混入多个服装版本。

图注：角色母版同时记录面部、银灰发髻、黑色窄框墨镜、右耳银色耳夹和黑色高领套装，后续场景都回到这张图核对身份。

在 PixPix 按镜头任务选择视频模型

MiniMax H3：先测试短镜头中的主体稳定

PixPix 的 MiniMax H3 官方页面当前说明其支持文字、图片、视频与声音输入，可处理人物、动作、镜头和时间顺序，并将“主体稳定”作为重点能力。页面公开的生成规格为 4–15 秒、最高 2K 与 24fps，具体选项以生成模式为准。

它更适合优先测试跟拍、推拉、摇移、升降或环绕等明确运镜，以及人物与衣物、道具需要在运动中保持稳定的短镜头。第一次测试不要同时加入快速奔跑、360 度环绕、换装和复杂物体交互。

Kling 3.0 Omni：处理多参考和复杂视听任务

PixPix 的 Kling 3.0 Omni 官方页面将其定位为全模态视频模型，可结合文字、图片、视频和音频参考，并提供视频生成、编辑、原生音频与多镜头故事板控制。

当项目需要同时锁定人物、场景基调、动作参考和声音，或者一个任务本身包含更复杂的镜头组织时，可以把它列入候选。输入素材越多，越需要写清楚每份参考分别负责人物、动作、场景还是声音，避免模型误解引用关系。

Seedance 2.5：测试更长叙事与多参考衔接

根据 PixPix 的 Seedance 高清能力说明，Seedance 2.5 当前支持最长 30 秒生成、多张图片及视频和音频参考、继续延长与 1080P 输出。

当镜头需要更长的动作铺陈、人物与场景之间的连续关系，或后续仍要延长和调整时，可以优先测试 Seedance 2.5。时长更长并不等于人物自然更稳；如果动作复杂，仍建议先用较短版本验证身份和动作结构，再进入最终规格。

把故事拆成四个可检查的镜头

一致性测试不应该一开始就生成整支短片。先用四个差异明确但可控的镜头，逐步增加难度。

镜头	场景与动作	主要变化	必须保持
1	黑色摄影棚中景，顾遥站在洋红灯框前	建立人物与道具	正脸、发髻、墨镜、耳夹、服装与手包
2	雨夜城市廊道，摄影机侧后方跟拍行走	环境与运动	侧脸、发髻位置、上装后片、手包形状
3	镜面展厅低机位，顾遥伸手调整透明展台	姿势与物件交互	年龄、身体比例、耳夹位置、服装结构
4	暮色城市屋顶广角，顾遥回望城市	光线与远景	人物轮廓、发色、黑色服装与手包色边

镜头 1：先建立人物与道具

镜头 1 使用稳定中景，顾遥站在黑色摄影棚的洋红灯框前。这个镜头不追求复杂动作，重点是确认正脸、发型、墨镜、服装和手包能否同时成立。

图注：第一个镜头先用清楚的三分之四面部和简单手部动作建立人物、服装与道具基准。

镜头 2：改变环境并加入行走

镜头 2 将人物移到雨夜城市廊道，并从左后方跟拍。需要检查侧脸、发髻位置、上装后片与黑色手包是否仍然连续。

图注：场景、光线和动作已经变化，但人物年龄、发髻轮廓、墨镜、右耳耳夹、上装结构与手包外形仍需保持。

镜头 3：增加姿势变化与物件交互

镜头 3 让顾遥在镜面展厅伸手调整透明展台。低机位、镜面反射和手部交互会增加身体比例、重复人物与手部变形风险，因此手包作为稳定参照保留在身旁。

图注：镜面反射和物件交互同时出现时，应检查脸、发髻、耳夹、服装接缝、手部接触关系和手包比例。

镜头 4：用远景验证人物轮廓

镜头 4 切换到暮色屋顶广角，顾遥背向城市并回头。远景中的面部信息减少，更要依靠银灰发髻、墨镜轮廓、黑色套装剪影和手包洋红色边线维持识别。

图注：最后一镜主要变化是景别与光线；人物轮廓、服装色块和道具颜色仍应与母版一致。

镜头 1 通过后再进入镜头 2。若镜头 2 的侧脸、发髻或手包已经变化，不要继续把它作为镜头 3 的唯一参考。

用固定身份块编写每个镜头的提示词

通用角色身份块

下面是为本案例设计的可复用模板，不是参考文章或任何模型的原始提示词：

通用模板｜角色身份块
原创成年女性角色顾遥，成年椭圆脸型，银灰色层次短发向后收成低发髻，佩戴黑色窄框墨镜，右耳佩戴雕塑感银色耳夹。她穿黑色高领收腰科技感上装、黑色阔腿裤和黑色手套，携带一只带洋红色窄边的硬挺黑色手包。保持相同脸型、年龄、发髻位置、身材比例、服装接缝、墨镜、耳夹方向和手包结构，不换装，不增加配饰。

这段身份块应在每个镜头中重复。场景提示词只追加地点、景别、动作、摄影机、环境动态、声音和结束状态。

镜头提示词结构

可以按以下顺序组织：

场景与时间；
景别与摄影机位置；
一个主要人物动作；
一个摄影机动作；
环境中允许运动的元素；
声音需求；
角色与道具不可变化项；
镜头结束时的姿势和构图。

镜头 2 示例

通用模板｜雨夜跟拍镜头
雨夜的现代城市廊道，地面有克制的湿润反光。中大全身景，摄影机位于顾遥左后方，缓慢平行跟拍。顾遥手持带洋红色窄边的黑色手包，以稳定步速向前行走，途中只轻微转头看向摄影机。雨水、上装下摆和发梢自然运动，背景保持干净且没有其他人物接近主体。保持角色身份块中的脸型、年龄、银灰发髻、黑色窄框墨镜、右耳银色耳夹、服装剪裁和手包结构不变。镜头结束时，顾遥停在画面右侧三分线，侧脸和手包完整可见。

提示词里不需要反复堆叠“电影感、震撼、高级”等抽象形容词。对一致性更有帮助的是明确摄影机在哪、角色做几个动作、什么必须不变，以及镜头在哪里结束。

让上一镜头帮助下一镜头，而不是传播错误

主参考与交接帧承担不同任务

角色母版是主参考，负责长期身份；上一镜头的审核通过帧是辅助参考，负责当前服装状态、光线方向和空间衔接。每个新镜头仍应带入角色母版，不能只依赖上一个输出帧。

图注：母版持续负责人物身份，审核通过帧补充当前服装、道具与场景状态；二者共同进入下一镜头，而不是只传递上一帧。

只交接干净的审核通过帧

选择面部清楚、没有运动模糊、手和道具完整、服装结构正确的画面。若镜头最后一帧恰好出现闭眼、遮挡或形变，可以选择附近更稳定的一帧作为视觉参考，并在剪辑中单独处理转场。

定期回到角色母版

连续把上一镜头传给下一镜头，会让微小变化逐步累积。完成两到三个镜头后，应重新与角色母版核对；一旦出现明显漂移，回到母版或更早的强参考重新生成，而不是继续沿用错误帧。

用同一张检查表验收每个镜头

每条视频生成后，至少检查以下项目：

检查项	通过标准	常见失败
面部身份	五官比例、年龄和脸型保持稳定	眼距变化、脸变幼、鼻梁重构
发型	银灰发色、发缝、碎发和低发髻位置一致	发髻换边、头发突然变长或变色
服装	高领上装的肩线、腰线、接缝与裤型一致	衣领变化、接缝消失、版型漂移
配饰	墨镜比例稳定，右耳银色耳夹存在且方向正确	左右互换、重复出现或变形
道具	黑色手包尺寸、硬挺轮廓和洋红色边线连续	包体变软、色边换位、凭空消失
动作与物理	步态、布料、雨水和接触关系自然	滑步、穿模、手指粘连
镜头衔接	前后景别、视线和运动方向可剪辑	人物位置跳变、方向轴突然反转

面部身份、年龄、标志性服装和道具属于硬性检查项，失败就应修正或重做。背景小物的位置变化通常是软性问题，是否接受取决于镜头叙事。

图注：把四个镜头并排检查，比逐张凭印象判断更容易发现发髻换位、墨镜比例变化、耳夹消失、服装接缝漂移或手包变形。

最容易破坏角色一致性的六种做法

只重复文字，不重复参考图

相同提示词只能维持人物类别，不能可靠保存唯一身份。每个镜头都应重新引用同一套母版。

一个镜头塞入太多动作

同时奔跑、转身、打开手包、伸手互动、蹲下和抬头，会增加遮挡与姿态变化。先确定一个主要动作，再用后续镜头完成下一步。

把错误的结束帧一直往后传

前一镜头的发型已经变长，后续镜头会把错误当作新标准。交接前必须先验收，出现漂移时回到角色母版。

同时更换地点、光线、服装和机位

一次改变太多变量，很难判断是哪一项导致身份变化。测试阶段每个镜头只增加一个主要难点。

多角色共用一张参考图

多人镜头容易发生脸部融合、服装互换和道具错配。应为每个角色准备独立参考，并明确人物的空间位置与互动顺序。

先追求最高分辨率，再检查人物

高分辨率不能修复已经漂移的身份。先用适合迭代的规格确认角色、动作和镜头，再进入最终输出设置。

常见问题

只用一张人物照片能完成多场景视频吗？

可以开始测试，但正面照片没有提供侧脸、背面和全身比例。镜头角度越多，越应该补充多角度角色参考和道具特写。

PixPix 里哪个视频模型最适合角色一致性？

没有脱离任务的统一答案。短动作、明确运镜和主体稳定可以先测试 H3；多参考、声音和复杂镜头组织可以测试 Kling 3.0 Omni；更长叙事和多模态参考可以测试 Seedance 2.5。最终选择应来自相同条件下的三镜测试。

使用上一镜头最后一帧就一定不会变脸吗？

不会。结束帧能帮助传递当前服装、光线和构图，但也可能携带运动模糊、闭眼或细微形变。它应作为辅助参考，角色母版仍是长期身份标准。

角色可以在中途换装吗？

可以，但换装应被定义为明确的剧情变化。保留脸、发型、年龄和身体比例，同时为新服装建立新的正面、侧面和背面参考，不要让模型自行推断服装结构。

多人物对话怎么减少身份互换？

为每人准备独立参考，先生成单人反应镜头，再处理双人中景。提示词中写清人物的左右位置、视线和动作顺序；若脸部仍互换，可以拆镜头后在剪辑阶段建立对话节奏。

使用真实人物参考图要注意什么？

应确保拥有素材使用权和人物授权，不用未经许可的肖像制作误导性内容。公开或商业使用前，还要检查目标平台与地区的相关规则。

总结

多场景 AI 视频的角色一致性不是一次生成的运气，而是一套可检查的制作方法：

建立角色母版 → 划分硬性锚点 → 按任务选择模型 → 每镜只增加一个主要变量 → 复用母版与审核通过帧 → 逐镜验收 → 漂移时重新锚定。

在 PixPix 开始项目时，可以先用顾遥的四镜测试结构替换成自己的原创角色。只生成前三镜，就足以观察正面、侧面、运动、光线和道具是否稳定；通过后再扩展完整故事，比直接生成长片更容易控制返工成本。