【实战】用了角色卡还是漂移？手把手教你角色卡的正确用法

将一张信息密集的角色卡直接交给视频模型时，人物容易发生变化，如面部、发型或衣服上的细节可能不尽如人意，导致生成的视频效果不佳，失去人物一致性，有人因此认为角色卡不具备实用性。

然而，问题并不在于角色卡本身，而是在于其使用方式。

角色一致性的建立是分为两步的：首先，使用角色卡来生成当前镜头的场景人物图；之后，通过检查后再用该场景人物图生成视频。

先来看看角色卡上包含了多少信息

以下是我制作的四张角色卡。正视图、侧视图、背面图、表情、头部结构、服装和道具都集中在同一张图上。

图：林弦歌：长卷发、深蓝色连衣裙、吉他，以及不同角度的脸。

图：青禾：蓝色发箍、绿色毛衣、波点丝巾、花布包和相机。

图：枫老师：脸部主视图、表情、全身比例和浅色衣料，后面的案例就用她。

图：Sena Aoki：全身角度、微表情、发髻、服装结构与手部参考。

这些信息有助于保存角色设定，但在一个视频镜头中，只需呈现角色在当前场景中的状态。如果将所有资料一股脑输入视频模型，模型需要从多张脸、多种角度和不同姿势中辨认出角色，并决定人物如何进入场景、如何运动。

当信息集中在一张卡片上时，可能对视频模型构成信息过载。尤其当人物的脸部仅占画面一小部分，重要细节容易被忽略，还与文字、色块、服装以及其他视角争夺空间。

我的方法是先将静态画面交给图像生成模型。

根据我的使用经验，生图模型在处理单帧细节方面更为精准。我先确定脸部、发型、服装、构图和光线，再仔细放大检查。这样传递给视频模型的画面就已经确定，接下来的工作主要是处理动作和镜头变化。

这一步先确定好角色身份、场景和构图。视频模型接收到的参考越明确，需要重新判断的内容就越少。

实战：让枫老师在窗边读书，然后抬头

我选择一个五秒的镜头：枫老师坐在窗边的木桌前读书，然后抬头看向窗外。镜头固定，双手留在书旁，不翻页，不切换镜头。这样，场景和人物在开始时就定格为"低头读书"的状态。

1. 将角色卡片交给图像生成模型

首先生成这个画面我上传了枫老师的角色卡，让图像生成模型提取她的身份和服装。原卡片上的排版、文字和色块不会进入画面。

以角色卡中的枫老师为唯一人物，保留她的脸型、五官比例、深棕色长直发、薄刘海、米白色针织上衣和层叠纱裙。生成一张竖幅 3:4 的场景人物图：她坐在安静阅览室的木桌前，低头看一本摊开的书，双手自然放在书页两侧。人物的脸清楚可见，窗户位于画面左侧，柔和暖光照入。画面只包含这一位人物和一个连续场景，不要角色卡排版、分格、标签或文字叠加。

这就是用整张角色卡生成的场景人物图：

图：输入是一张角色卡，输出是一张具体镜头的画面。角色卡中的多个视角已经被合成为当前机位下的一个人物。

我会将这张图与原始角色卡进行对比，检查脸型、五官方系、刘海和发长，再观察针织上衣、裙子，以及手与书的接触。图像看起来漂亮并不代表角色一致，单帧画面如有更改，需先更正生成图的结果，不急于生成视频。

2．如果生成的图仍有偏差，就将一张卡拆分为多张

生图工具的多图参考功能在这里很有用。与其将所有信息挤进一张图，不如将角色资料分成几张卡，每张图中展示更大的关键细节。

我重新整理了枫老师原卡的内容成以下三张参考卡，每张卡片是依据原卡重新生成的独立参考图。整理完成后必须对照原卡检查，不可将重新生成等同于无损裁切。

图：参考卡一负责脸部：脸型、五官方系和刘海。人物的脸部细节不再局限于小格子内。

图：参考卡二负责全身和服装：针织上衣、层叠纱裙、身体比例与鞋。

图：参考卡三负责细节：长直发、针织袖口、纱裙层次和鞋面。

若已拥有清晰的原图，可以直接使用，无需为拆卡而再生一次。参考图数量应根据工具支持和镜头需求选择；有些生图工具可以接收多张图，每张图都应补充有价值的信息。

我将三张卡一起上传，仍然生成窗边读书的这一幕，并明确各张图的用途：

三张参考图属于同一个人物。以第一张为脸部身份依据，第二张提供身体比例和服装，第三张补充发型与材质。保留同一张脸、薄刘海、长直发、米白色针织上衣和层叠纱裙。生成窗边木桌前低头读书的单人场景，竖幅 3:4，双手放在摊开的书旁，柔和暖光从画面左侧照入。只生成一张连续场景画面，不复制参考卡的分栏。

三张卡共同作为参考后的生成结果：

图：脸部、服装和材质分别提供参考，最终合成一张场景人物图。

若单卡生成的场景人物图符合要求，则可进入视频阶段；若发生漂移，则用多卡参考补充细节。每张参考必须为同一个人物，脸、发型与服装不可互相矛盾。

3．检查通过后，用场景人物图做视频参考。

现在进入视频阶段，将上述窗边读书图上传。人物、服装、桌子、书、机位和光线都已确定。我在视频工具中选择首帧生成入口；若工具只提供人物参考入口，就按其支持方式提交。

视频提示词描述这一镜接下来的动作：

以场景人物图为起始画面，生成五秒单镜头。枫老师先低头读书，随后缓慢抬头，视线转向画面左侧的窗户。镜头固定，不切镜。双手保持在摊开的书旁，书页不翻动。保持她的脸部特征、刘海、发长、米白色针织上衣和窗边光线连续。

图：动作设计示意：低头读书→轻抬头→看向窗户。这是静态生成的动作草图，不是视频截帧。

生成视频后，我会重点检查枫老师抬头过程。起始画面中的脸部正确并不代表转头后仍然正确；头发、衣领和双手也要保持连续性。如果场景人物图本身存在问题，就返回到生图阶段。若运动后出现变形，就调整视频阶段的动作幅度、时长或镜头要求，然后再重新生成。

附件：

1. 角色卡制作相关文章：https://x.com/leo_xiaolei/status/2102013053084545433
2. 角色卡提示词：

【任务】
基于参考图生成一张高精度角色设定板(Character Sheet)锁定角色ID，不允许生成新角色，所有画面必须基于同一角色结构

【基础设定】
风格:[写实3D/风格化3D/动漫/半写实/IP设计]
角色描述:[填写你的角色描述或上传参考图]
性别:[男/女/中性]
年龄:[数值]
体型:[瘦/标准/健壮/夸张比例]
风格关键词:[高级感/时尚/潮流/科技感/情绪化等】

【画面结构】
- 画面比例:4:3横版
- 背景:纯白/米白/极简
- U1:干净技术排版,无logo,无水印
- 字体:清晰可读英文标签

【必须包含模块】
1. 顶部信息
    - 名字(可自动生成)
    - 角色身份
    - 年龄
    - 性格关键词(3-5个)
    - 核心主题(1句)
2. 配色系统-6~8个色块(无文字)
3. 主身份展示(最大区域) 重点:锁定角色
    - 正面/3/4/侧面/背面
    - 标准站姿
    - 带比例线(身高刻度)
    - 无道具
4. 轮廓剪影
    - 正面剪影
    - 侧面剪影
5. 表情系统(8张)
    - 平静/好奇/紧张/惊讶/害怕/悲伤/坚定/放松
6. 微表情(5张)
    - 眼部紧张/微笑/嘴部用力/微恐惧/呼吸控制
7. 头部结构
    - 多角度(3/4/侧面/仰视/俯视)
8. 姿态变化
    - 放松/紧张/自信
9. 特写镜头(1张)
    - 胸部以上
    - 强情绪表达
10. 服装细节(4张)
    - 发型/材质/配饰/鞋
11. 手部动作
    - 放松/紧张/指向/抓握/面部动作

【一致性要求】
- 所有画面角色完全一致(脸/发型/比例/服装)
- 不允许风格漂移
- 主展示区域必须最大【质量要求】
- 0G级细节
- 材质真实(皮肤/布料/金属)
- 影视级光影