SRC-CONTENT-005：AI 角色一致性最稳技巧：Character DNA 提示词结构完整教學
来源概要
这是创作者"理工威森"发布的 AI 视觉角色设定实操文章，发布时间 2025-11-23，平台与作者同名站点 wilson-men.tw。文章以"Character DNA"作为可复用的角色卡结构，演示如何跨场景、跨动作、跨图像工具保持人物识别一致性。
核心方法与过程
作者把角色一致性拆成四类固定信息：脸部特征、发型特征、穿着特征、整体风格。实际操作流程为：
- 明确角色用途与需要长期保持的可识别特征。
- 分别写出脸部、发型、服装和整体风格，避免只堆叠"漂亮、神秘"等抽象形容词。
- 先完成一张满意的基准角色图，检查最关键的识别点是否稳定。
- 固定 Character DNA 文本，在后续提示中原样复用。
- 每一轮只改变场景、动作、构图或镜头，观察角色是否漂移。
- 发现脸型、发型或服装变化时，回到固定字段简化冲突描述，再重新生成。
失败模式与修正
作者总结的主要失败：
- 描述太短，导致模型每次重新"发明"一张脸
- 只写抽象气质，没有可观察的视觉特征
- 不同轮次不断改动发型或服装
- 过多互相冲突的细节被塞进同一份人物资料
修正方法是使用结构化、可观察、稳定复用的字段，并先完成基准角色图再扩展场景。
输入与输出
- 输入：人物脸型与五官、发型、固定服装元素、整体视觉风格，加上各场景的动作和环境要求。
- 输出：一份可复用的视觉角色 DNA / 角色卡，以及同一角色在不同场景中的系列图像。
- 适用对象：制作漫画、短视频分镜、品牌 IP、虚拟人物或连续视觉故事的个人创作者。
来源边界
- 四类 Character DNA 字段、跨场景演示与常见失败来自作者教程，并非经过对照实验验证的结论。
- 文章标题中的"最稳"为作者主观评价，未披露横向对比数据。
- 文章未公布总生成次数、订阅费用或单张成本，因此不能计算固定预算。
- 文中提到 ChatGPT、Midjourney、Nano Banana 等多个图像生成环境对提示词理解不一，但未给出统一跨模型策略。
- 该方法聚焦视觉人物卡，不应被推广为文学人物弧光或剧本写作的完整方法。
关联页面