專題導讀：這篇文章整理 AI 繪圖角色一致性的完整工作流，由 Reference Image、角色設定、故事線到多圖連續創作，幫助創作者由 prompt writer 進一步變成 character director。
很多人開始玩 AI 繪圖時，第一個想解決的問題都是：
怎樣令同一個人物每次都長得一樣？
於是大家會不斷在提示詞入面加外貌描述：金髮、藍眼睛、長睫毛、瓜子臉、精緻五官、白皙皮膚、修長身形。
但玩了一陣子之後，你會發現一件事：外貌描述寫得再仔細，每張圖仍然可能像不同人。原因很簡單。因為 AI 很多時候記住的是「外觀特徵」，不是「角色本身」。
真正穩定的角色，不只是五官組合，而是一個有身份、有氣質、有習慣、有行為邏輯的人物。換句話說，AI 繪圖真正要固定的，不只是樣貌，而是角色的存在感。
引言：為什麼現在更需要「導演思維」？
之前提過，現在的 AI 繪圖已經不只是「輸入一句 prompt，然後 render 一張圖」。愈來愈多 AI 圖像工具和研究方向，正在走向多輪理解、多輪修改和 iterative refinement 的流程。
簡單來說，就是 AI 先理解你的要求，生成初步畫面，然後根據畫面結果作出檢查，再判斷哪些地方需要修正，最後進入下一輪修改。
在技術上，這類方向有時會被描述為 multi-turn editing、closed-loop feedback、planning-reasoning-generation，甚至是 perception-reasoning-action loop。
不用被這些名詞嚇到。用創作語言來說，其實就是：AI 不再只是一次過畫完就算。它開始可以在多輪互動中，理解上下文、保留部分元素、修改指定細節，甚至根據前一版結果再作調整。
正因如此，創作者的角色反而更加重要。因為當 AI 只是一個一次性 render 工具時，你可能只需要寫一條漂亮 prompt，讓它生成一張漂亮圖片。
但當 AI 開始可以多輪理解和修正時，問題就變成：你到底想它保留什麼？你想它改變什麼？這一張圖和上一張圖有什麼關係？這個角色在故事裡是否仍然是同一個人？
如果創作者沒有先定好這些標準，AI 的多輪修正反而可能愈修愈偏。它可能保留了你不想保留的元素，也可能改走了你最想固定的角色特徵。更常見的是，每一張圖單獨看都很漂亮，但放在一起卻不像同一個角色，也不像同一條故事線。
所以，AI 圖像工具愈進步，創作者愈不應該只做 prompt writer，而應該開始做 character director。AI 可以幫你 render，但你要負責 continuity。AI 可以幫你畫下一張，但你要知道她的下一幕。
10 個步驟，建立有延續性的 AI 角色
1. 理解角色一致性，不只是樣貌一致
現在愈來愈多人討論 Character Consistency，也就是角色一致性。網上不少 AI 圖像工具、教學和研究，都開始強調 reference image、character reference、character bible、storytelling workflow 等概念。
意思是：如果你想做出一個能夠跨場景、跨服裝、跨鏡頭延續的人物，就不能每次只靠一句新的提示詞重新抽獎。
這裡最容易犯的錯誤，就是把角色一致性理解成「樣貌一致」。當然，樣貌很重要。但一個真正讓人記得住的角色，不只是臉一樣。
她的眼神要一致。氣質要一致。年齡感要一致。穿衣邏輯要一致。行為方式要一致。甚至她在不同場景中的反應，也要有一種「這就是她會做的事」的感覺。
所以，角色一致性的核心不是：每一張都畫到同一張臉。而是：每一幕都仍然像同一個人。
2. 先建立理想的 Reference Image
在講提示詞之前，其實有一個更重要的基礎：Reference Image。
很多人會太快進入提示詞階段，但如果連角色的視覺母版都未先固定，後面再多描述也容易漂移。比較穩妥的做法，是先用圖片，或者先用 AI 反覆調教出一張最理想的角色 reference image。
這張圖不只是「好看」那麼簡單。它要能夠清楚代表這個角色的臉、髮型、氣質、年齡感與整體身份。
簡單來說：文字描述，是幫 AI 理解角色概念。Reference image，是幫 AI 鎖定角色身份。兩者要一起使用，角色才會更穩定。
所以，第一步不是寫提示詞，而是先建立角色的視覺錨點。不要拿一張「差不多」的圖做 reference。要先調教到「就是她」那張，才開始延伸。
3. 檢查 Reference Image 是否適合做母版
一張好的 reference image，最好有幾個條件。
第一，臉部要清楚。五官、臉型、眼神、眉形、鼻樑、嘴唇和下巴輪廓最好都能看得清楚。
第二，髮型要明確。髮色、長度、分界、瀏海、捲直程度，最好不要太模糊。
第三，角度不要太極端。太側面、太低角度、太誇張光影，都可能令 AI 後面難以判斷這個角色真正的標準樣貌。
第四，表情不要太誇張。如果 reference image 本身是大笑、驚訝、誇張表情，之後 AI 可能會把這種表情誤當成角色身份的一部分。比較穩妥的母版，通常是自然表情、清晰五官、穩定光線。
第五，氣質要鮮明。她是陽光、清冷、溫柔、成熟、神秘，還是活潑？Reference image 應該能讓人一眼感受到。
第六，風格要穩定。你想走寫實、日系、電影感、時尚感、漫畫感，最好一開始就定清楚。因為風格本身也是角色記憶的一部分。
4. 了解不同平台做法：Reference Image 或 LoRA
當然，不同 AI 圖像平台有不同限制。有些平台可以直接透過 reference image、character reference 或 image prompt 去維持角色一致性。
有些平台則更適合透過 LoRA 或角色模型訓練，將人物特徵固定下來。後者在角色一致性上往往可以更穩定，特別適合長期創作同一個人物系列。
不過，LoRA 訓練涉及資料準備、模型訓練、權重控制和平台差異，屬於比較專業的技術流程，這篇先不詳細討論。
這裡先記住一個重點：工具方法可以不同，但目標是一樣的。你要先固定角色身份，再去變化場景和故事。
5. 寫出基本樣貌描述
有了 reference image 之後，下一步才是補上基本樣貌描述。雖然提示詞不是最核心，但外貌描述仍然需要。只是它不應該亂寫，而應該有系統。
你可以分成幾個部分。臉部特徵：臉型、眼形、眉形、鼻樑、嘴唇、下巴、輪廓線。
髮型特徵：髮色、長度、分界、瀏海、捲曲程度、髮質。
身形特徵：身高比例、肩膀、腰線、體態、運動感或柔和感。
氣質特徵：清冷、陽光、成熟、活潑、神秘、優雅、鄰家感。
標誌元素：常戴的飾物、常穿的顏色、某種表情、某種姿勢。
例如，不要只寫：美麗日本女性。
一位成年日本女性角色，柔和鵝蛋臉，眼神明亮但帶一點安靜感，黑色中長髮，空氣感瀏海，笑容自然，不誇張，身形健康修長，氣質介乎清純與成熟之間，整體感覺溫柔、乾淨、有生活感。
這樣 AI 接收到的就不是一堆散亂形容詞，而是一個有辨識度的人物方向。
6. 建立角色設定檔 Character Bible
這一步很多人會忽略，但其實非常重要。因為角色一致性不只是臉一致，而是她在不同場景下仍然像同一個人。
你要問自己：她是誰？她的年齡感是怎樣？她平時說話快還是慢？她遇到陌生環境會主動探索，還是先觀察？
她喜歡熱鬧還是安靜？她是自信、害羞、理性、感性，還是帶一點反差？她的穿衣習慣是簡約、時尚、運動、復古，還是高級感？她在鏡頭前會自然微笑，還是習慣避開眼神？
這些資料可以整理成一份 Character Bible，即角色聖經。角色聖經不一定要很長，但要穩定。它的作用是讓你每次生成圖片前，都有一份角色核心設定可以重複使用。
例如：她是一個喜歡安靜旅行的人。她不會每張圖都擺出誇張 pose。她的表情通常自然、溫和、有一點觀察感。她的服裝可以變，但大方向偏簡約、乾淨、有生活感。她在鏡頭前不會過度表演，而是像被捕捉到一個自然瞬間。
這些設定，會令角色比單純外貌描述更穩。
7. 建立故事線，而不是只想單張圖
很多人生成圖片時會想：下一張畫什麼？但如果你想角色有延續性，應該改成：她接下來會去哪裡？
入住飯店 → 房間整理行李 → 泡湯 → 穿浴衣去陽台看夕陽 → 夜景酒吧喝一杯 → 第二天清晨在街角咖啡店寫明信片。
這樣角色不再只是漂亮圖片，而是有時間線、有情緒推進、有生活脈絡的人物。故事線有一個好處：它會自然限制 AI 不要每次重新發明角色。因為每一張圖都不是獨立存在，而是上一幕的延續。
這裡的重點不是寫一個很複雜的劇本。而是最少要知道：上一幕發生了什麼。這一幕她在哪裡。她正在做什麼。她的情緒有沒有變。下一幕可以怎樣自然接下去。
當你用這種方式思考，畫面就不會只是 random image。它會開始有 continuity。
構圖參考照：角色故事線示例
以下五張相片放在第 7 點之後，用來示範同一角色在不同情景中的延續。重點不是每一張圖都一模一樣，而是在不同場景、服裝與情緒之間，仍然保持同一角色的身份與故事感。
同一角色延續到第二天早上的咖啡店場景，作為故事線收結與生活感延伸。
8. 最後才寫提示詞
提示詞不是魔法。它只是導演和 AI 溝通的語言。
一個比較穩定的提示詞，可以用這個結構：角色身份 + reference image + 固定外貌 + 固定氣質 + 當前場景 + 當前動作 + 服裝變化 + 光線鏡頭 + 保持不變項目。
使用同一位成年日本女性角色，以 reference image 作為角色身份基準，保持她的柔和鵝蛋臉、明亮安靜的眼神、黑色中長髮、空氣感瀏海、自然笑容、健康修長身形與溫柔乾淨的氣質。這一幕是她入住溫泉飯店後，穿著簡約米白色針織外套，站在房間窗邊望向夕陽。畫面為寫實電影感攝影，柔和自然光，半身構圖。請保持同一角色身份，不改變臉部比例、髮型基礎、年齡感與整體氣質。
這裡最重要的不是詞多，而是前面的角色工作有沒有做足。提示詞不是每次重新創造角色。而是每次提醒 AI：這仍然是同一個角色，只是進入了新的場景。
9. 分清楚哪些元素固定，哪些元素可以變
做角色一致性，最重要的不是所有東西都不變。如果所有東西都不變，畫面會變得死板。真正要做的是分清楚：哪些元素必須固定？哪些元素可以因應場景改變？
固定的通常是：臉部比例、年齡感、髮型基礎、氣質、身形比例、角色性格。
可以變的是：衣服、場景、姿勢、情緒強弱、鏡頭角度、光線時間。
例如，同一個角色可以在酒店大堂 check-in，可以在房間整理行李，可以在溫泉裡放鬆，也可以在夜景酒吧喝一杯。場景變了。服裝變了。光線變了。但她仍然要像同一個人。這就是 continuity。
角色一致性不是把角色鎖死。而是讓角色可以在不同場景裡合理變化，但仍然保留核心身份。
10. 每次生成後做一致性檢查
不要只問圖片漂不漂亮，而要問：這還是不是同一個人？眼神有沒有變？臉型有沒有漂移？年齡感有沒有改變？氣質是否仍然符合角色？服裝雖然不同，但穿衣邏輯是否一致？這一幕是否合理接住上一幕？
如果答案是否定的，就不要只補一句「更像上一張」。你要指出哪裡不一致。
例如：保持上一張的眼形和下巴輪廓，不要把臉變得更尖。保持原本安靜溫柔的氣質，不要變成過度誇張表情。保持黑色中長髮和空氣瀏海，不要改成金髮或大波浪。保持同一位角色的年齡感，不要變成熟十歲。
這種修正會比單純說「保持一致」更有效。而這裡，正好配合現在 AI 繪圖的多輪修正趨勢。AI 愈能夠理解和修改，你愈需要提供清楚的判斷標準。否則 AI 只知道你想「改靚啲」，但不知道什麼不能改。
結語：AI 繪圖是在當導演
總結來說，AI 繪圖的核心，正在由 prompt engineering 走向 character directing。
以前我們以為重點是寫出一條神級提示詞。但真正玩到後面，你會發現：Reference image 先於提示詞。角色先於畫面。故事先於單張圖片。Continuity 先於每一次 render。導演思維先於技術操作。
很多人用 AI 繪圖，仍然是逐張圖片去想：這張要畫什麼？但如果你想做出有連貫性的角色作品，更好的問題其實是：她接下來會去哪裡？
這個分別很重要。逐張 render 的思維，是每次重新生成一張漂亮圖片。角色導演的思維，是讓同一個人物在不同場景裡自然延續。前者追求的是單張好看。後者追求的是系列成立。
當 AI 工具愈來愈能理解上下文、進行多輪修正、延續角色與畫面細節，創作者就更需要負責方向感。AI 負責生成畫面。你負責角色 continuity。AI 負責把圖畫出來。你負責判斷這一幕是否仍然是她。
所以，AI 繪圖的真正進階，不是把 prompt 寫得愈來愈長。而是把角色、故事、場景和視覺記憶點建立得愈來愈清楚。
當這些基礎建立好之後，提示詞反而可以變得更簡單。因為 AI 已經知道你想創作的，不是一張孤立圖片，而是一個可以繼續走下去的角色。
AI 可以幫你畫下一張。但你要知道她的下一幕。AI 可以幫你 render。但你要負責 continuity。AI 繪圖不是在寫提示詞。AI 繪圖是在當導演。
補充：當角色建立完成，可以用簡單指令做多圖連續創作
當你完成前面的角色建立流程後，AI 其實已經不只是理解一張圖片，而是開始掌握一個角色系統。
它知道這個角色的樣貌、氣質、性格、故事線、哪些元素不能變，以及哪些元素可以隨場景調整。這時候，你就不需要每一張圖片都重新寫一大段完整提示詞。
更有效的做法，是用一個較高層次的簡單指令，要求 AI 按照既定角色設定和故事脈絡，一次產出多張互相連貫、但各自獨立可用的照片。
根據以上角色設定，把她入住酒店後的一連串情景，變成多張構圖參考照片，並逐一產出。場景包括：酒店 check-in、房間整理行李、泡湯、陽台看夕陽、夜景酒吧，以及第二天清晨在咖啡店寫明信片。請保持同一角色身份、氣質、年齡感和故事連貫性，但每張照片都要有獨立構圖和完整畫面。
這個方法的好處是，AI 不再每次由零開始理解角色。它是在一個已經建立好的角色框架入面繼續創作。
所以整體會更容易保持：角色一致性、畫面連貫性、故事節奏感，以及系列作品的統一氣質。
這也是 GPT 在 AI 繪圖上的一個很實用技巧。前面不是為了把提示詞寫得更長。而是為了讓 AI 真正理解：這個角色是誰。她在哪個故事裡。她接下來會去哪裡。
當這些都建立好之後，你只需要用簡單指令推進情節，AI 就可以幫你把角色延伸成一組連續照片。這才是由「逐張 render」進入「角色導演」的真正分別。
AI 可以幫你畫下一張。但你要知道她的下一幕。AI 繪圖不是在寫提示詞。AI 繪圖是在當導演。
📸 Reference image 先於提示詞🎬 角色先於畫面✨ 故事先於單張圖片🔁 多輪修正放大導演判斷🎥 提示詞只是最後的翻譯工具
歡迎討論。