让同一个角色撑完整部剧：Seedance 参考图、提示词与逐镜造型状态

TWno1 编辑部 · 发布 2026-10-05

本文点数与规格以 TWno1 实际计费设置为准，最后核对：2026-10-05

角色最容易画错的是发型：一部 16 集短剧的 244 张分镜图里，130 张发型不对，占 53.3%（2026 年 9 月审片）。

服装错 106 张（43.4%），眼镜错 58 张（23.8%）。脸像不像，谁都知道要盯；真正拖垮一部剧的，往往是脸以外的东西：第 3 个镜头就戴上的眼镜、该盘起来却披着的头发、晚宴那场又变回通勤衬衫的长裙。下面四个做法，前三个出自厂商文档，第四个是我们审完片才补上的。

那次审查的数据

审查对象是一部 16 集示范短剧的全部分镜图，日期 2026-09-29。和角色外观相关的三类错误：

脸也有脸的问题。同一部剧的定妆照里，两位男主的人脸相似度是 0.537，两位女主是 0.544，观众很难分清。我们之后的工作门槛是任意两个角色低于 0.40；这个数是用一个开源人脸识别模型算出来的，只对那个模型有效，换模型就得重新定。

做法一：角色只建一次，而且建对东西

每个角色在整部剧里只保留一份“母版”：一段外观文字加一组参考图。之后每个镜头都从母版取，不要每一集各写一版。

母版里放什么，BytePlus 的《Seedance 2.0 系列提示词指南》写得很具体：

• 单独一张面部特写做脸部参考，再加一张全身造型图。
• 在提示词里给角色命名，让文字和图片对得上。
• 最重要的素材放在第一个。
• 不要用多角度设定图（正面、侧面、背面拼在一张图上）。BytePlus 说这种图可能让同一个角色在画面里出现两次，而且无法百分之百避免。

最后一条和不少教程的建议正好相反。三视图在传统动画里是标配，放进 Seedance 的参考栏却可能变出一个分身。三视图留给团队看，喂给模型的只用面部特写和全身图。

画风也要在建角色时定下来。BytePlus 提醒，写实风格的参考图会把要求的 2D、3D 动画风格拉向真人实拍，除非提示词写明风格，或者先把参考图转成目标画风。

做法二：每个镜头都带参考，但别塞满

各家每次能带的参考图数量差别很大（文档查证于 2026-10-05）：

上限不等于目标。BytePlus 建议每次 4 到 5 个素材左右：1 到 2 张角色图、1 张场景图、1 段运镜视频、1 段音频，同时提醒参考人物超过 4 个会降低稳定性。一场三人同框的戏，每人一张面部特写再加一张场景图，就已经到建议值了。

这一点 Kling 做得更完整：它的 Elements 能把同一个主体的 2 到 4 张图绑成一组反复使用，还能绑定一段 5 到 30 秒的声音。我们读到的 Seedance 文档里没有对应的“主体”功能，每次都得自己按顺序上传参考图，并在提示词里用“图片 1”“图片 2”来指代。

真人照片不能当参考。Seedance 2.0 系列和 2.5 都拒收含真人面孔的参考图和参考视频，BytePlus 提供授权人像素材或数字角色库作为替代。

做法三：提示词写动作，长相交给参考图

Runway 的 Gen-4 视频指南说得最直接：描述动作，不要重复描述输入图片已经呈现的内容，主体用“the subject”或代词指代即可。道理不复杂：图里是黑色短发，文字再写一遍“黑色短发”，最好的结果是多余；最坏的结果是文字和图片有一点出入，模型两头拉扯。

但这条规则有例外，多数教程没讲。Kling 的官方指南在多角色对话场景里，反而建议每句台词都配上说话人的描述（服装、发型、身份），不然模型分不清谁在说话。

我们的折中做法：

• 单人镜头：只写名字和动作，长相全交给参考图。
• 多人同框：每个角色加一个最短的区分标签（“穿深灰外套的何静”），只写能把两人分开的那一项。
• 所有镜头：会随剧情变化的部分（眼镜、发型、外套穿脱）不写进角色母版，写进下一节的逐镜状态表。

做法四：逐镜造型状态表

前三个做法是厂商教的。这一个是被眼镜、发型、服装的错误逼出来的。

先看眼镜错的 58 张，原因有四个叠在一起：

1. 外观文字把眼镜写死在服装描述里，等于每个镜头都戴着。
2. 我们做示范剧时用的流程里，没有任何地方记录“这个镜头戴没戴”。
3. 写出名字就会画出东西。 提示词里只要出现“眼镜”两个字，连“没戴眼镜”都会画出眼镜，否定句拦不住。
4. 分镜草图本身就画了眼镜，后面照着画。

发型错 130 张也是类似的原因：当时的设定让每个角色全剧只能有一种发型，剧本写的“低盘发”被它覆盖掉；同一种发型又有好几种写法，有的识别不出来。服装错 106 张，则是因为挑造型时只看了一句职业描述，没有回头读剧本原文，匹配不上就退回默认造型。

修法是同一个思路：造型状态跟着镜头走，不跟着角色走。 落到实处就是一张表：

几条规则：

• 没戴就整个不写。 “不写”和“写没戴”是两回事，前者才管用。
• 发型和配饰只写在一个地方，服装栏只写衣服，免得两处打架。用词固定，比如统一写“低发髻”，不要一会儿“低挽成髻”一会儿“低盘发”。
• 状态变化要先写“之前”。 剧本第 7 个镜头写“戴上金框眼镜”，就要知道第 1 到 6 个镜头是没戴的。我们的规则是：一集里第一个事件决定它之前的状态。
• 每场戏第一行重写造型。 换场时把发型、眼镜、服装完整写一遍。我们有一场办公室戏没重写，结果被画成披发、没戴眼镜。
• 出图后再查一遍。 状态表只能保证发出去的指令是对的，画出来对不对要另外检查，而且要看原尺寸图，只看缩略图汇总会漏掉细节。

换工具之前，建议先做一次最笨的测试：只换服装参考图，提示词和其他参数一律不动，看衣服有没有跟着变。没变，说明这张图对结果不起作用，再多加几张也没用。

这套做法的限制和不适合的场景

• 它管不了脸部漂移。 逐镜状态表管的是造型。转头、拥抱、手挡脸时的变脸是视频模型本身的局限：Google 的 Veo 3 模型卡把“复杂场景和复杂动作下难以保持完全一致”列为已知限制，2026 年的研究预印本也指出商用视频模型仍存在身份漂移。这要靠参考图加审片重抽来解决。
• 一次性短片不值得。 只有三五个镜头的单条短片，人工看一遍就够，不必建状态表。
• 长镜头风险更高。 2026 年 5 月的一篇预印本把长视频的漂移和角色重复、属性丢失联系在一起。想让造型稳，镜头宁短勿长。
• 只适用于成年虚构角色。 真人和未成年人不在讨论范围内。TWno1 的内容政策禁止用真人的照片、姓名、肖像或声音制作色情或裸露内容。

做法一里的母版，最怕每集被人各改一版。TWno1 把角色的外观文字和参考图存在项目里，后续每个镜头调用的都是同一份。想先把一个角色的母版建起来，可以在 Studio 新建项目。

延伸阅读：Seedance 2.5 和 2.0 有什么区别？时长、参考素材、分辨率与计费怎么选、Seedance 样片模式划不划算？先出 480p 再出 1080p 的账怎么算。

常见问题

AI 短剧角色一致性，最常出错的是脸还是造型？

在我们 2026-09-29 审查的一部 16 集短剧、共 244 张分镜图中，造型错误非常普遍：发型错 130 张（53.3%）、服装错 106 张（43.4%）、眼镜错 58 张（23.8%）。人脸相似度只能检查脸，眼镜、发型、服装需要另用逐镜造型状态表管理。

Seedance 的角色参考图放几张合适？

BytePlus 的 Seedance 2.0 指南建议每次约 4 到 5 个素材，其中角色图 1 到 2 张（面部特写加全身），参考人物超过 4 个会降低稳定性。截至 2026-10-05，Seedance 2.0 系列上限 9 张图、2.5 上限 30 张，但上限不是建议值。

三视图能当 Seedance 的角色参考吗？

不建议。BytePlus 的 Seedance 2.0 提示词指南提醒，多角度或三视图的角色设定图可能让同一个角色在画面里出现两次，而且无法完全避免。建议改用一张单独的面部特写加一张全身造型图。

有了参考图，提示词还需要描述角色长相吗？

单人镜头不需要。Runway 的 Gen-4 指南建议只描述动作，不重复输入图片已呈现的内容。多人同框是例外：Kling 的指南建议每句台词配上说话人的服装或发型描述，我们的做法是每个角色只加一个能区分彼此的最短标签。

提示词写了“没戴眼镜”，为什么角色还是戴着眼镜？

在我们的审片记录里，提示词只要出现“眼镜”两个字，包括“没戴眼镜”，模型都可能把眼镜画出来，否定句拦不住。角色在某个镜头不戴眼镜时，应把与眼镜相关的字眼全部删掉，并在逐镜造型状态表里标为“不写”。

参考资料

• BytePlus ModelArk：Seedance 2.0 系列提示词指南（查证 2026-10-05）
• BytePlus ModelArk：创建视频生成任务 API（查证 2026-10-05）
• Runway：Gen-4 视频提示词指南（查证 2026-10-05）
• Kling：Element Library 3.0 使用指南（查证 2026-10-05）
• Kling：AI 提示词指南（查证 2026-10-05）
• Gemini API：Veo 视频生成（查证 2026-10-05）
• Google Veo 3 模型卡（PDF）（查证 2026-10-05）
• arXiv 2605.18733：长视频中的角色漂移（预印本）（查证 2026-10-05）
• arXiv 2608.20749：商用视频模型的身份漂移（预印本）（查证 2026-10-05）

• AI 短剧
• 教程