AI 人物一致性表

构建那段你要粘进每个片段的一致性提示词

把你的角色描述一次，这个工具就会把它拼成四种格式的一致性提示词：一段致密的散文块、一份紧凑的 JSON，以及为 Veo、Sora、Kling 和 Runway 排好顺序的版本。为那些主角每换一个片段就换一张脸的 AI 电影人而造。

文生视频模型在两次生成之间没有记忆，所以同一个角色要想保持同一个样子，唯一的办法是每一次都用同样的方式描述他。解法是一段一致性描述块：精确的服装颜色、一个辨识度高的细节、一条锁死的光线与调色说明，逐字粘在每条提示词的最前面。具体胜过冗长：「铁锈橙灯芯绒夹克」立得住，「时髦的夹克」就会飘。

全部在你的浏览器里运行。保存的角色存在浏览器的本地存储里，从不会被发送到任何服务器。

人物资料表

知道多少填多少。留空的字段会被跳过，但精确的颜色和一个辨识度高的细节，最能防止形象漂移。

角色名年龄段面孔与体型发型服装（精确的颜色和单品）辨识细节动作与气质光线与调色视觉风格

你的一致性描述块

在上面至少填一个字段，就能生成你的人物描述块。

已保存的角色

只保存在你的浏览器里。每个角色建一块，然后在群戏时把整组复制出来。

还没有保存的角色。在上面给一个角色起名并点保存角色，就能开始建立你的演员表。

工作原理

这张表把你填的字段拼成几种确定性的描述块：一段在任何模型上都能用的致密散文，一个供结构化流程使用的紧凑 JSON 对象，以及三个遵循各家提示指引的模型专属版本（Veo 需要一句以风格收尾的主体描述句，Sora 对叙述性散文反应更好，Kling 和 Runway 对逗号分隔的标签解析得最稳）。留空的字段会被干净地跳过，所以填了一半的表也能产出可用的描述块。保存会把角色存进浏览器的本地存储，下次打开时你就能把演员表重新建起来。

怎么让同一个角色跨 AI 视频片段保持一致

人物漂移是多片段 AI 电影的头号杀手。一个主角的夹克在两个镜头之间换了颜色，比任何渲染瑕疵都更快地把故事撕破，因为观众先追的是脸和衣服。每次生成都从零开始，所以一致性不是模型的某个设置，而是提示词的纪律：同样的描述，完整地重复，出现在每一条提示词里。

具体胜过冗长。一段 40 词、写明精确服装颜色（「铁锈橙灯芯绒夹克，里面白色 T 恤」）和一个辨识细节（「左眉上一道细疤」）的描述块，比 200 词的人物小传更管用，因为模型给具体的视觉词的权重高于背景故事。这就是一致性表背后的逻辑：它把描述压到真正控制像素的那些词上，无论你是要在 Veo 里保住同一个角色，还是要在 Sora 的整段序列里锁死一致性。

永远别写「和刚才同一个女人」。对模型来说没有「刚才」，每一条提示词就是它的整个世界。每次都把完整的描述块重新粘上；群戏时，给每个角色自己的描述块，再加一条共用的光线与调色说明，让整组人看起来像是同一个剧组拍的。把这个结果当成你的 AI 人物圣经，它在片段之间做的事，正是服装部门在真实片场做的事。

锁定演员表之后，用我们的免费 AI 视频提示词生成器把每个镜头提示词的其余部分建起来，并把人物描述块粘在它生成的内容上方。

适合谁

做 AI 短片的人在生成第一个片段之前，就给每个主角建好一份人物参考提示词模板，剪起来才接得上。
做剧集和分集内容的人把整组演员存在浏览器里，下一集时再把同样的描述块原样载入，哪怕已经过去几个月。
品牌和社交团队一次锁定吉祥物或代言人的形象，然后把同一段描述块交给每个剪辑的人，无论他们用哪个模型生成。

下一步

从剧本出发，直接得到分镜。

ScreenWeaver 把你的剧本拆成镜头，并据此生成分镜。景别、角度、运镜和时长都由你掌控。角色在镜头之间保持一致。

从剧本开始查看免费方案包含什么

0 美元，永不过期
导出 PDF 和 Final Draft
Mac、Windows、Linux、iPad

The Yellow Umbrella 镜头 S3 的 ScreenWeaver 分镜，旁边是角色设定图和剧本

AI 人物一致性表：完整指南

它把你填的人物字段拼成一段密实的散文、一个紧凑的 JSON 块，以及 Veo、Sora 和 Kling/Runway 的三种版本，顺序按各家模型的提示词建议来排，空字段干净地跳过。

这类工作的核心问题很清楚：文生视频模型在两次生成之间没有记忆，人物因此会漂移（换了脸、换了外套、换了发型），除非每条提示词都重复同一段具体描述。不解决，它就会在后面的环节制造摩擦，让决策变慢。实际要达到的是一段可复用的一致性描述块，有散文版、JSON 版和分模型版本，还有一份保存好的角色表，可以重新载入并整套复制。

需要记住的限制：一段文字能减少漂移，但消不掉：它控制不了随机种子和参考图，脸仍可能有出入。你的模型如果支持参考帧，就搭配着用。

进阶用法：有经验的团队把这张表当人物圣经用：每个角色一段保存好的描述，全体共用一行光线和调色，再把整组描述贴在每一场戏的提示词上方，这样多人同框的镜头才立得住。

一步步怎么做

按摄影机看得见的东西来填：服装的准确颜色、头发的形状、一个辨识度高的细节、走路的方式、光线。
复制与你的模型对应的版本：Veo 的整句、Sora 的叙述，或 Kling 和 Runway 的标签串。
把这段原样贴在每条提示词的开头，放在这条镜头自己的动作和运镜之前。
把每个角色保存下来，用「复制全部角色」把整组贴进多人同框的场次提示词里。

按角色分的使用场景

AI 短片创作者：开拍前先锁定主角的样子，剪进去的每一条素材才是同一个人。
剧集作者：下一集直接载入保存好的角色表，几周的生成之间也能守住连贯。
品牌团队：发一份统一的代言人描述块，所有人生成的都是同一个人物。

常见的坑

写「和刚才那个人物一样」，模型没有记忆，解不了这句话。
服装写得含糊（「一件时髦外套」），而不是模型能复现的准确颜色和单品。
在两条素材之间稍微改一改描述，把这段描述本来要防的漂移又请了回来。

行业里的做法

给每个人物正好一个显眼的辨识细节；它会成为你每条素材都去核对的那个锚点。
全体角色共用一行光线和调色，多人同框才像是同一次拍出来的。
按项目管理版本，不要按素材：外形要改就改一次，然后整场重新生成。

把这个工具的输出当成决策的辅助，而不是写作本身的替代。一个好剧本被记住，靠的是具体的选择、准确的情绪，以及戏剧动作的清晰。工具的作用是把噪音去掉，让你的精力落到真正要紧的地方：人物、冲突、升级和兑现。每过一轮就回看一次结果，把接受的改动记下来，你的工作方式会一稿比一稿更快、更可预期。这种稳定正是专业合作者看重的东西：意外更少，理由更清楚，剧本朝着有意识的方向长。

延伸问答

什么是 AI 人物一致性提示词？

一段固定文字，用准确的措辞描述人物的脸、头发、服装和风格，贴在每条视频提示词的开头。逐字重复它，目前仍是让人物在多条素材之间保持可辨认的最可靠办法。

Sora 能在多次生成之间保持人物一致吗？

它自己做不到：每次生成都是独立的。Sora 对叙述性的散文反应最好，所以这张表的 Sora 版本把人物写成一段连贯的描述，放进每条提示词里，也可以再配一张参考图。

用于 AI 生成的人物表该写什么？

姓名、年龄段、脸和体型、头发、带准确颜色的服装、一个辨识细节、动作质感、光线和调色、视觉风格。这些是模型能翻译成像素的字段；人物前史是多余的重量。

为什么要用 JSON 写人物描述？

有些流程和管线会用模板批量拼提示词，也有少数模型对结构化输入解析得不错。JSON 块带的字段和散文版一样，用 snake_case 键名，空字段会略去。

Kling 和 Runway 的版本跟 Veo 的有什么不同？

Kling 和 Runway 对逗号分隔的标签串解析最稳，所以那一版把你的字段压成标签，再加一句一致性锚点。Veo 的建议更偏向一整句主体描述、以风格收尾，它那一版就是按这个顺序排的。

保存的人物存在哪里？

只存在你浏览器的本地存储里。同一台设备、同一个浏览器刷新后还在，永远不会上传，清掉站点数据就没了。长期项目请把这些描述另存一份。

FAQ

常见问题

把完全相同的人物描述粘在每条提示词的最前面，主体在前、风格收尾，也就是这里的 Veo 版本生成的那种写法。如果 Veo 支持参考图，就把这段描述块和同一张参考帧搭配使用，多一重视觉锚点。

因为模型在两次生成之间没有记忆，任何没被指定的属性它都会重新猜一遍。你留模糊的每一个字段（头发长度、夹克颜色、年龄），都是模型会重新掷一次骰子的字段。一段完整并且重复出现的描述块，能把这种随机性去掉。

不该。背景故事的词对像素几乎没有影响。把词花在摄影机看得见的东西上：精确的服装颜色、头发形状、一个辨识细节、动作的质感，以及光线调色。短而具体，胜过长而文艺。

给每个角色各自保存一块，然后用「复制全部角色」把整组粘出来。所有人共用一条光线和风格说明，这样整组人看起来才像是同一个剧组拍的。

不会。描述块完全在你的浏览器里拼装，保存的角色存在浏览器的本地存储里。没有任何内容被发送到服务器，清除浏览器数据就会把它们删掉。