為什麼角色設定表能讓 AI 影片的角色更一致
說明如何製作與使用 AI 影片的角色設定表,讓臉部、輪廓、服裝與角色特徵在新的角度、場景與動作中維持一致。

On this page
單張參考圖只能告訴 AI 影片模型,角色從某一個角度看起來是什麼樣子。側臉、身體比例、服裝輪廓、從背後看的髮型,以及這些特徵在動作中該如何保持,它都沒有完整交代。
角色設定表會在生成前把這些缺少的決定補齊。它不保證角色完全一致,但能給模型和製作團隊一份清楚得多的角色身分約定。
單張圖片留下哪些空白
模型只看到正面肖像時,必須自己推測:
- 側臉與下顎線;
- 身體比例與身高;
- 後腦的髮型;
- 被裁切掉的服裝細節;
- 鞋子、配件與整體輪廓;
- 角色在遠景中該長什麼樣子。
這些推測常常表現為「漂移」:鼻子變了、年齡不同、頭髮變短、衣服換了,或身體看起來已經不是同一個人。

一份實用的角色設定表該包含什麼
用一組精簡的圖片,每張都有明確用途:
| 視角 | 定義的內容 |
|---|---|
| 四分之三側臉 | 年齡、臉部結構、眼距、髮際線、妝容 |
| 側面 | 鼻子、下顎、耳朵與髮型輪廓 |
| 全身 | 比例、姿態、服裝版型與鞋子 |
| 背面或其他角度 | 正面看不到的頭髮與服裝細節 |
| 表情列 | 角色可以有的表情範圍,且不改變身分 |
| 服裝細節 | 確切的材質、顏色、配件與標誌位置 |
不要在設定表裡塞進無關的風格圖。每一格都應該回答一個尚未定義的身分問題。

把角色身分和場景分開
角色設定表要保持中性,才能重複使用。如果每張參考圖都用同一個戲劇性場景、有色光或極端鏡頭,這些元素可能會和角色身分綁在一起。
一份好的素材包會分開:
identity: face, hair, body proportions
wardrobe: garment, shoes, accessories
environment: location, lighting, color language
motion: gait, gesture, camera rhythm
在提示詞中寫明每張參考的角色:「圖 1–3 定義角色;圖 4 定義大衣;圖 5 定義飯店大廳。」這比附上一張沒有優先順序的情緒板更容易重現。

刻意改變場景來測試設定表
不要測五個幾乎一樣的特寫。跑三個場景,分別考驗不同特徵:
- 一個受控的特寫,角色轉頭;
- 一個新環境裡的中景動作鏡頭;
- 一個光線與鏡頭距離都不同的遠景。
角色素材包保持不變。臉部、頭髮、輪廓、服裝、動作與場景連貫性各打 1–5 分。如果每次提示詞和參考圖都一起改,團隊就無法知道是素材包的哪一部分造成漂移。
選一個能用上素材包的模型
Kinovi 上的 Seedance 2.5 最多接受 30 張圖片、10 支影片與 10 個音訊檔,輸出 4–30 秒。反覆出現的角色需要多張身分、服裝、場景與動作參考時,先測這個模型。
Seedance 2.0 最多支援 9 張圖片與 3 支影片,輸出 480p 到 4K。已經確認的角色鏡頭需要更高交付解析度時,它很好用。
換一個更好的模型,也修不好自相矛盾的角色設定表。花錢產出最終成品前,先解決素材包裡的衝突。
把角色當成製作資產保存
替核准的設定表加上版本,並和以下資料存在一起:
- 角色名稱與版本;
- 來源圖片 ID 或雜湊值;
- 服裝版本;
- 提示詞與各參考圖的角色;
- 模型 ID 與設定;
- 採用的任務 ID 與輸出;
- 關於剩餘漂移的審查筆記。
Kinovi 透過 Studio 和公開的任務 API 支援這套流程。它回報的 API 可用性為 99%,未產出結果的任務會自動退點,並透過超過 5,000 名成員的 Discord 提供支援。
常見問題
角色設定表應該放幾張圖?
放足以定義臉部、側面、身體、頭髮與服裝的視角,通常是 4 到 8 格刻意安排的畫面。只有每張圖都補上不互相衝突的資訊,多放圖才有幫助。
設定表要放多套服裝嗎?
每套服裝分開做。把多套服裝混在同一個身分素材包裡,服裝會變得比較難預測。
角色設定表能消除所有漂移嗎?
不能。它減少模糊空間,讓審查可以重現。困難的動作、遠景、角色互動與長段落,仍可能暴露模型的極限。
查核來源
最後查核:2026 年 9 月 24 日。
相關文章
More to try
相關模型

ByteDance · video model
Seedance 2.0
Next-generation AI video model by ByteDance. Combines Fast and Pro modes for high-quality video generation.
$0.0707/s

Alibaba · video model
HappyHorse 1.0
HappyHorse 1.0 is Alibaba's high-quality video generation model on Kinovi, supporting text-to-video, image-to-video, reference-image video, and video editing modes.
$0.0801/s

ByteDance · video model
Seedance 2.5
Seedance 2.5 是字節跳動的次世代 AI 視頻模型,支持最多 30 秒的生成、多模態參考以及精確的局部編輯。
$0.1197/s


