角色参考图：多视角生成方法

这一页交出素材包的素材二：角色参考图。3.1 角色设定卡 把老陈「写成什么样」定死了，这一页把他「画成什么样」定死——用固定描述段生成一套多视角的 AI 角色参考图，之后每个镜头都照着这套图认人。整门课程到这里才真正开始出图：前面两栏全是纸面功课，从这一页起每次生成都真金白银花时间或点数（多视角方法与验收清单为本课程教学设计，工具的节点级操作链接 comfyui 栏目对应页）。

学完你能做什么

• 从分镜表反查视角清单，确定你的角色需要哪几张 AI 角色参考图（定妆照、全身、局部）
• 用固定描述段生成首选定妆照，按官方建议验收：光照均匀、表情中性、逐项对设定卡
• 从定妆照派生全套多视角参考图——全身、鞋、手都有得参考，不再是一张正脸管所有镜头
• 说得出参考图和固定描述段怎么配合着喂给后面每一个镜头
• 讲得清参考图的边界：参考图提高一致性，但不是「跨镜头永不变脸」的绝对保证

你现在的困境

• 「设定卡写好了，可生成还是纯文字抽卡：十张图十个老陈，选谁都心虚。」
• 「学人家做角色三视图，一张图里正脸、侧脸、背影仨长相，像三个演员的合照。」
• 「抽到一张特帅的定妆照——侧光、雨夜、氛围拉满。拿去当参考，后面的镜头全跟着学了个半黑脸。」

什么时候用这一招

当你需要：

• 把 3.1 的固定描述段 变成一套「认人依据」的图像，之后每个镜头生成都照着它
• 第一次为本课程真正生成图片，顺手检验设定卡的描述画不画得出来
• 给后续所有环节一个统一对照物：生成镜头首帧、连续性检查、剪辑核对

而且不想：

• 每个镜头都从文字重新想象老陈，脸型年龄全凭抽卡运气
• 参考图画一堆、张张不一样，越攒越乱
• 带着大光影、夸张表情的参考图进镜头生成，把全片的脸带偏

🎒 开始前的准备

• 完成了 3.1 角色设定卡：固定描述段已存成单独文件（老陈示例：角色卡_老陈.txt），这一页每次生成都整段粘贴它
• 分镜表在手：2.4 分镜表——第 1 步要从它反查视角清单
• 选定了制作路线（1.3 两条制作路线）：本地路线要装好 ComfyUI 的机器，云端路线要有平台账号
• 本地路线：跑通过 第一次生图——会加载工作流、写提示词、按 Ctrl+Enter 运行
• 云端路线：所用平台的生图功能已开通——各平台操作未在本栏目核验，按平台自己的教程走
• 建一个放参考图的文件夹——第一批素材就归档，别等攒一堆再整理

核心思路

文字锁脸有极限：从文字到像素，隔着一层「想象」。

固定描述段把「40 岁上下、方脸、短黑发」写死了，但模型每次都要从这段文字重新想象一张脸——同一句话，这次画得棱角分明，下次就圆一圈（3.1 说过：哪怕提示词一模一样，两次生成也可能画出两张脸）。参考图把这层想象去掉：模型不再「想」一张脸，而是看着图「抄」一张脸。

官方流程也是这么排的。Runway 官方长视频制作流程是「故事构思 → 分镜 → 角色参考 → 生成多个短片段 → 剪辑组合」（见 1.1 全流程总览）——角色参考排在生成片段之前：先定「人长什么样」，再拍「人干什么」。

参考图是引导，不是保证。 Runway Gen-4 官方帮助 把参考图定位为「引导」生成图像中的角色、物体或风格，并建议输入光照均匀、表情中性、分步迭代调整。也就是说：参考图大幅提高「像同一个人」的概率，残余漂移永远存在——抓脸仍是 2.5 连续性检查 的活儿，兜底手段在 4.3 首尾帧控制。

为什么要「多视角」——一张图管不了一部片。 翻开分镜表：老陈在 02、04、08 是中景，06 是全景（全身入画），10 是近景，还有 05 的鞋、09 的手两个局部特写。一张正脸定妆照锁得住脸，锁不住全身比例和鞋子款式——每个景别都得有得参考。所以 AI 角色参考图不是一张图，是一套图：

	只用固定描述段	固定描述段 + 多视角参考图
模型怎么知道老陈长什么样	每次从文字重新想象	看着参考图抄
两次生成的脸	抽卡，可能差很远	有共同基准，漂移变小
全景的身材比例、鞋的款式	靠文字约束，容易走样	全身参考图直接对照
残余风险	脸、服装随时漂	仍可能小幅漂移——引导不是保证

跟我做

下面继续用《塌了也好看》的老陈做完整示范（本课程教学示例，你可以全程用自己的角色照做）。

第 1 步：从分镜表反查视角清单——AI 角色参考图为镜头服务

为什么：参考图是为镜头服务的。镜头用什么景别、什么视角，参考图就备什么——先列清单再开工具，清单之外的图再好看也不做，清单之内缺一张，那个镜头就还是靠猜。

操作：翻开 2.4 分镜表，把老陈的镜头按「这张图要管什么」分组（本课程教学模板）：

参考图	服务哪些镜头	画面要求
首选定妆照（正面半身）	02、04、08（中景）、10（近景）	光照均匀、表情中性，上半身完整
全身正身图	06（全景：连人带盒摔进水洼）	全身入画，服装、鞋、蛋糕盒齐全
局部参考：鞋 / 手	05（鞋底打滑）、09（手拢奶油）	灰白色旧运动鞋 / 手部特写

网上常说的「角色三视图」（正面、侧面、背面画进同一张图）是动画行业通用的设定图形式。你的片子用到什么视角就备什么：《塌了也好看》正面取景为主，侧面、背面不是硬需求；如果你的分镜表里有侧脸或背影镜头，把对应视角补进清单。

你应该看到：一张视角清单，每行 = 一张要生成的参考图 + 它服务的镜头号。清单里没有「好看」这一栏——只有「哪个镜头要用」。

• 视角清单列完：每张参考图都能指回具体镜头号，没有多余的图

第 2 步：生成首选定妆照——固定描述段整段进提示词

为什么：定妆照是整套参考图的基准——第 4 步的其他视角全部从它派生，后面所有验收都拿它当底。基准选歪，全套跟着歪，所以它第一个生成。

操作：提示词 = 固定描述段（一字不改，整段粘贴）+ 一行构图要求（本课程教学模板）：

40 岁上下的中国外卖骑手，方脸，短黑发，皮肤偏黑粗糙，下巴一层短胡茬，
眼角细纹，眉眼温和，嘴角微微下压；穿黄色骑手马甲、深蓝色长袖、黑色长裤、
灰白色旧运动鞋；怀里抱着系红丝带的白色蛋糕盒。
正面半身像，光照均匀，表情中性，简洁背景

前三行永远不变，最后一行是给这一张图的任务。生成工具按路线选：

方式 A：本地 ComfyUI 文生图（本地路线默认）

• 生图模型按机器挑：Qwen-Image 工作流（20B，文本编码器是 Qwen2.5-VL，官方说明支持中文等语言，固定描述段直接中文粘贴；权重约 19GB，官方实测来自 24GB 显卡），或更轻的 Z-Image-Turbo（6B，16GB 显存能跑，8 步出图）
• 没跑过 ComfyUI 的先过 第一次生图

方式 B：云端平台生图（云端路线）

• 用你所用平台的文生图功能，提示词同样组装
• 各平台的界面操作与价格未在本栏目核验，按平台自己的教程走；生成次数记进 1.4 成本与试错记录表

你应该看到：候选图里出现上半身的老陈——方脸、短胡茬、黄马甲、白蛋糕盒都在；光照平顺，没有半边脸埋进阴影；表情平静不夸张。一次不满意就多抽几张备选：这一步是「抽卡」，下一步才是「选卡」。

• 定妆照候选出了几张，每张的提示词里固定描述段都整段在

第 3 步：按官方标准选图——光照均匀、表情中性、逐项对设定卡

为什么：Runway Gen-4 官方帮助 对参考图输入的建议就是光照均匀、表情中性；本课程再加一条：逐项对设定卡。这张图要当全片的基准脸——帅不帅其次，对不对才是首要。

操作：候选图逐张过三道验收线（前一道是官方建议，后两道是本课程验收模板）：

验收线	看什么	不过怎么办
官方线	光照均匀（无半脸阴影）、表情中性（不哭不笑不怒）	换下一张候选；全军覆没就回第 2 步重抽
设定卡线	长相服装逐项对：方脸、短黑发、短胡茬、黄马甲、深蓝长袖、白蛋糕盒红丝带……	缺项多半是描述段没贴全或被模型忽略，重抽
用途线	正面半身、背景简洁、脸够大够清楚（后面要反复拿它肉眼比对）	构图不对就在提示词里加强「正面半身像」，重抽

这一步同时是在打磨素材一：如果固定描述段里某条（比如「眼角细纹」）反复生成不出来，说明这条描述对模型不够有效——回 3.1 角色设定卡 改写成更具体的说法，再回来重抽。设定卡不是写完就锁死，第一次生成正是检验它的时机。

你应该看到：一张「三线全过」的定妆照被单独存进参考图文件夹，文件名带角色名和用途（比如 老陈_定妆照_v1.png；完整命名规范到 3.5 素材命名与版本管理 统一）。

• 定妆照三线全过：光照均匀、表情中性、设定卡逐项对得上

第 4 步：从定妆照派生多视角角色参考图

为什么：剩下的参考图（全身、局部，以及需要时的侧面背面）如果各自从文字独立生成，就回到「三张脸三个样」的老问题。官方建议的分步迭代在这一步落地：以定妆照为基准一张张派生，每一步脸都有得抄。

操作：按参考图类型选路：

方式 A（推荐）：用编辑模型从定妆照改出来

• 本地路线：FLUX Kontext——官方主打角色一致性，同一个角色多轮编辑、换装换背景后面部特征保持稳定。把定妆照喂进去，用英文指令派生全身图（Kontext 提示词仅支持英文；指令写法和节点操作都在那一页）：

Change to a full-body standing pose, holding the white cake box with a red ribbon,
maintaining the same facial features, hairstyle, and clothing.

• 云端路线：所用平台带参考图 / 图生图功能就用它——Runway 的 Gen-4 参考图正是「引导生成中的角色」的机制（官方帮助见第 3 步）。平台操作未在本栏目核验，按平台教程走。

方式 B（兜底）：文生图重抽 + 定妆照当对照

• 没有编辑模型时：固定描述段 + 新构图词（「全身像」「侧面」）再文生图，抽到像的为止
• 每张出图和定妆照并排比对，不像的淘汰——没有图像参考时最费抽卡的方式，能方式 A 就方式 A

局部参考不用生成，直接裁：鞋（05）和手（09）本来就在全身图里——从全身图裁出鞋子、手部区域，就是天然一致的局部参考（本课程做法，任何看图软件都能裁）。

你应该看到：文件夹里老陈的参考图成套——定妆照、全身、鞋、手。并排看：像同一个人、同一套衣服、同一个蛋糕盒。

• 全套参考图并排比对过：脸、马甲、裤子、鞋、蛋糕盒逐项对得上

第 5 步：归档并接好下一环——参考图怎么喂给每个镜头

为什么：参考图不是交完就锁进文件夹的展品。它在后面流程里有两个固定用法，现在把约定立好，后面每一站都省事。

用法一：生成镜头首帧时当图像参考。 图生视频拿一张图当首帧输入（4.1 第一个镜头 会跑通这条链）。有的镜头老陈根本不在画里（01 的暴雨台阶、03 的手机屏、07 的盒盖特写）——那种首帧场景图直接顶上，是 3.3 场景参考图 的活儿。老陈在画里的镜头，首帧要把他放进场景，两层一起上：

层	用什么	管什么
文字层	固定描述段进提示词	长相、服装再锁一遍
图像层	参考图当图参考	模型照着抄脸和衣服

具体到路线：本地用 Kontext 这类编辑模型，把老陈参考图和场景参考图做双图参考，生成「老陈在场景里」的首帧；云端用平台的参考图功能。

用法二：连续性检查时当对照物。 2.5 连续性检查 的角色项，对照的就是这套参考图——发现某镜脸漂了，优先用 4.3 首尾帧控制 从上一镜尾帧续，而不是闭眼重抽。

归档约定（现在立好，3.5 统一细化）：一个角色一个文件夹；文件名 = 角色名_用途_版本号（如 老陈_定妆照_v1.png）；版本号只增不覆盖——重试台账要对回是哪一版。

你应该看到：参考图文件夹打开一目了然，哪张是基准、哪张服务哪个镜头都能说清；下一课 3.3 场景参考图 直接开工。

• 参考图按角色归档，文件名带用途和版本号，旧版没被覆盖

检查点 ✅

• 视角清单上的每张参考图都有了：定妆照、全身、局部（鞋 / 手）
• 定妆照过了三道验收：光照均匀、表情中性、设定卡逐项对得上
• 全套参考图并排比对：像同一个人、同一套衣服
• 参考图按角色归档，文件名带用途和版本号
• 说得出参考图的两个用法：生成镜头首帧当参考、连续性检查当对照

踩坑提醒

❌ 拿大光影、强氛围的图当定妆照

现象：候选里最「出片」的一张是侧逆光、半脸埋阴影、表情忧郁——选了它，后面每个镜头生成出来的老陈都阴阳脸。

原因：参考图是给模型「抄」的底样。官方建议光照均匀、表情中性，正是要把光影和情绪从底样里拿掉——底样带什么，后面的镜头就学什么。

正确做法：定妆照按「证件照思维」选：光照平顺、表情平静、背景简洁。氛围、雨夜、侧光都是镜头层的事，到 4.2 动作与运镜提示词 再加。

❌ 三视图各抽各的，三张脸对不上

现象：正面、侧面、背面三张图分别文生图抽出来——拼在一起像三个演员，侧脸参考反而把镜头带偏。

原因：每张图都从文字独立生成，模型各自想象，脸必然漂。

正确做法：先按第 3 步定一张定妆照，其余视角按第 4 步从它派生（编辑模型优先），每派生一张就和定妆照并排比一次。

❌ 「帅但不对设定」的图舍不得淘汰

现象：某张候选特别有味道，就是马甲画成了蓝色——想着「就它吧，后面再改」。

原因：参考图是基准，基准错一处，全片跟着错一处；「后面再改」的成本远高于现在多抽一次。

正确做法：按设定卡逐项验收，一项不对就淘汰。真喜欢那张图的味道，把它留给 3.4 风格统一 当风格参考，别当角色参考。

❌ 本地路线给 Kontext 写中文指令

现象：按第 4 步用 Kontext 派生全身图，指令写的中文「改成全身站立」，出来的图和指令对不上。

原因：Kontext 的提示词仅支持英文（官方教程明说），中文指令它读不准。

正确做法：指令用英文写，套「Change …, maintaining the same …」的句式；指令四原则和示例见 FLUX Kontext 工作流。

进阶技巧（可选）

让老陈「照着动作演戏」有个进阶方向：Wan2.2 家族的 Wan-Animate-14B，输入一段视频 + 一张角色图——animation 模式让角色图里的人物模仿视频中人的动作，replacement 模式把视频里的人替换成角色图（官方仓库 说明）。它不是练习片的主路径，知道有这回事即可——等片子做完想玩动作迁移再来。

本课小结

✅ 这一课交出了素材二：多视角 AI 角色参考图：

• 视角清单从分镜表反查——镜头用什么景别，参考图就备什么
• 定妆照是基准：固定描述段整段进提示词，按官方建议（光照均匀、表情中性）+ 设定卡逐项验收
• 多视角从定妆照派生，不从文字各抽各的——分步迭代是官方建议，也是最省抽卡的路
• 局部参考直接从全身图裁，天然一致
• 参考图是引导不是保证：残余漂移靠 2.5 连续性检查 抓、4.3 首尾帧 兜底
• 第一次生成顺手检验了设定卡——画不出来的描述回 3.1 改

关键约定回顾：

约定	推荐值	说明
定妆照构图	正面半身、简洁背景	光照均匀、表情中性（Runway Gen-4 官方建议）
提示词组装	固定描述段整段 + 一行构图词	描述段一字不改；构图词按张换
多视角来源	从定妆照派生（编辑模型 / 裁剪）	不各自文生图，避免多张脸
局部参考	从全身图裁剪	鞋、手天然一致
归档	角色名_用途_v版本号	一个角色一个文件夹，版本只增不覆盖

下一课预告

人定住了，该定地方了。下一课 3.3 场景参考图：先定场地再开机——产出素材三：天桥、暴雨、台阶一次画定，而且场景图会直接当图生视频的首帧用。

你会学到：

• 为什么单场景练习片更要先定场地
• 场景参考图的提示词怎么写环境
• 场景图怎么直接当图生视频的首帧
• 场景图和老陈的参考图怎么合成「人在场景里」的镜头首帧

相关教程

• ComfyUI Qwen-Image 工作流——本地路线生成定妆照的模型与节点操作
• FLUX Kontext 工作流——从定妆照派生多视角的编辑模型与英文指令写法
• 风格统一：让全片像一个世界——参考图成套之后，全片风格怎么一起管