短影音裡的哥布林,每次出場都必須是同一隻——同樣的耳朵、同樣的鼻子、同樣的笑法。這比想像中難:AI 每畫一次,就想重新發明他一次。
這次實驗要解決什麼
角色一致性。只靠文字描述,模型每次都給你一隻「差不多」的哥布林,而「差不多」累積三張之後,就是完全不同隻。目標是一套固定流程:任何場景、任何動作,他都不走樣。
做法:把長相鎖死的三步
- 先定案一張「標準照」:正面、無道具、乾淨背景。之後所有特徵,以這張為準。
- 每張新圖都帶著標準照當參考圖;prompt 只寫場景與動作,不再重新描述長相。
- 出圖後過「特徵檢查清單」:耳朵角度、鼻子顏色、身形比例——不合格就重生。
標準照與檢查清單示意圖
placeholder
placeholder
結果
這套流程最後定稿了 57 張。最大的心得反而是:越想在 prompt 裡「描述」長相,越容易走樣——長相交給參考圖,文字留給場景,他就穩了。
附錄施工中:完整 prompt 模板與參數,整理好會補在這篇最後。