AI生成同一个人物不同动作怎么做？保持一致性的几个技巧

AI生成同一个人物不同动作怎么做？先把“同一个人”钉住

很多人第一次做连续动作图，都会遇到同一个问题：第一张还像本人，第二张开始脸变了，第三张连年龄都不对了。动作明明换了，人物却像换了演员。想让 AI 生成“同一个人物不同动作”，关键不是先追动作，而是先把人物身份固定住。

最稳的思路，是把人物拆成几组不容易漂移的特征：脸型、五官比例、发型、发色、服装、身材轮廓、拍摄角度、光线风格。只要这些锚点稳定，动作变化才不会把整个人带跑。很多时候，动作本身不是难点，难点是模型在生成新姿势时顺手改了身份信息。

如果你希望一次出一组可用图，最好先想清楚这组图是给谁看的。是角色设定展示、社媒九宫格、动作分镜，还是电商模特多姿态展示？用途不同，约束重点也不同。像机灵助手这类带模板的工具，能把提示词结构先搭出来，省掉不少反复试错。

最先稳住的，不是动作，是人物信息

如果只写“一个年轻女孩在跑步、跳跃、转身”，AI 往往会理解成“一个泛化女孩”，而不是你心里的那个人。要让模型记住身份，提示词里至少要有一段固定的角色描述，而且每一张都尽量复用同一段文字，不要一会儿说“短发”，一会儿说“齐肩发”，一会儿说“黑发微卷”。

可以把人物信息写成“不可变字段”，动作和场景写成“可变字段”。例如：

• 不可变字段：25岁亚洲女性，鹅蛋脸，单眼皮，鼻梁自然，黑色齐肩直发，左边耳后一缕碎发，细金属圆框眼镜，米白色短外套，深蓝牛仔裤。
• 可变字段：奔跑、转身、抬手打招呼、弯腰捡东西、坐在台阶上。
• 风格字段：自然光、纪实感、浅景深、干净背景、真实摄影。

这类写法的好处是，生成第一张后，你很容易复制同一段角色描述，只改动作和构图。若使用支持参考图的工具，像机灵助手这类平台，建议把“人物描述”与“动作描述”分开写，后续改动会更少。

参考图不是越多越好，关键是挑对那一张

很多人会一口气上传十几张图，期待模型自动学习“这个人长什么样”。结果常常是脸部特征被平均化，最后谁都不像。真正好用的参考图，不一定是最精致的那张，而是最能稳定表达身份的那张。

优先选择这些图：

• 正脸或接近正脸，五官无遮挡。
• 光线均匀，没有强烈滤镜。
• 发型、发色清晰可见。
• 服装边界明确，别被宽松特效或复杂背景干扰。
• 表情自然，别夸张到五官变形。

如果你是从零生成角色，先让 AI 出一张“角色基准图”，再拿这张去生动作图，比直接上复杂动作更稳。基准图最好是半身或全身站姿，人物比例正常，背景干净。等身份稳定后，再逐步加动作幅度。

一个实用办法是先做“1 张标准照 + 3 张动作图”。标准照负责锁身份，动作图负责测试姿态变化。这样即便后面有一两张偏了，也能回到标准照重新生成，而不是整组返工。

提示词里要写“保留什么”，别只写“做什么”

提示词最常见的错误，是把重点全放在动作上。比如“一个女生在街头跳跃，动态感强，画面明亮”，这对 AI 来说太宽了。更有效的写法，是明确告诉模型哪些东西必须保留，哪些东西可以变化。

可以直接写成这种结构：

保留项：保持同一个人物的脸型、五官比例、黑色短发、刘海形状、浅棕色风衣、白色运动鞋不变。

变化项：只改变动作、手势和身体重心。

动作项：向前快跑、回头看镜头、抬手挥手、单脚跳起。

画面项：城市街道、自然日光、真实摄影、轻微运动模糊。

这类写法比单纯描述动作稳定得多。因为模型会知道，动作可以重画，人物不能乱改。尤其在多张图连续生成时，“保持一致”四个字最好不是泛泛而谈，而是落到具体特征上。

如果你在机灵助手里套模板，也可以直接把“固定人物特征”保存成一段常用文本，每次只替换动作和场景。这样生成速度会快很多，出图稳定性也更高。

同一套镜头语言，比单独修人脸更重要

很多人以为人物跑偏，是脸部没写清楚；其实有时是镜头变了。AI 对“远景、近景、俯拍、仰拍、广角、长焦”的理解很强，一旦镜头语言变化过大，人物比例和面部结构也会跟着变。

想保持一致，最好让同一组图使用相近的拍摄条件：

• 同样的景别：都用半身，或者都用全身。
• 同样的角度：都正面，或者都 3/4 侧前方。
• 同样的焦段感：都偏 50mm 纪实感，不要一张广角一张特写。
• 同样的光线：都自然窗光，别一张冷光一张逆光。
• 同样的背景复杂度：都干净背景，或都城市街景，不要混用。

举个例子，如果你要做“同一个模特的六个动作”，把镜头统一成“全身、正面、干净棚拍、白底或浅灰背景”，人物会比“今天室内、明天街头、后天海边”更稳定。动作可以变，但镜头一乱，识别度就会掉。

动作不要一口气跳太大，先做小幅度变化

如果从“站立”直接跳到“翻滚”“劈叉”“大幅后仰”，模型很容易在姿态结构上失控。尤其是人物身体被遮挡、四肢交叉、头发飞散时，身份特征最容易被冲掉。更稳的做法，是先做小幅度动作，再做大动作。

可以按这个顺序试：

• 站立、双手自然下垂。
• 抬手、挥手、整理头发。
• 转身、回头、侧身行走。
• 小跑、跨步、轻跳。
• 下蹲、弯腰、坐下。

动作跨度越大，越要加强固定描述。比如“抬手挥手”这种轻动作，五官和服装还比较稳定；“跳跃”“奔跑”时，头发、衣摆、四肢比例就更容易乱。想让一组图看起来连贯，动作难度最好循序渐进，不要一上来就挑战模型的极限姿态。

一组图最好先设定“公共规则”

如果你的目标不是单张出图，而是连续动作组，那么最好在生成前先写一份公共规则。它像一份简短的角色说明书，所有图片都共享，只有动作单独变化。这样你不需要每次临时补漏。

公共规则可以包括：

• 人物年龄、性别、发型、服装永远不变。
• 画风固定为真实摄影、插画或半写实其中一种。
• 色调一致，比如冷白、暖黄、低饱和、日系清透。
• 背景统一，比如纯色背景、办公室、街景、舞台。
• 构图统一，比如居中、三分法、上半身裁切、全身留白。

如果你在做角色海报、动作分镜或社媒展示图，这一步尤其重要。很多“看起来像同一个人”的作品，其实不是每张都生成得多准，而是每张都遵守了同一套规则。机灵助手里如果有模板保存功能，把这份公共规则存下来，会比每次重写省事得多。

提示词别写太散，结构清楚比辞藻多更有用

有些人喜欢把提示词写得很长，堆满“高清、超精细、电影级、极致细节、梦幻光影”等词。问题在于，这些词不会帮你锁住同一个人，反而可能让模型更关注氛围而不是身份。真正有用的是结构清楚，信息排序合理。

一个比较稳的顺序是：

1. 人物身份：年龄、性别、脸型、发型、穿搭。
2. 动作：跑、跳、坐、回头、挥手。
3. 镜头：全身、半身、正面、侧面、俯拍。
4. 场景：室内、街头、舞台、纯色背景。
5. 风格：真实摄影、插画、胶片感、棚拍感。
6. 限制：不要改变脸型，不要更换发型，不要增加配饰。

如果你想快速验证某种写法是否有效，可以先生成三张。第一张看脸，第二张看服装，第三张看动作。只要这三项都稳定，再扩大数量。比起一次做十几张，先小规模测试能省掉大量返工。

同一个人多动作，常见翻车点就这几个

做多动作图时，最容易翻车的地方其实很固定。知道这些坑，能少走很多弯路。

第一，发型变了。 头发是身份识别的重要标志，尤其是刘海、发缝、长短和卷直。提示词里最好把发型写得具体，别只写“长发”或“短发”。

第二，服装不一致。 如果你要的是同一个人物，不要一张图风衣、一张图卫衣、一张图连衣裙，除非你明确想做换装展示。

第三，脸部角度差太多。 侧脸、回头、仰拍会让五官结构变化更大，建议先从正面和轻微侧转开始。

第四，背景干扰太强。 复杂背景会分散模型注意力，人物容易被背景风格带偏。先把人物做稳，再逐渐加场景。

第五，动作遮挡太多。 手挡住脸、头发遮住眼睛、身体被道具遮住，都会增加身份漂移概率。

如果你要做系列图，最省力的策略不是“每张都重新想”，而是“把最容易变的东西先收紧”。人物一致性一旦建立，动作只是替换变量，不再是最难的部分。

给你一套能直接改的提示词骨架

下面这套骨架，适合大多数“同一个人物不同动作”的场景。你可以直接替换括号里的内容：

提示词骨架：同一个人物，保持脸型、五官比例、发型、发色、服装、身材比例完全一致；人物为（年龄）（性别）（发型）（服装描述）；只改变动作和身体姿态；动作是（具体动作）；镜头为（景别和角度）；场景为（背景）；风格为（真实摄影/插画/半写实）；光线为（自然光/棚拍光/逆光）；画面干净，没有多余人物，不改变身份特征。

如果你要做更稳定的系列图，可以再加一条：同一组图片使用相同角色设定，不更换发型、配饰和主色调。 这句话看起来简单，但对模型很有约束力。

下面是一个更具体的例子：

示例：同一个人物，25岁亚洲女性，鹅蛋脸，单眼皮，黑色齐肩直发，左耳后有一缕碎发，穿米白色短外套和深蓝牛仔裤，保持脸型、五官、发型、服装完全一致；只改变动作和身体姿态；动作分别为快走、回头、抬手挥手、轻跳、坐在台阶上；镜头为全身正面，50mm 真实摄影感；背景为干净城市街道，自然日光，轻微浅景深，画面中不要出现额外人物，不要改变年龄和气质。

这类骨架配上模板工具会更省时间。像机灵助手如果支持保存提示词模板，就很适合把“固定角色信息”存成底稿，再按动作批量替换。

要做得像一组作品，就别只盯着“单张像不像”

很多人评判结果时，只看每一张单图像不像本人，却忽略了整组图是否统一。实际上，连续动作图真正重要的，是“这组看起来是同一个角色在做不同事”，而不是每张都长得完全一样却毫无联系。

你可以从三个维度检查：

• 身份统一：脸、发型、服装、年龄感有没有变。
• 风格统一：色调、线条、质感、背景有没有跳来跳去。
• 动作连贯：姿势变化是否合理，重心是否自然。

如果三项都过关，这组图就已经可用了。很多商业图、角色图和社媒图，不需要极端复杂的动作，只要稳定、连贯、辨识度高，就足够好看。把人物锚点固定住，再一点点放开动作范围，成功率通常会比“胡乱加词”高得多。

真正熟练之后，你会发现做这类图并不神秘。它更像整理一套角色规范：先定身份，再定镜头，再换动作。把这三个步骤做顺，AI 就更容易听懂你要的是“同一个人”，而不是“差不多的人”。