lovecomic

为什么 AI 漫画总让角色「变脸」？原因与解法

文字对一张脸的描述天然有损，所以每一格都在重新掷骰子。从根因讲到参考图工作流，说清楚角色一致性到底怎么守住。

2026年8月28日Lovecomic TeamLovecomic Team
为什么 AI 漫画总让角色「变脸」？原因与解法

只要用图像模型生成过几格漫画，你就见过这个场面：第一格里，你的女侦探左颊有疤、大衣灰中带白、义眼泛着淡蓝光；到第四格，疤挪了位置或者干脆消失，大衣变成黑色，义眼变成了两只正常的眼睛。故事没变，角色变了。

这是 AI 漫画「看起来不对劲」的头号原因。它值得被认真解释一次——因为所有真正有效的解法，都来自同一个根因。

文字是一张脸的有损规格

先回到文生图模型的工作原理。它把一段随机噪声逐步变成图片，每一步都受你的提示词引导。提示词的作用是对一个「图片分布」做约束——它缩小了渲染范围，但并没有点名某一幅具体的图。「一个 25 岁、带机械义眼的侦探」对应着数百万张可能的脸。你的提示词选中的是一个街区，不是一栋房子。

对漫画来说，这带来一个直白的结果：每一格都是一次独立抽样。 除非给模型比文字更具体的东西，第四格只是恰好落在第一格附近的新一次掷骰子，而不是「同一个人」的再次渲染。这种漂移不是模型敷衍，而是信息论层面的限制——一句话承载不了精确指定一张脸所需的全部信息。从「一个有疤的女人」到「你的、带着你的那道疤的女人」，中间隔着的全是你没写出来、也写不出来的细节。

于是问题变成：有没有比描述更能承载「身份」的东西？

这条研究线是怎么解决的

这个问题已经有完整的研究脉络，结论也相当一致。

2022 年，Google Research 在 DreamBooth 论文里把问题说得非常准：文生图模型「缺乏复现给定参考集中主体外观、并在不同情境下合成其新形象的能力」。他们的方案是「个性化」——用某个主体的几张照片对模型做微调，让模型把该主体绑定到一个唯一标识上，之后就能在新的场景、姿态、光照下生成这同一个主体。方法有效，代价是每个角色都要跑一次训练。

一年后，腾讯 AI Lab 的 IP-Adapter 把同一件事变便宜了：不做微调，而是加一个轻量适配器（约 2200 万参数），采用「解耦交叉注意力」——一路注意力读你的文字提示，另一路读图像提示。图片本身成了指令的一部分。不再需要按角色训练，直接给模型看一张图，说「就是这个人，但换到这个场景」。

这就是对漫画最关键的那条洞见：范例图承载身份的能力远强于形容词。 到 2024–2025 年，这个能力进入了主流编辑类模型——Google 的 Gemini 图像模型（即「Nano Banana」系列）把「留住这个人，改掉其他一切」做成了消费级工具，多图参考输入成为一等能力。

放进漫画流水线里意味着什么

一话漫画是身份保持的最坏情况：同样几个角色，要在 4 到 12 格以上的画面里，以全新的姿态、角度、光照反复出现。实践中靠三件事守住——这也正是 Lovecomic 内置的三件事：

1. 每个角色一张定稿参考图（reference sheet）。 在画任何分格之前，每个常驻角色先固定一张参考图，锁定脸型、发型、服装和配色。你可以上传自己的照片来引导形象——但这个决定只做一次，不在每一格里反复重新协商。

2. 参考图跟着每一格走。 生成某一格时，上游的参考图会和该格描述一起作为图像输入传给模型。模型从来不是「凭记忆」画你的侦探，而是照着参考图画。这正是 IP-Adapter 的思路——用范例锁定身份——应用到每一帧。

3. 文字层面的指令同样冻结。 漂移有两种：人在漂，人周围的画风也在漂。每种画风都带有一组固定的绘制指令（线条、阴影、配色），注入到每一格的提示词里，所以锁住角色的时候，渲染风格也不会听天由命。彩色还是黑白，同样是项目级设定，不随单格重掷。

在这三条之外，流水线还有兜底：视觉 QA 环节会给生成的画格打分并列出可见问题；更关键的是，画格支持单独重绘。某一张脸漂了，就对着同一组参考图重掷这一格，而不是重做整话。

一份可执行的清单

如果你今天正在任何工具里和角色漂移搏斗：

  • 一次性定死形象。 第一格之前先做参考图，不要边画边即兴。
  • 控制角色数量。 每多一个常驻角色，参考图就要在每一帧里多钉住一个身份。
  • 把服装当作身份。 服装、发型、配色是读者（和模型）认人的依据；用固定的说法描述它们，格与格之间绝不变化。
  • 修格，不修话。 整话重掷会把已经对的部分一起重掷。只重画错的那一格。
  • 如果一张脸怎么都锁不住，先重做参考图。 一张弱的参考图会毒害它下游的每一格。

一致性不是提示词技巧，而是工作流：定义一次、处处引用、局部修改。研究文献得出的也是同一个结论——只不过要把它变成日常，需要先造一条围绕它设计的漫画流水线。

参考来源