北京
用AI画同一个人物，最烦的不是画不出来，是画出来不像。换一个姿势，脸就变了；换一个表情，衣服又不对了。反复抽卡几十次，能用的没几张。
作者Fini.Yang分享了一套用Qwen Image 2.1 Turbo做人物一致性的工作流，核心思路只有四个字：拆开输入。按他的说法，连续创作几乎不用抽卡。
具体怎么拆？他把生成一张图需要的要素分成了三路来源：
- 人物参考图 → 只负责身份、发型、服装
- 姿势参考图 → 只取身体动作
- 表情与视线 → 用文字单独指定
这三路各管各的，互不干扰。身份归身份，动作归动作，情绪归情绪。模型不需要从一张图里同时猜出所有信息，也就不会顾此失彼。
为什么这样能解决问题？因为常规做法是把所有要求塞进一张参考图或者一段提示词里，模型只能自己去猜哪些该保留、哪些该替换。猜错了，脸就崩了。拆开之后，每一路输入的职责边界清晰，模型要做的判断变少了。
作者特别提到表情控制这一环。如果只给参考图不给文字指令，模型往往会直接复制参考图里的表情。要打破这种惯性，得把面部肌肉和视线方向写清楚，比如闭嘴微笑、视线看向别处这类具体描述。指令越具体，模型越不会偷懒照搬。
这套方法的适用场景很明确：需要同一个角色出现在不同画面里，姿势和情绪还要各自变化。漫画分镜、角色设定图、系列插画，都属于这类需求。过去靠反复生成碰运气，现在把变量拆开，可控性就上来了。
作者给这套流程的定位是"高度可控的人物一致性"，重点不在模型本身多强，而在输入怎么组织。工具还是那个工具，换个用法，结果差很多。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
