连穿 8 个异次元不崩人设：AI 视频角色一致性极限压力实测

我们想搞清楚当背景连续切换 8 次之后，“保持同一个角色”究竟意味着什么。如果大衣长度变了、奔跑方向调头了，或者摄影机不再从侧面跟拍，那么仅有一张相似的面孔根本谈不上真正的一致性。

本次测试基于单张锚定原图与一次 15 秒 Seedance 2.0 视频生成。我们没有进行任何反复抽卡重试。虽然原始源片随后被剪辑提炼以用于上方样片展示，但本报告中的每一条观察与结论均直接源自未经剪辑的原始生成成片。

这是一次极限压力测试，而非严密的模型基准评测。它展示了在一条极具挑战性的提示词下，哪些特征成功存活了下来，以及暴露了哪些肉眼可见的瑕疵。换一次运行，错误的分布可能会有所不同。

实验设定与 4 大一致性评分维度

测试的主体设定为一位留着极短银发、气质中性的黑人女性，身着深红色长款大衣、哑光黑修身内搭与黑色皮靴。她在画面中自左向右以正侧面视角全力奔跑。

我们对 4 个维度的“特征锁定项”进行了打分：

1. 外貌身份： 涵盖五官面孔、发型、年龄与身材体型。
2. 服装造型： 涵盖深红大衣、黑色内搭与黑色皮靴。
3. 空间一致性： 涵盖在屏幕中的画幅占比、缩放尺寸与水平运动方向。
4. 动作连贯性： 涵盖奔跑姿态相位与摄影机横向跟拍速度。

周围的环境允许自由剧烈变化，但这 4 个维度是我们试图严格固定的核心锚点。

选用正侧面视角，是因为它最容易直观判断运动方向，同时也能清楚暴露腿部动作节拍、身体前倾角度与大衣摆动轨迹。如果换成正面朝向奔跑，角色很可能会原地踏步而不会让破绽显得那么明显。纯黑摄影棚消除了背景干扰，而斜穿画面的白色光束与深红大衣则提供了极其清晰的视觉追踪标记。

锚定图片的生图提示词为：

Premium cinematic editorial still of one androgynous Black woman with close-cropped silver hair in stable full-body side profile, sprinting left to right across a pure black studio crossed by one hard white light slash. She wears a long crimson coat over a matte black fitted outfit and black boots. One foot airborne, coat trailing behind, face clearly visible, fierce focused expression. Eye-level 35mm side view, centered subject, clean silhouette, realistic anatomy and fabric motion. No words, letters, numbers, logo, watermark, interface, border or duplicate person.

【提示词中文解析】：

电影级高级时尚杂志大片：单人全身正侧面稳定构图，一位留着银色寸头、气质中性的黑人女性，在被一道硬朗白光斜向划破的纯黑摄影棚中自左向右全速冲刺。她身穿一件长款深红大衣，内搭哑光黑色修身服饰，脚穿黑色短靴。单脚悬空离地，大衣在身后飘扬，面部清晰可见，神情坚定专注。视线平视 35mm 侧视机位，主体居中，剪影利落，逼真的解剖结构与织物动态。严禁文字、字母、数字、Logo、水印、界面、边框或出现第二个人。

跨场景世界跳跃提示词构建

视频提示词在罗列 8 个世界的同时，反复强调了上述锁定项：

Use supplied image as strict identity/action anchor. A relentless side-tracking fashion trailer: same runner moves left to right while hard match cuts strike every 0.8-1.2 seconds on footfalls, coat occlusions and whip-pans. Worlds: black studio, mirrored rain tunnel, sun-blasted salt flat, burning baroque opera hall, zero-gravity orbital corridor, underwater cathedral, violent snowstorm brutalist city, final crimson void. No dissolves, no slow morphs, no shot held longer than 1.2 seconds. Lock face, body, crimson coat, screen position, scale, running phase, direction, camera height, 35mm lens and tracking speed. Secondary rain, ash, bubbles and snow react physically. End on a sharp hero stride. No text/signage/logos, face drift, duplicates, extra limbs, flicker or camera jumps.

【结构化中文逐句拆解说明】：

• 素材锚定： 以上传图片作为严格的人物身份与动作锚点。
• 成片风格与节奏： 快节奏的侧向跟拍时尚预告短片：同一位奔跑者自左向右运动，每隔 0.8–1.2 秒配合脚步落地、大衣遮挡和快速甩镜进行动作匹配硬切转场。
• 8 个世界场景： 纯黑摄影棚 → 镜面雨水隧道 → 烈日曝晒的盐沼荒原 → 燃烧的巴洛克歌剧院 → 零重力轨道太空走廊 → 水下大教堂 → 暴风雪肆虐的粗野主义城市 → 最终的深红虚空。
• 剪辑规则： 无淡入淡出，无缓慢形变，单镜头停留绝不超过 1.2 秒。
• 严格特征锁定： 锁定面部、体型、深红大衣、画幅位置、尺寸比例、奔跑节拍相位、运动方向、机位高度、35mm 镜头焦段与跟拍速度。
• 环境物理交互与负向： 雨滴、灰烬、气泡与雪花产生逼真的次级物理反应。以有力的大跨步定格收尾。严禁文字/招牌/Logo、面部漂移、多余人影、畸变肢体、画面闪烁或机位乱跳。

提示词的核心逻辑在于**“在不断变换环境的同时，持续重复单一动作”**。脚步着地、大衣遮挡与甩镜为环境切换提供了自然的切点。我们没有强求模型在各个场景之间脑补复杂的剧情故事。

运动方向的稳定性远高于解剖学细节

在整段 15 秒的源片中，奔跑者始终保持着自左向右的稳定运动。她从未出现倒退、突然面朝镜头或停下来摆 Pose 的情况。在烈日盐沼场景中，苍白的地面极大地削弱了原本的高反差对比，但大衣与黑色内搭依然清晰地与背景分离开来。

相比之下，腿部形态与奔跑节拍的稳定性则稍逊一筹。不同场景之间的步幅长度发生了变化，部分画幅中腿部出现了轻微的挤压形变。在这次生成中，“持续奔跑”的宏观意图被很好地继承了下来，但具体的步态相位却出现了一定漂移。

深红大衣承载了比面部更多的身份辨识度

在燃烧的歌剧院场景中，色温、建筑结构、地面倒影以及飘浮的火星微粒使整个画面完全变样。然而，那件深红色大衣依然能让人瞬间识别出主体。

这并不意味着在所有创作中服装都比面孔更重要。奔跑者在画面中多以中景或全身构图出现，在此类景别下，大衣色彩本就比细微的面部特征更容易被肉眼捕捉。如果在这种景别下穿着普通的素色 T 恤与大众发型，画面的连续性感知就会大打折扣。

在设计测试时，提炼 2 到 3 个高对比度的显性视觉锚点（如独特的服饰色彩、发型、配饰、剪影或重复动作）通常就足够了。最有效的锚点取决于镜头的具体景别。

同一运动方向下摄影机几何透视发生漂移

在轨道走廊场景中，奔跑者依然自左向右运动，但强烈的空间透视线条与舷窗外巨大的星球让整个布景显得比最初 35mm 摄影棚宽广得多。

运动方向、画面坐标与镜头焦段需要分别进行独立审核。角色可以在保持相同运动方向的同时，悄然偏离原本的画面高度；透视关系与视场角也可能在不改变动作走向的前提下发生畸变。这正是本次测试中出现的情况：水平运动方向守住了，但画面的空间透视深度发生了漂移。

水下世界暴露了与运动模式的物理冲突

水下大教堂引入了水的浮力、水波折射焦散光、上升气泡与水母，形成了一个常规陆地奔跑在物理上无法成立的特殊环境。

模型选择强行维持了奔跑的图形化姿态，而没有将其自发演变为游泳动作。这种画面在超现实主义的先锋时尚预告片中能够成立，但在写实的叙事故事片中则难以自圆其说。

在实际生产中，当锚定动作与新环境发生物理冲突时，团队必须提前做出取舍决策：

• 维持既定动作，接受超现实的物理违和感；
• 允许动作自适应演变，接受动作姿态的明显变化；
• 规划一种能同时兼容两个空间的通用动作（例如一次跃起，在水下或太空中可以自然顺延为漂浮或悬停，远比持续奔跑更符合物理直觉）。

0.25 秒密集逐帧审片抓出的真实破绽

我们以每隔 0.25 秒一帧的高频对原始未剪辑视频进行了密集切片采样。快速的播放速度极易掩盖短时间的生成缺陷。

审片结果显示：面孔大体保持可辨，但在角色被拉远变小时略有软化模糊；大衣颜色基本稳定，但长度与折叠褶皱偶有波动；运动方向自始至终高度稳定，但垂直位置与缩放比例有微小起伏；奔跑动作持续进行，但在几次转场交接处步态发生了重置；摄影机基本维持侧向跟拍，但伴随有背景视差与透视深度的漂移。

所有要求的 8 个世界均成功亮相，尽管有几个世界的停留时间超过了指定的 0.8–1.2 秒。我们不会将这一结果轻率地吹嘘为“完美角色一致性”；这次实验能够支持的结论是：一组精炼、显性的视觉锚点可以跨越巨大的场景变迁而保持相对稳定。

将“同一个角色”转化为肉眼可见的具体约束

“保持同一个角色”这句话在本质上隐藏了多项彼此独立的诉求。一份更具可执行性的提示词应当明确指出观众应当比对的具体维度：

Use the supplied image as the exact identity and action reference. Preserve face, hairstyle, body proportions, signature wardrobe, prop, movement direction, subject scale, screen position, camera height, focal length, and action phase. Only change the environment, weather, secondary particles, and environment lighting. At every transition, the character must continue the same action without posing, reversing direction, changing clothes, duplicating, or resetting the gait.

【中文模板结构与填空指南】：

以上传图片作为严格的 人物身份与动作参考。严格保持 面孔五官、发型发色、身材比例、标志性服装、道具、运动方向、画面缩放比例、画幅坐标位置、机位高度、镜头焦段与动作节拍相位。仅允许改变 周围环境、天气状况、次级粒子与环境布光。在每次转场切换时，角色必须持续进行同一动作，严禁摆 Pose、调头反向运动、更换衣物、出现分身或重置步态。

对于更简单的镜头，这份清单应当进行针对性精简：单人肖像特写可能只需锁定五官、神态表情与视线方向；舞蹈测试更看重肢体比例、服装与动作流畅度；商品互动则需要重点锁定手部与物体之间的接触关系。

当你需要精准复刻一段录制好的真实舞蹈、手势或演员表演，而非依赖 AI 凭空脑补动作时，建议直接使用动作控制迁移真人表演。

单张参考图无法表达的盲区信息

我们的正侧面参考图之所以能跑通，是因为摄影机在大部分时间里都停留在那一侧。这张图片几乎没有包含正面肖像、背面视角或 360° 旋转所需的信息——在面对这些未见过的视角时，模型只能依赖生成先验凭空推演。

在以下场景中，补充多角度参考图将变得不可或缺：摄影机需要大范围横跨到角色另一侧、面孔身份必须同时经受近景特写与全身远景的双重考验、服装包含明显的不对称剪裁细节，或者需要在多支独立成片中跨工程复用同一个角色。

当需要将同一个角色无缝继承到后续多个分阶段生成的镜头中时，采用受控的定帧接力工作流为每个阶段传递已确认的父级参考图，远比强求每一个独立镜头从零重建角色要稳妥得多。

本次单次实验能够支持的结论

在本次测试中，运动方向与大衣色彩是最为稳固的连续性信号；而步态相位、缩放比例与镜头透视几何的稳定性则相对较弱。这些观察可以为下一次实验提供宝贵的避坑指南，但单次生成的表现并不能草率地套用为所有角色、动作或模型下的绝对规律。

如果你想自行复现这一实验架构，可以先查阅我们的 8 款主流 AI 图片转视频工具深度横评了解各工具对参考图的支持情况，随后在 Motiofy 中上传一张正侧面动作参考图开始生成。在前期测试中，设定 3 个环境切换会比一次性堆砌 8 个世界更容易定位首个翻车点。在增加更多复杂场景前，务必逐帧审核原始视频切片。