Castaly · 博客 · 使用指南

如何让同一个角色贯穿多段 AI 视频

重复描述只能保持大致外观,参考图才能把角色带进新场景。哪些模型支持、提示词怎么写、要花多少钱。

一名身穿及地绯红色缎面外套的女子走过酒店走廊,身后带花纹的地毯翘起,图片由 Wan 2.7 Image 生成。

视频模型每次都从零开始。如果不给它一个可以依据的东西,第一段里的女子到第二段就成了另一个人。解决办法有三种,控制力依次增强:重复描述、从静图开始、提供参考图。

方法一:重复描述

最便宜的办法是重复相同的文字。下面两段 Kling 3.0 视频的开头描述完全相同:

A woman in her late twenties with a short dark bob, a small scar above her left eyebrow and a worn olive field jacket …

kling-3.0 · 5 秒 · 1080p · 16:9 — 按今天的价格预估 $0.51。
kling-3.0 · 5 秒 · 1080p · 16:9 — 按今天的价格预估 $0.51。

短发和夹克都保留了下来,但疤痕没有留在原处:在夜市里它跑到了脸颊上。重复文字只能保持大致外观,用于背景角色或快速测试已经足够。

如果用这个方法,给角色一两个鲜明的视觉特征,比如颜色或材质,并且每次逐字复制。详见提示词指南。

方法二:从静图开始

生成一张满意的角色图,把它作为首帧。视频开头会完全一致,因为那就是你的图片。缺点是构图和场景也被固定了,换场景就要换静图。

静图很便宜。按张计费的图像模型中,Wan 2.7 Image 每张 $0.0212,Seedream 5.0 Lite 每张 $0.0332,而且 Seedream 的组图模式一条提示词最多能返回 15 张相关图片。完整示例见图生视频指南。

方法三:使用参考图

参考图给模型一个要保留的主体,同时让它构思新的镜头。下面用一个角色演示。先用 Wan 2.7 Image 生成一张静图:

一名身穿绯红色缎面外套的女子走过长长的酒店走廊,身后的地毯花纹从脚跟处翘起。
wan2.7-image · 1536 × 1024 — 按今天的价格 $0.0212。

然后让 HappyHorse 1.1 R2V 以它为参考,提示词写明要保留什么,并把事件搬到新地点:

One continuous take, no cuts. Keep the woman in the crimson satin coat and the peeling carpet ribbons from the reference and move the event outdoors: she walks out of a revolving door onto a wet plaza and the patterned ribbons keep tearing up behind her, now lifting off the paving stones and streaming out across the square in a long coloured wake.

happyhorse-1.1-r2v · 5 秒 · 1080p · 16:9 · 一张参考图 — 按今天的价格预估 $0.64。注意右下角的 Happy Horse 标记。

外套和地毯花纹都被带到了新地点,这正是参考图的作用。静图加视频一共约 $0.66。

提示词怎么写

  1. 说明要保留什么。 我们的两条参考提示词都在镜头类型之后马上写明:Keep the woman in the crimson satin coat…、Keep the glass flowers from the reference exactly as they are…
  2. 说明要改变什么。 像写文字提示词一样,描述新的地点和动作。
  3. 不要再详细描述角色。 图片已经包含了这些信息,相互矛盾的文字只会干扰模型。
  4. 准备干净的参考图。 单一主体,光线好、看得清,不带文字。

哪些模型支持参考素材

模型 参考图 参考视频 5 秒 1080p
seedance-2.5 最多 30 张 最多 10 段 $3.54
seedance-2.0 最多 9 张 最多 3 段 $2.33
wan3.0-video 最多 10 张 最多 5 段 $0.99
happyhorse-1.1-r2v 最多 9 张,必填 不支持 $0.64
wan2.7-r2v 与视频合计最多 5 个 与图片合计最多 5 个 $0.56
kling-3.0-omni 最多 7 个,含元素 1 段 $0.51
kling-o1 最多 7 个,含元素 1 段 $0.51

以上模型的参考图都不加价。参考视频在部分模型上会加价:Kling 3.0 Omni 和 O1 会切换到更高的单价,Seedance 则把视频时长计入 token。

一个镜头里有多个角色或道具时,选上限高的模型。Kling 3.0 Omni 和 O1 最多 7 个参考,Seedance 2.5 最多 30 个。

把动作也保留下来

要让角色做出特定动作,Kling 3.0 和 Kling 2.6 支持动作迁移:一张角色参考图加一段动作参考视频。Kling 3.0 的单价不变。

短系列的工作流程

  1. 在便宜的图像模型上设计角色。 每张约两美分,可以多试几个版本。
  2. 保存最好的一张。 生成的内容都可以从作品存到素材库,再作为参考图使用。
  3. 用低分辨率测试第一个场景。 确认外观能保持住。
  4. 每个场景都用同一张参考图和同一句“保留”说明。 只改地点和动作。

在创作台试试参考图 →

常见问题

保持角色一致的最好办法是什么?

参考图。重复描述只能保持大致外观,首帧则会连构图和场景一起固定。

参考图要额外收费吗?

不用。参考图不改变 Castaly 上任何视频模型的价格。参考视频可能会。

最多能用多少参考素材?

Seedance 2.5 最多,30 张图。Wan 3.0 是 10 张,HappyHorse 1.1 R2V 和 Seedance 2.0 是 9 张,Kling 3.0 Omni 和 O1 是 7 个。

首帧和参考图能一起用吗?

大多数模型上它们是互斥的模式。Wan 2.7 R2V 例外,允许首帧和参考素材同时使用。

疤痕这类精确细节能保持住吗?

靠描述不可靠,上面的 Kling 示例就是如此。参考图的把握更大,所以投入长视频之前,先用短视频测试。