AI 视频里的角色漂移，通常不是一句提示词能解决的问题。人物在第一个镜头很像，换到侧面、全身或复杂动作后却变了脸，原因可能来自参考图、服装版本、镜头构图、动作难度，也可能是前后镜头本来就没有明确交接状态。
要让 AI 视频人物在多镜头中保持一致，需要把角色当作可管理的制作资产，而不是每次生成时临时描述的人。
先区分身份和场景状态
身份是角色长期稳定的部分，例如脸部结构、年龄感、发型轮廓、体型和明显识别点。场景状态则会变化，例如表情、姿势、光线、服装、污渍、伤口和手中道具。
如果不区分两者，创作者很容易把正常的光线变化当成“变脸”，或者在更新服装时意外改变角色身份。审核时应分别回答：这还是同一个人吗？这个人现在是否处于正确状态？
建立可复用的角色设定表
角色母版至少应包括：
- 角色姓名与唯一标识；
- 年龄范围与整体气质；
- 脸型、五官比例和稳定特征；
- 发型、发色与体型；
- 基础服装及配色；
- 不应出现的变化；
- 正面、四分之三侧面、侧面和全身参考；
- 当前场景使用的服装或状态版本。
参考图要清晰、无矛盾，并覆盖实际要生成的角度。一张经过重度修饰的正面头像，很难支持背面奔跑、俯拍或多人互动镜头。
把换装和剧情变化做成版本
角色在不同时间可能穿校服、工作服或受伤后的衣服。不要直接覆盖原角色图。创建“基础版”“第 2 集夜间服装”“受伤后”等明确版本，并记录从哪个镜头开始使用。
同样，道具也有状态：信封未拆、已拆；手提箱关闭、打开；手机完好、屏幕破裂。很多看似角色不一致的问题，其实是道具或服装状态没有交接。
一次只测试一种困难
建立角色后，先生成三类测试镜头：
- 近景，用于检查脸部和表情；
- 中景行走，用于检查体型、服装和运动稳定性；
- 视角变化，用于检查侧面或背面识别度。
不要第一次就测试拥抱、奔跑、爆炸、快速环绕运镜和多人对话。复杂动作会同时放大身份、肢体、构图和物理问题，使失败原因难以判断。
提示词只描述当前镜头需要的变化
在有角色参考的情况下，提示词应重点写动作、表演、摄影机和结束状态。避免每个镜头都重新写一套可能互相矛盾的五官描述。
例如：“角色保持参考图中的身份和深蓝色外套，从门口走到桌前，将钥匙放在桌面右侧；中景固定机位；镜头在手离开钥匙后结束。”这条指令同时保护身份、服装、道具和下一镜头需要的状态。
从上一镜头的真实结尾继续
剧本可能写“她打开箱子”，但被采用的视频也许只生成到手刚碰到箱子。如果下一镜头直接出现打开的箱子，观众会感到跳跃。
每次采用镜头后，记录人物位置、朝向、手势、表情和道具状态。下一镜头从实际画面继续，而不是从最初文字计划继续。连续性建立在最终选择的素材上。
用可观察标准审核一致性
按开始、中段和结尾分别检查：
- 脸型、发型和年龄感是否保持；
- 服装颜色、纹理和配件是否突然变化；
- 手、身体比例和轮廓是否在动作中崩坏；
- 多人镜头是否互换面孔、服装或动作；
- 道具是否消失、复制或换到错误人物手里；
- 下一镜头是否继承了正确位置和方向。
轻微的光线和透视变化不一定值得重做。优先修复会让观众认错人或看不懂动作的变化。
不要用更长提示词掩盖错误资产
如果所有镜头都在同一个角度变脸，先检查参考图是否清晰；如果只有快速动作失败，应降低动作复杂度或更换镜头设计；如果剪在一起才显得不一致，则可能需要调整切点，而不是重新生成全部素材。
每次只改变一个变量，并保留已经通过的镜头。这样才能知道修复来自新参考、动作简化还是摄影调整。
用 World 作为角色的单一事实来源
ElserStudio 的 World 可以保存角色、场景、道具和声音资产，多个镜头引用同一份正式资料。你可以把服装或剧情状态做成明确版本，在画布上查看镜头关系，并把通过审核的结果送入时间线检查连续性。
如果你的 AI 视频经常出现人物变脸，可以先下载 ElserStudio，为一个角色建立母版，再完成近景、行走和视角变化三个测试镜头。先证明角色在代表性条件下稳定，再扩大到整场戏。