如何为 Seedance 和 Kling AI 视频编写角色一致的提示词
了解如何使用结构化、可重复的框架,为 Seedance 和 Kling AI 视频编写保持角色一致的提示词,从而减少角色漂移和重复生成。本指南涵盖身份锚点模块、针对不同模型的提示词调优、负面提示词策略,以及如何将提示词与参考图像搭配使用以实现最大程度的一致性。你还将获得高级工作流技巧,以及使用 face swap 修复残余轻微漂移的备用方案。
文章目录
为什么提示词工程比重复生成更快地解决角色漂移
如果你曾经生成过一段文生视频片段,却眼睁睁看着角色的脸部变形、发色改变,甚至在场景中途连体型都发生变化,那么你一定知道角色漂移有多令人沮丧。大多数创作者会不断重复生成片段,或完全依赖参考图像——这两种方法都缓慢且低效。事实是,大多数角色漂移都始于模糊、结构不佳的提示词,这类提示词让模型可以随时重新诠释角色身份。
用于保持角色一致性的提示词工程,并不是随意添加形容词,而是要建立一个严格的身份锚点,将其策略性地放置在提示词中,并根据所使用的具体模型进行调优。正确执行后,它可以减少重复生成的次数,也能降低后期制作修复的需求。
保持角色一致性的 3 种提示词优先方法
我们将介绍三种互为补充的方法,按照从简单到强大的顺序排列,适用于文本驱动和图像驱动的工作流:
- 身份锚点模块:在每条提示词开头使用标准化、特征密集的描述,在添加任何场景或动作细节之前锁定角色的核心身份。
- 针对模型的提示词调优:调整提示词顺序、细节程度和强调方式,以匹配 Seedance 和 Kling 处理身份信息的方式。
- 提示词 + 参考图像混合工作流:将身份提示词与视觉参考表搭配使用,以实现最大程度的一致性,尤其适用于图生视频片段。
MagicBoat 如何简化这一工作流
过去,在不同模型之间测试提示词变体,需要在半打工具之间来回切换,而每个工具都有自己的界面和积分系统。在 MagicBoat 的免费AI 视频平台上,你可以并排测试同一条身份提示词在 Seedance、Kling 和其他模型上的效果,使用内置图像模型生成参考表,并在同一个工作区中处理动作迁移和 face swap 等生成后修复。你不需要导出文件,也不需要在不同工具之间重新输入提示词——所有内容都保存在同一个项目中。
第 1 步——构建身份锚点提示词模块
基于提示词保持角色一致性的基础是身份锚点:一个由 15-25 个词组成的模块,放在提示词最开头,位于所有场景、动作或风格细节之前。模型会以最高权重处理提示词开头的 10-15 个词,因此先描述身份可以确保这些特征获得优先级。
你的锚点应按以下顺序包含这些内容:
- 年龄范围和性别呈现(例如“28 岁女性”)
- 2-3 个独特的面部特征(例如“卷曲的赤褐色头发、鼻梁上的雀斑、左眉上方的细疤痕”)
- 体型/身材(例如“运动型身材,身高 5 英尺 8 英寸”)
- 1-2 个标志性的服装/配饰特征(例如“旧黑色皮夹克、银色环形耳环”)
规则:绝不要在身份锚点中添加场景或动作细节。锚点只用于描述角色固定且不会改变的特征。
身份锚点示例:
28 岁女性,卷曲的赤褐色头发,雀斑,左眉上方的细疤痕,运动型身材,旧黑色皮夹克,银色环形耳环
要为该角色生成匹配的视觉参考图,请在 MagicBoat 的图像生成工具中使用以下提示词:
写实风格的三面板角色参考表,28 岁女性,卷曲的赤褐色头发,鼻梁上的雀斑,左眉上方的细疤痕,运动型身材,旧黑色皮夹克,银色环形耳环,正面视图 / 四分之三侧面视图 / 背面视图,无缝浅灰色背景,柔和均匀的摄影棚灯光,16:9 宽高比,清晰对焦,高细节
预期结果:一张清晰的三视图角色表,与身份锚点完全匹配,你可以在视频生成中将其用作参考。
第 2 步——分别针对 Seedance 和 Kling 调整提示词结构
Seedance 和 Kling 处理提示词信息的方式不同,因此如果你根据各自模型的优势调整其余提示词结构,同一个身份锚点会获得更好的效果。
| 模型 | 提示词顺序 | 身份强调技巧 |
|---|---|---|
| Seedance | 身份锚点 → 动作/运动 → 摄像机 → 风格/光照 | 在提示词末尾重复 1-2 个关键身份特征(例如“卷曲的赤褐色头发”),以进一步强化 |
| Kling | 身份锚点 → 风格/光照 → 动作/运动 → 摄像机 | 在身份锚点后添加“面部特征一致,外观一致”,明确锁定身份 |
完整的 Seedance 示例提示词:
28 岁女性,卷曲的赤褐色头发,雀斑,左眉上方的细疤痕,运动型身材,旧黑色皮夹克,银色环形耳环,黄昏时走在下雨的城市街道上,手持黑色雨伞,缓慢的横向跟拍镜头,电影感霓虹灯光,浅景深,卷曲的赤褐色头发
完整的 Kling 示例提示词:
28 岁女性,卷曲的赤褐色头发,雀斑,左眉上方的细疤痕,运动型身材,旧黑色皮夹克,银色环形耳环,面部特征一致,外观一致,电影感霓虹灯光,浅景深,黄昏时走在下雨的城市街道上,手持黑色雨伞,缓慢的横向跟拍镜头
预期结果:两种模型都会生成角色核心身份在整段视频中保持一致的片段,不会出现明显的面部或服装变化。
第 3 步——添加负面提示词,阻断漂移触发因素
对于保持角色一致性而言,负面提示词和正面提示词同样重要。它们可以阻止模型在无法确定某项特征时默认产生的常见漂移。
将以下通用负面提示词模块添加到每次角色一致性生成中:
脸部变化,特征变形,发色改变,面部结构改变,体型改变,服装改变,多余肢体,手部变形,重复角色,外观不一致,脸部模糊
针对不同模型进行调整:
- Seedance:添加“脸部过曝,特征褪色”,防止模型在明亮场景中将肤色或发色变浅。
- Kling:添加“风格化脸部,卡通特征,夸张比例”,防止模型过度风格化面部特征。
专业提示:如果你发现某种特定的漂移模式(例如眉毛上方的疤痕总是消失),请将缺失的具体特征作为“不得丢失[特征]”添加到负面提示词中,例如“不得消失的疤痕,不得移除疤痕”。
第 4 步——将提示词与参考图像搭配用于图生视频
对于图生视频工作流,参考图像承担了大部分身份保持工作,但提示词仍然在强化身份以及防止角色移动时发生漂移方面发挥着关键作用。
遵循以下图生视频提示词规则:
- 将身份锚点缩短为 5-10 个关键特征(参考图像已经展示了完整角色)。
- 先放置缩短后的锚点,然后添加“与参考图像一致,与参考图像中的角色为同一角色”。
- 控制动作描述的复杂度——快速、复杂的动作会增加漂移风险。
- 大多数场景将参考强度设置为 0.7-0.8;如果出现漂移,则提高到 0.9。
Seedance 的图生视频提示词示例:
28 岁女性,卷曲的赤褐色头发,左眉上方的疤痕,与参考图像一致,与参考图像中的角色为同一角色,缓慢向左转身,露出柔和的微笑,自然窗光,静态中景,不改变脸部,不出现特征变形
预期结果:动画角色与参考图像完全匹配,仅包含轻微、自然的动作,不会发生身份变化。
第 5 步——验证并修复轻微漂移
即使提示词非常完善,仍可能出现一些轻微漂移,尤其是在较长片段或高运动场景中。通过检查每一帧中的三个关键特征来验证一致性:
- 面部结构(下颌线、眼睛形状、鼻子形状)
- 独特的识别特征(疤痕、特定配饰或纹身)
- 发色和发型
如果发现轻微漂移(例如疤痕在某个镜头中变淡,或头发颜色稍微变浅),请使用face swap,并从同一片段中选择一致的帧,即可在几秒内修复。对于严重漂移,请提高参考权重后重新生成片段,或将发生漂移的特征同时添加到正面和负面提示词中。
高级工作流整合
掌握基础提示词框架后,你可以将其扩展到更复杂的工作流:
- 在不同项目中重复使用同一个身份锚点:将身份锚点保存为模板,这样无需每次重新编写,就能在多个场景、视频甚至不同模型中生成一致的角色。
- 替代方案:在高运动场景中使用动作迁移:对于快速舞蹈或动作序列,如果基于提示词的一致性效果不佳,可以先生成一张一致的全身角色图像,然后使用动作迁移来应用动作。这样既能锁定身份,又能获得所需的动作。
- 多角色场景:对于两个或更多角色,为每个角色提供独立且明显不同的身份锚点,并为每个角色添加一个易于追踪的独特特征(例如红色夹克与蓝色夹克),以便模型区分他们。在描述每个角色的动作之前,立即放置该角色的锚点。
工作流成本
本指南涵盖的所有提示词测试、参考图像生成和基础视频生成,都可以在 MagicBoat 上免费使用。免费用户可以使用 Seedance、Kling、图像生成、face swap 和动作迁移功能,并获得每日积分。高级套餐提供更高分辨率、更长片段时长和更快的生成速度,但你无需支付任何费用,就可以测试并完善完整的提示词工作流。
局限性
提示词工程是强大的工具,但也存在局限:
- 在极快节奏或高运动场景中(例如后空翻、打斗序列),由于模型需要快速生成新的角度,它无法完全消除漂移。
- 它最适合写实或半写实风格;高度风格化或卡通角色仍可能发生漂移,因为模型拥有更大的诠释空间。
- 如果提示词过于密集,Seedance 往往会优先保证动作流畅度,而不是面部保真度,因此对于较长片段,你可能需要删减非必要细节。
- 如果重复早期提示词特征的次数过多,Kling 可能会过度强调这些特征,从而导致特征夸张。
常见问题
如果使用这些提示词技巧,我还需要角色参考表吗?
需要——提示词通过语言锁定身份,而参考表则为模型提供具体的视觉锚点,尤其适用于独特的面部特征。两者结合使用效果最佳;提示词可以强化参考图像所展示的内容,降低模型误解图像的可能性。
身份锚点模块应该多长?
15-25 个词,或 5-7 个核心特征。太短时,模型无法获得足够的身份细节;太长时,提示词开头的权重会被稀释,使锚点效果降低。
这些提示词结构适用于 Veo 或 Runway 风格的工作流等其他模型吗?
以身份锚点开头的核心原则适用于大多数文生视频模型,但你需要针对每个模型调整提示词顺序和强调方式。本指南中的具体模板针对 Seedance 和 Kling 进行了优化,因为这两个模型对该结构的响应最为稳定。
图生视频和文生视频可以使用同一个身份提示词吗?
不可以——对于图生视频,应将身份锚点缩短为 5-10 个关键特征,因为参考图像已经提供了大部分视觉身份信息。添加完整的 25 词锚点可能会使模型混淆,因为它会面对两个相互竞争的身份信息来源。
如果使用这些提示词后角色仍然发生漂移怎么办?
首先,将参考权重提高 0.1-0.2(如果使用了图像参考)。如果仍然无效,将发生漂移的具体特征同时添加到正面提示词(例如“左眉上方清晰可见的疤痕”)和负面提示词(例如“不得缺失疤痕”)中。对于生成后出现的轻微漂移,可以使用 face swap 修复单独的帧。
准备好测试你的第一条角色一致性提示词了吗?前往 MagicBoat,免费在 Seedance 和 Kling 上试用这些模板,无需信用卡。
最终检查清单
- 构建一个由 15-25 个词组成的身份锚点,其中包含固定且不会改变的角色特征,并将其放在提示词最开头。
- 根据模型调整提示词顺序:Seedance = 身份 → 动作 → 摄像机 → 风格;Kling = 身份 → 风格 → 动作 → 摄像机。
- 添加通用负面提示词模块,阻止面部变形、发色改变等常见漂移触发因素。
- 对于图生视频,缩短身份锚点,并搭配三视图参考表,将参考强度设置为 0.7-0.8。
- 通过检查每个片段中的面部结构、独特识别特征和头发来验证一致性。
- 使用 face swap 修复轻微漂移;对于严重不匹配,则调整提示词权重后重新生成。
关键词
角色一致性,提示词工程,seedance 提示词,kling 提示词,AI 视频工作流,文生视频,face swap