AI 绘画 IP 一致性完全指南：从 Seed 到 LoRA 的 4 种方法

看到一个有趣的 skill——ian-xiaohei-illustrations，主要是给文章配图的，其中一个有趣的想法是一定要加入一个名为“小黑”的 IP，并参与整个图片的内容表达。由此，我在思考，如何保证文生图的 IP 形象保持高度一致性？

设计层：做减法

复杂 IP 难以一致，因为细节越多，AI 越容易跑偏。

小黑的设计哲学：

因此在设计上，如果想仅仅通过 prompt 来保证角色的一致性，那么做减法是难以避免的。

一致性 = 固定识别点（30%）+ 可变表现（70%）

固定识别点：颜色、标志性配饰、身体比例、一个独特特征
可变表现：姿势、场景、服装细节、表情强度

Prompt 层：结构化描述

一个差的例子：

一个长发女孩，戴着红色围巾，穿着蓝色外套...

一个好的例子：

角色定义：
- 固定特征：银色长发，异色瞳（左眼金色/右眼蓝色），
  左手腕红色丝带，右眼下方有一颗痣
- 表情：冷静、疏离、略带忧郁
- 体型：纤细，165cm，总是携带一本皮质笔记本

可变元素：
- 服装：[根据场景描述]
- 姿势：[动作描述]
- 环境：[背景描述]

核心原则：

• 角色描述放最前面
• 固定特征与可变元素分离
• 每次生成复制相同的固定描述

技术层：五种可行的方案

方法 1：Reference 图法

原理：上传参考图，让 AI 以图中角色为基础生成新图。

Prompt 示例：

以上传图片中的角色为基础，保持相同的发型和服装风格。
让角色做出[new action]的动作，背景改为[new scene]。

优点：

• 无需训练，立即可用
• 直观可控，效果可见
• 适合快速迭代

局限：

• 复杂姿势可能丢失特征
• 光照/风格可能随新场景偏移
• 无法保证 100% 一致，每次仍有变异

适用场景：快速验证、单张调整、轻度变体

方法 2：Seed 固定法

原理：Seed 是随机数起点。相同 seed + 相同条件 = 相同图像。

什么是 Seed：

seed = 地图初始坐标
random noise = 从这个坐标开始的迷雾
diffusion = 一步步揭开迷雾的过程

获取 Seed：

工作流：

# Step 1: 找到基础种子
Prompt: "黑色实心生物，白点眼睛，细腿，纯白背景"
Seed: 3928471023 → 保存为基准图

# Step 2: 保持种子，改姿势/场景
Seed: 3928471023 (不变)
Prompt: "同一角色，搬运箱子，行走" → 搬运版
Prompt: "同一角色，拉动机器杠杆" → 操作机器版
Prompt: "同一角色，卡在洞里，双腿悬空" → 卡洞版

当然也可以遍历种子找最优的设计

for seed in range(1000, 1010):
    generate(prompt, seed=seed)
# 从结果中选最满意的，锁定使用

优点：

• 成本最低，无需额外工具
• 可复现性强，相同条件必出相似图
• 适合批量生成变体

局限：

• Prompt 改动过大（>30%）会导致角色变形
• 分辨率/比例改变会重新采样
• 模型版本变化会完全失效
• 无法控制姿势，姿势由 seed 决定

适用场景：系列图生成、多图变体、低成本一致性要求

方法 3：LoRA/模型训练

原理：用 15-30 张角色图训练小型模型，固化角色特征。

训练步骤：

1. 准备角色多角度/多姿势图 15-30 张
2. 标注触发词，如 "XIAOHEI"
3. 训练 LoRA（约 30-60 分钟）
4. 生成时调用：<lora:character_name:0.8>

Prompt 示例：

XIAOHEI, 一个黑色实心生物，白点眼睛，细腿，
正在搬运箱子，纯白背景，手绘风格
<lora:xiaohei_v1:0.8>

优点：

• 一致性最高，几乎 100% 稳定
• 无需每次描述角色，只需触发词
• 可跨姿势/场景保持特征

局限：

• 需要准备训练素材
• 训练耗时（30-60 分钟）
• 过度训练可能导致风格僵化
• 需要技术门槛（SD/训练环境）

适用场景：复杂 IP、长期商用、高一致性要求

支持平台：

方法 4：CV 控制（ControlNet 等）

原理：用计算机视觉工具控制生成过程中的特定要素。

常用组合：

Workflow：

1. 准备 OpenPose 骨骼图（或提取角色面部）
2. 在 SD 中启用 ControlNet
3. 选择预处理器和模型（OpenPose/IP-Adapter）
4. 输入 prompt，生成

优点：

• 姿势可控，不再随机
• 面部一致性极高
• 可精确控制构图

局限：

• 需要 Stable Diffusion 环境
• 学习成本较高
• 过度控制可能导致僵硬

适用场景：精确姿势要求、面部特写、动画分镜

支持平台：

方法对比总表