角色一致性始终是 AI 视频生成中最棘手的挑战之一。一项结合 Seedance 2.0 与 Seedream 5.0（FlovaAI 日本平台）的实践，成功实现了一个高难度的动漫角色从静态设计图到动态场景的一致呈现。本文详解其使用的完整提示词结构与工作逻辑。

核心工作流程

  1. 角色参考绑定——上传设计图片作为身份锚定（@Image1）
  2. 摄影风格定义——指定设备、镜头参数和色彩方案
  3. 场景环境构建——描述空间布局和光照条件
  4. 运动引导——用自然语言描述动作轨迹和节奏

角色参考提示词解析

@Image1 = character reference: blonde bun with loose strands, ice-blue eyes, pale skin, white high-neck sleeveless gown with high side slits and long train, dark red ring sigil on abdomen, detachable white sleeves, black sun-gear tattoo on left arm, white heels. Exactly as Image1, no redesign.

关键技巧：在角色描述末尾明确标注 Exactly as Image1, no redesign——这是一个有力的约束指令，告诉生成模型严格遵循参考图，不要做任何重新设计。角色描述覆盖了发型、瞳色、肤色、服装款式、配饰细节和纹身等关键视觉元素。

摄影风格设定

STYLE: Cinematic photorealistic render. Real skin (pores, fine fuzz, subsurface scattering), real satin drape, individual hair strands. ARRI Alexa 65, Cooke S7 anamorphic T1.4, macro probe lens for ground-level shots. Blue anamorphic flares, warm-gold vs cool-white grade, 35mm grain and halation, volumetric light through dust.

可迁移的技巧：

  • 指定具体摄影设备（ARRI Alexa 65 + Cooke 变形镜头）——为 AI 提供明确的画质锚点
  • 描述镜头特性：蓝色变形眩光、暖金/冷白调色对比、35mm 颗粒感和光晕
  • 加入体积光照效果：通过尘埃中的光线增强场景空间感
  • 皮肤细节提示：毛孔、细绒、次表面散射——追求真人皮肤质感

场景构建

SETTING: Colossal white marble throne hall at noon. Arched windows pour hard light shafts, dust turning inside them. Mirror-polished floor. At the far end a white stone and brass throne flanked by huge dark red banners.

场景描述遵循"空间结构 → 光照来源 → 材质效果 → 视觉焦点"的四层递进模式：先框定空间大小和材质（白色大理石宫殿），再交代光源（正午拱形窗的硬光柱）、光与环境的交互（灰尘在光线中旋转）、最终视觉焦点（尽头的王座与红色旗帜）。

运动引导

MOVEMENT: Natural and graceful, slightly slow-paced with deliberate poise. Walk forward with hips swaying gently, dress train dragging on polished floor. Occasional pauses to look around with arrogance and curiosity mixing.

运动描述的关键在于提供"节奏感"：自然优雅、略慢、带有从容的姿态。同时交代了动作的因果（走步→裙摆拖地→停顿→环顾），赋予了角色明确的表达动机。

实操建议

  • 先锁角色，再写场景：角色参考是最重要的第一步，用 Exactly as Image1, no redesign 这类强约束语句锁定身份
  • 设备即滤镜：指定 ARRI Alexa、RED 等专业摄影机相当于给 AI 一个"画质预设"
  • 四层场景描述法：空间 → 光照 → 材质 → 焦点，按顺序组织信息
  • 节奏优先于动作：描述运动节奏（优雅、从容、傲慢）比描述具体姿势更有效

视频效果预览

以下是使用上述完整提示词生成的 15 秒角色一致性动画示例：