我用 WorkBuddy 做了一套「角色参考表」流水线：4 面板一次成型，放大零漂移

前面两篇讲了怎么出图、怎么编长视频。但这两件事中间还夹着一个更硬的问题：凭什么七段视频里的她是同一个人？ 答案不在 prompt 里，在一张你提前做好的资产图上。

一、一致性是 AI 创作里最贵的问题

用 AI 做系列内容的人，早晚会撞上这堵墙：

第一张图很好看，第二张换了角度就开始像另一个人，第三张干脆换了个脸型。你以为是 prompt 不够细，于是把五官描述写到两百字——没用。因为模型每次采样都是重新"抽签"，你写的字只影响概率分布，保证不了同一张脸。

行业里通用的三条路：训 LoRA、参考图驱动、资产图（角色参考表）。

• 训 LoRA：成本高、要数据集，而且一次只能锁一个人；
• 参考图驱动：效果最好，但前提是你得先有一张合格的身份参考图；
• 资产图：一次做好、全场复用，是前两者的共同起点。

这篇讲的就是第三条——怎么用一张整版图，一次把角色的特写 + 三个视角全部定下来。

同一张图里的四格：正面 / 四分之三侧 / 九十度侧面 / 背面

二、先否掉一个思路："多出几张挑一张"

这是新手最自然、也最贵的做法：同一个 prompt 出一组图，挑一张最好看的当参考。

为什么不行：那样出来的每张图，人物、服装、光照都在各自漂。你今天挑一张当参考，明天挑另一张——剪在一起就是跳切。更糟的是，它们之间没有共同的锚，你无从判断哪张"更对"。

正解是反过来：一张画布里同时出现同一个角色的多个视角，用一次采样、一套光照、一套服装描述，把四个视图锁在同一次生成里。它在构图上是"一整幅"，天然共享全部身份信息。

三、四步流水线（命令级）

整条链路只有四步，关键在于每一步的产物都必须是下一步的输入，中间不许人工"再画一遍"：

命令行长这样（占位符按本机展开）：

S="{SKILL_ROOT}/scripts"; PY="{PY_EMBED}"

# ① 整版一次出（2048×1024，约 150~160 秒）
CS_OUT_DIR="<角色目录>" CS_OUT_NAME="<角色>-头部4格" CS_SEED=<seed> \
CS_PROMPT_FILE="<prompt txt 绝对路径>" "$PY" "$S/make_sheet.py"

# ② 量缝位（纯读图，秒出）
CS_CROP_SRC="<整版图路径>" "$PY" "$S/crop_sheet.py" scan

# ③ 裁 4 张分图（纯裁切，零漂移）
CS_CROP_SRC="<整版图路径>" CS_X=890,1295,1642 \
CS_CROP_OUT="<...>/04面板分图" "$PY" "$S/crop_sheet.py" cut

# ④ 纯超分放大 2x（约 6~12 秒/张）
CS_UP_SRC="<...>/04面板分图" CS_UP_DST="<...>/05分图_超分2x" \
"$PY" "$S/upscale_sheet.py" all

每一步之间必须读图核对，不是形式：

• ① 出完核布局服从度 + 人物一致性；
• ③ 裁完逐张看，重点看相邻视图之间有没有带进隔壁的衣角、发丝；
• ④ 先跑单张（最大那张）验显存，再跑全部，然后抽 1~2 张核超分有没有崩。

这一步是整条流水线最容易被省掉、也最容易翻车的地方。一次一张，出一张验一张——批量盲跑的结果，往往是四张全废。

量缝位后裁出的单格分图（554×1024，零重绘）

四、写词：骨架里哪几句一个字都不能改

参考表的 prompt 有固定骨架，其中几句是布局锚，逐字不动：

角色设定参考图，左侧为正脸特写，右侧并列展示正面、90度侧面、背面三张等高全身视图，
特写与全身视图都是同一角色，全身入镜，中性A字站姿，三张全身视图等高并排、头顶脚底对齐，
[年龄感+性别感]，[身材比例]，[五官]，[发型]，[服装+配饰]，
正脸特写与三张全身视图的脸、发型和服装完全一致，
[背景]，[光线]，[气质收尾]，电影质感

四个锚点句各管一件事：

• 左侧为正脸特写，右侧并列展示正面、90度侧面、背面三张等高全身视图 → 管面板排布；
• 特写与全身视图都是同一角色 和 正脸特写与三张全身视图的脸、发型和服装完全一致 → 管跨面板一致性。这句是命门，删了就出四个不同的人；
• 三张全身视图等高并排、头顶脚底对齐 → 管三视图对齐；
• 全身入镜 → 尽量做到，但宽幅下脚仍常被切。

背景一定要走纯色影棚（浅灰、浅灰蓝之类）＋柔和均匀棚拍光。原图的氛围——月光夜、影院暗调、樱雾——不要搬进来，氛围会混进身份锚。把原图的气质收到人物身上（神情、发型、面料质感），而不是环境里。

五、cfg=1.0 的连锁反应：prompt 里不能出现否定词

这是整套流程里最反直觉、也最烧钱的一条。

当采样配置把分类器引导压到 1.0 时，负向提示词通道等于不存在。这时候 prompt 里任何一个否定词都会变成反向激活——你想"不要混血脸"写个 no，结果模型反而往那个方向跑。

所以规矩是：全文零否定。英文的 no / not / never / without / nothing，中文的 不 / 无 / 没有 / 别 / 不要 / 非，一个都不能有，全部改写成肯定式。

最容易踩的是子串匹配：门禁按子串查，nose 里面就藏着 no。

门禁脚本在提交前自动跑，命中即拒发——这省下的是一次 155 秒的白跑。写词的时候就把这一步前移，比事后重跑划算得多。

身体四格整版：四格各说一遍布局锚与身份锚

六、布局锚和身份锚：必须逐格各说一遍

cfg=1.0 下，"说布局"和"说长相"这两类描述会互相拉锯：只强化布局 → 发型漂；只强化发型 → 漏视图。

唯一稳的写法是两类都在每一格里各说一遍：

画面横向均分为四格、四格并排铺满整幅画面，
第一格是正脸特写，第二格是全身正面视图、人物面朝镜头，
第三格是全身90度侧面视图、人物侧身站立、画面里能清楚看到她的侧脸轮廓与鼻梁线，
第四格是全身背面视图、人物背对镜头，
[……服装 / 五官……]
第一格特写里她是一头披肩空气刘海长直发，
第二格正面视图里她也是一头披肩空气刘海长直发、长发垂在胸前与背后，
第三格侧面视图里她同样披散着一头空气刘海长直发、长发顺着肩背垂到腰际，
第四格背面视图里她的长直发全部披散在背后、一路垂到腰际，

笼统写"右侧三格依次是正面、侧面、背面"会漏格或错序——实测出过"只画了 3 格"，也出过"第 3 格画成了背面"。生成后必须读整版核四格：数格数、核格序、核每格发型是否一致，三项都过才算布局合格。

七、四个容易被漏掉的写词坑

1. "背头"必须写全：鬓角推剪干净、后颈头发剪短推净、露出后颈与双耳。只写"背头"，背面格照样给你盘个低发髻。
2. 长发角色的背面格：全局第一句加总锚"四格里她都是同一头长发、自然披散垂落、发梢到腰际"，背面格再写"垂落的长发从左右两肩披下来、肩前能看到垂落的发梢"——双管齐下才压得住。
3. 头部图的服装会缩水：只写"锁骨处露出某件上衣的领口"，短袖会被画成细带背心，而且肩带元素会顺着参考图渗进后面的剧情画面。解法是四格逐格点名服装，并保留"四格里她穿的都是同一件"的总锚。
4. "从颈部下缘开始"只是意愿不是保证：模型仍可能自带全头。全头全身照样能当全身锚用，属可用不算废。

八、裁切：别用"判定纯白背景"

裁切这一步有个反直觉的坑：不要用"判定纯白"来找视图边界。整版出来的底色多是浅灰蓝渐变影棚，判白会一个都不命中。

正确做法是扫描前景密度，找四条视图之间的净空缝位。两个经验值：

• 残留密度 ≤20 算干净背景；突然飙到几百，说明两个视图已经粘在一起了；
• ⚠️ 扫描会被飘散的长发带偏（谷底会报在衰减斜坡上）。缝位附近一律逐列精细打印（步长 10px），取残留真正落到 0~10 的平台段中心。

还有一个原则：裁框一律压进缝里——宁可切掉自己那侧一点点衣角，也绝不带进隔壁视图的人。边缘出现可疑的淡竖条先放大核实，大多是绒边 / 纱边，属正常。

九、放大只能插值，绝不能"重绘放大"

这条是血账：分图裁完，只能用纯超分放大，不能走图生图。

• 纯超分（RealESRGAN）：只做插值，零漂移，四张放完还是同一个人；
• 图生图重绘放大：四张会各自漂成四个人——因为重绘是重新采样，每张的采样结果都不一样。

所以任何"裁完再用图生图放大"的想法，都应当场否掉。放大用 RealESRGAN_x4plus，4 倍超分后再用 LANCZOS 降到净 2 倍。

十、几个如实告知的边界

这些东西不算达标，只是已知边界，写出来是免得后来人重复踩：

• 脚被切不是画幅的锅，是"人物被画得太大"——元凶是 prompt 里的"铺满"类描述，写词时直接禁用；
• 四面板的左侧特写常顶到画面左边缘，不算完整头肩像，这是布局常态，裁第一格时可以保留到 x=0；
• 七面板未验证：模型对 7 格布局的服从度未知，要做先出一次验证版；
• 资产图 PNG 不内嵌 prompt：所以"读内嵌元数据拿 prompt"这条通用技巧在这套资产图上失效，要溯源只能回生成脚本。

十一、交付结构：这一步决定下游能不能用

资产图不是"存起来就完事"，它是下游（视频参考图、图生图、系列套图）的输入。所以目录和命名必须固定：

D:\资产图\<系列>_<角色>_角色参考表\
├── <角色>-头部4格_1536x1536.png   ← 整版，必须在第一层，点开目录第一眼就看见
├── 04面板分图\                     ← 切出来的 4 张原图
└── 05头像_超分2x\                  ← 4 张超分版

三条层级规则：整版必须在角色目录第一层、分图必须进子目录分类放、子目录只许一层。命名统一用 角色-内容 的连字符格式，同系列共用一个前缀，资源管理器里才排得齐。

还有一条交接即清：新版交付后旧版当场删干净，不留"回收 / 暂存 / backup"目录，也不靠 _v2、_old 这类后缀留对比——当前有效版本的文件名里不许带版本号。

最后是给下游用的顺序。四张分图喂给视频模型的参考图通道时，顺序固定：

image_0 = 特写 → image_1 = 正面 → image_2 = 侧面 → image_3 = 背面

参考图本身不吃帧位、可以各用各的分辨率，但顺序会影响结果，别乱调。

纯超分 2x 的同一格（1108×2048，放大不重绘）

十二、WorkBuddy 在这套流程里的位置

和前面几篇一样，模型只负责"把这一版画对"，编排层负责保证它可复用：

• 把四步流水线固化成脚本，参数（seed、画幅、缝位坐标）全部落成可追溯的变量，而不是靠手输；
• 出图前自动跑否定词门禁，把"155 秒白跑"消灭在提交之前；
• 每步之间强制"读图核对"这个动作，把"我觉得应该没问题"换成"我看过了"；
• 产物按系列 / 角色 / 视角固定归档，下游直接按约定路径取用。

十三、踩坑速查表

结语

一个系列能不能做长、做稳，分水岭不在模型，而在你有没有把"她是谁"这件事固化下来。

一张四面板参考表，四步流水线，三个验收动作——把这三样固定成纪律，你就从"每次都在赌运气"变成了"每次都在复用同一个人"。

而这一切仍然是零积分的：整版 150 秒，裁切秒级，超分每张十秒内，全部在本地跑完。

换一个角色、换一套配色，同一套骨架照样成立