AI 生图人物不一致？从参考图输入到结果审核的排查清单

给同一个角色做一组图片，第一张在室内，第二张换到街上，脸也跟着变了。继续往提示词里加“同一个人”“保持一致”，仍然未必有用。

先检查参考图有没有真正参与生成，再看它和文字要求是否一致。

第一，模型收到图片了吗？

在提示词里写“参考照片 A”，不等于已经把照片交给模型。使用网页工具时，确认图片已作为参考输入；通过 API 调用时，检查图片字段、地址能否访问，以及当前模型是否支持这种输入。只支持文字生成的调用方式，不能靠写一个文件名变成图生图。

第二，几张参考图有没有在描述不同的人？

不要只挑好看的照片放在一起。先选一张能清楚辨认角色、没有明显错误的基准图；需要其他角度时，再补充外观一致的素材。年龄感、脸部轮廓或修饰差异明显的图片混在一起，可能让要求变得含糊。参考图更多，不等于身份更稳定。

第三，提示词有没有改掉本来要保留的特征？

原本只想换场景，却顺手加了新的年龄、发型、脸型和妆容，生成结果就更难判断。把“人物必须保持什么”和“这次镜头改什么”分开写。换背景时，不必重新发明一套五官描述。

第四，一次是不是改了太多条件？

先固定模型、参考图和画幅，只改一个主要条件，看看结果。若同时换模型、提示词、比例和风格，脸变了也很难追查原因。

审核时，把新图与同一张基准图并排看。先判断是否仍像同一位角色，再看服装等项目要求，最后检查手部、道具和背景。不要因为光影漂亮，就把已经换脸的结果当成合格素材。

如果只是局部细节有问题，可以在工具支持的情况下尝试局部编辑，保留原图方便回退。若人物身份已经明显变化，应回到基准素材和请求条件排查。相同 seed 也不能作为跨模型、跨提示词的身份保证。

把排查结果记成一张表

同一组素材里，先把基准图、请求条件和结果对应起来。记录“第几次出图”还不够：下一次需要能找到当时使用的模型版本、参考图、提示词和参数。下表是记录模板，不代表已经完成测试。

延伸阅读

Orbis 资讯的人物一致性完整指南整理了参考图准备、角色卡、小样测试和审核顺序。准备做整组图片时，可以对照这套流程，先检查少量结果，再扩大生成量。

本文由 Orbis 整理，围绕已有指南拆解使用方法与排查思路。文中的提示词和次数计算用于说明结构或机制，不作为模型效果或线上事故实测。