Midjourney 角色一致性三步锁脸身份证写法-知了AI

Midjourney 角色”身份证”写法：固定特征文本 + 参考图锚点 + 种子值，三步锁脸

做连环画、绘本、短视频分镜的人都有一个共同的噩梦：第一张图里的角色是位”琥珀色眼睛、左眉有疤的短发少女”，画到第十张变成了圆脸大眼萌妹，画到第二十张连发色都换了。这不是玄学，而是 Midjourney 扩散模型每一次生成都重新”掷骰子”的必然结果。要解决 Midjourney 角色一致性问题，靠的不是运气，而是一套可以复制的方法论——给角色办一张”身份证”：固定特征文本（identity snippet）当身份说明，参考图锚点（–cref / –sref）当证件照，种子值（–seed）当出生编号。三重锚定齐了，脸才锁得住；缺了任何一重，必漂。

这篇教程会把这套方法拆成三步讲透：第一步写出真正管用的角色特征文本块，第二步用 –cref、–cw、–sref 钉住脸和画风，第三步用 –seed 控制可复现性。最后给出可直接复制的”角色身份证”完整模板、两份关键参数对照表，以及一份诚实的 FAQ——包括什么时候该放弃参考图方案，直接上角色 LoRA。

一、先搞懂：为什么角色会”漂”？

在动手之前必须理解漂移的来源，否则参数调得再细也是隔靴搔痒。Midjourney 的每一次生成，本质上是三个变量的函数：

提示词文本：模型对画面的”文字理解”，但同样的描述在不同批次里权重分配会波动；
随机噪声种子：扩散模型的起点是一张随机噪声图，种子不同，哪怕提示词一字不差，构图和面部细节也会不同；
模型版本与参数环境：–stylize 值、–ar 比例、–chaos 值、版本号，任何一个变动都会改变扩散轨迹。

换句话说，角色一致性不是”提示词写得好”就能解决的问题——它是文本、图片、随机数三重锚定的问题。只写文字不锁种子，每张图的随机起点都不同；只挂 –cref 不写特征文本，模型在长序列里会逐渐”忘记”参考图里的脸；只锁种子不改参考，换个场景比例后种子作用衰减，照样漂。这就是我说的那句话：身份证是文本、图片、随机数三重锚定，缺一必漂。

1.1 漂移的三种典型症状

五官漂移：脸型、眼距、鼻梁逐张变化，最常见于连续出图的第 10~20 张区间；
服装发型漂移：衣服颜色、配饰细节悄悄变化，观众未必能说出哪里不对，但”感觉不是同一个人”；
画风漂移：角色还在，但整体渲染风格从厚涂变成了赛璐璐，光影逻辑变了——这一种最隐蔽，因为单看每张图都没问题。

有社区测试数据显示，纯靠 –cref 不做文本强化的情况下，长序列约 20 张后角色识别度明显下降，第 20 张之后的识别度甚至跌破 50%。这个数字不一定精确到每个模型版本，但趋势是公认的：参考图锚点会衰减，必须靠固定描述文本反复强化来补。

二、第一步：写好固定特征文本（identity snippet）——角色的”文字户口”

identity snippet 是一整块可以原封不动复制进每条提示词的角色描述。注意两个关键词：固定（每次生成一字不改）和整块（不能挑着用、省略着用）。很多人一致性失败的原因很简单——今天写”red hair girl”，明天写”red-haired young woman”，在模型眼里这就是两个角色。

2.1 特征文本的五层结构

一个合格的角色身份证文本块，从内到外应包含五层：

身份定位层：年龄区间 + 性别 + 一句身份标签，如”a 24-year-old female wanderer”；
骨架层（不可变硬特征）：脸型、肤色、体型——这些是你希望任何场景都不变的底座；
五官层（识别度核心）：眼睛颜色与形状、眉形、鼻、唇、痣/疤等标记性细节，越具体越好；
发型服装层（半固定特征）：发型、发色、标志性服装——如果剧情需要换装，这一层要拆出来单独管理；
气质层（软特征）：一个词概括气质，如”weary but defiant”，帮模型统一神态。

五官层写作的具体技巧

颜色用具体色名而非泛称：不写 brown eyes，写 “warm amber eyes with a hint of copper around the pupil”；
形状用可比较的参照：不写 big eyes，写 “almond-shaped eyes with slightly downturned outer corners”；
标记物是黄金锚点：一颗痣、一道疤、一缕挑染，比十句形容词都管用，因为模型对”独特标记”的敏感度远高于对通用形容词的敏感度；
负面特征也写进正面描述：与其指望模型不画大眼，不如直接写 “narrow hooded eyes”。

反面示例 vs 正面示例

反面：“a beautiful girl with nice eyes and long hair”——每个词都在描述”某个平均值”，生成一万次一万张脸；
正面：“a 24-year-old woman, oval face with high cheekbones, warm amber eyes with slightly downturned outer corners, straight thin eyebrows, a small aquiline nose, full lower lip, a faint scar above her left eyebrow, shoulder-length ash-brown hair tucked behind her left ear”——每个词都在收窄可能性空间。

一个可感知的判断标准：把你的特征文本发给另一个人（或另一个 AI），如果他画出来的脸和你的设定对得上七成以上，这个文本块就合格了。写不出这种精度，后面的 –cref 和 –seed 都救不回来。

三、第二步：参考图锚点——–cref、–cw 与 –sref 的正确用法

特征文本解决”模型知道角色是谁”，参考图锚点解决”模型知道角色长什么样”。Midjourney 提供两个参考参数：–cref（character reference，角色参考，锁定人物长相）和 –sref（style reference，风格参考，锁定画风）。

3.1 –cref 与 –cw：锁脸的主力

用法是在提示词末尾追加：

--cref [参考图URL] --cw 100

–cref 接一张你选定的”定妆照”URL（通常从第一张满意的生成图里挑），而 –cw 是这套机制的精妙之处：它控制参考强度和保留范围，取值 0-100。

–cw 100：最大强度，保留参考图的脸部 + 发型 + 服装——适合同一套造型连续出图；
–cw 60~80：保留脸部和发型的主体特征，服装允许变化——适合需要换装但换发型的场景；
–cw 0：只侧重脸部，发型服装完全交给提示词——适合剧情里角色换了发型/装束，但你仍要认得出是同一张脸。

cw 参数设置的经验法则

同一场景换机位（特写/中景/远景）：–cw 100；
换装不换人（剧情推进）：–cw 0 配合完整特征文本，让文本接管发型服装描述；
cref 漂移已经发生（序列后半段）：适当回调 cw 并强化文本，而不是无脑拉满——拉满会把参考图的背景杂物也带进来。

3.2 –sref：管住画风，防止”人没变画变了”

角色一致性的一半是人物一致性，另一半是画风一致性。同一个角色，第一张是电影级写实质感，第五张变成日漫平涂，观众照样出戏。–sref 锁的是渲染风格：把它指向一张画风锚定图（或用 –sref random 固定一批风格种子），配合固定的 –stylize 值，能让整个序列保持在同一视觉语言里。

特别提醒：–sref 也可以带强度参数（–sw），并且 –sref 后面接的具体图同样来自你自己的生成结果——用你项目里”最标准的一张”当风格基准，而不是随手找的网图。

3.3 三个参数的作用边界

下面这张对照表，建议打印出来贴在显示器旁边。很多人把三个参数混着用、指望某一个包打天下，结果哪个都没锁住。

参数	锁什么	作用层	关键搭档	典型失效场景	失效补救
–cref	角色长相（脸/发型/服装）	人物层面	–cw 控强度；特征文本做文本强化	长序列 20 张后识别度衰减、远景小脸识别弱	重新选锚点图 + 强化 identity snippet + 降 cw 只锁脸
–sref	整体画风（色彩/笔触/光影）	风格层面	–stylize 固定值；固定模型版本	换了 –ar 或 –stylize 后画风突变	固定全部技术参数，必要时提高 –sw
–seed	随机起点（构图/细节随机性）	随机层面	与完全相同的提示词配合使用	提示词、比例、场景一变，种子作用衰减	换场景后重新筛选种子，不要幻想一个 seed 走天下

看清楚这张表会发现一个残酷事实：–seed 只对”完全相同的提示词”有效。它的正确用途是”微调迭代”——锁定一个还不错的随机起点，只改个别词做小步优化；而不是”换个场景也要同款脸”的武器。换场景锁脸，靠的是 –cref + 特征文本，种子值只是锦上添花。

四、第三步：种子值——可控的可复现性，而非万能钥匙

–seed 的取值范围是 0-4294967295。不指定时 Midjourney 每次随机取值；指定后，在提示词完全相同的前提下，生成结果会高度接近。它的三个实战要点：

4.1 种子值怎么找

生成出满意图后，对该消息添加 ✉️ 信封 emoji 反应，Midjourney 机器人会在私信里回复该图的 seed 值（网页版可在任务详情中查看 job 信息）；
拿到 seed 后写进后续提示词：`–seed 1234567890`；
注意：seed 是”起点快照”不是”角色绑定”，它的效力随提示词变化而衰减——改了一个词，效力降一半；换了 –ar 或场景描述，效力基本归零。

4.2 seed 的正确使用节奏

定妆阶段：放开 seed 让模型自由发挥，海选出最满意的一张脸；
微调阶段：锁定该图 seed，只动一两个词，把细节磨到位；
量产阶段：seed 退居辅助，主力换成 –cref + 完整特征文本 + –sref，因为量产必然要改场景，seed 已无力回天。

4.3 参数固定：被严重低估的一致性杀手

单独强调一件事：参数固定比提示词精美更重要。–stylize 从 250 变成 750，画面美学倾向整体改变；–ar 从 16:9 变成 3:4，构图重排会连带面部特征重新采样；模型版本从 v6.1 切到 v7，等于换了一个画师。这些”技术参数漂移”不会一次爆发，而是逐张累积，最后你拿到 30 张”各美其美”的图，拼不成一个故事。正确做法：把完整命令行存成模板（见下文第六节），每次只改场景描述段，其余一个字符都不动。

五、诚实的短板分析：参考图方案的极限与 LoRA 替代方案

这套三步锁脸法能解决 80% 的需求，但必须说清楚剩下 20%。

5.1 –cref 的两个硬伤

长序列衰减：如前所述，约 20 张后识别度明显下降（有测试显示第 20 张后跌破 50%）。原因是 cref 本质是给扩散过程加”图像条件”，每一步生成都在稀释这个条件的影响力，而特征文本只能减缓、不能逆转；
动作与角度限制：大角度侧脸、剧烈动作特写时，cref 的锚定能力下降，容易回退到模型默认脸。

5.2 角色参考 vs LoRA：一张表选对工具

当你的项目是 50 张以上的长篇（连载漫画、长绘本、完整分镜），就该考虑换武器了——训练角色 LoRA。

维度	参考图方案（cref + 文本 + seed）	角色 LoRA 方案
上手门槛	低，当天可用，纯提示词工程	高，需训练流程与算力
素材需求	1 张定妆照 + 一段特征文本	15-25 张多角度多场景参考图
算力要求	无（Midjourney 云端完成）	12GB 以上显存，本地或租卡
时间成本	分钟级	训练一次 30-90 分钟，加调参迭代
长序列一致性	约 20 张后明显衰减	90% 以上，50 张、100 张仍稳定
风格绑定	需额外 –sref 维护，易漂	训练集自带画风，天然稳定
灵活换装换景	依赖 –cw 调节，中等	提示词自由控制，强
适用篇幅	短篇：≤20 张的单集、海报、封面	长篇：连载、绘本、整季分镜
成本结构	零训练成本，出图按订阅计费	一次性训练成本 + 本地出图

我的结论是一句糙理不糙的话：参考法适合短篇、LoRA 适合长篇，选错工具白干三天。反过来也成立——只为 8 张图的项目去训 LoRA，属于杀鸡用牛刀；指望 cref 撑完 80 集连载，属于用纸伞挡暴雨。

折中路线：混合流水线

实操中最高效的往往是混合方案：前期用 Midjourney cref 快速出片定风格定角色，同时用它批量生成 LoRA 训练所需的 15-25 张多角度素材（各种机位、表情、光线下的同一角色），然后训练 LoRA 接管长篇量产。Midjourney 负责”从 0 到 1″，LoRA 负责”从 1 到 100″。

六、可直接复制的”角色身份证”完整模板

下面是按本教程方法论组装的完整模板，替换方括号内容即可使用。

6.1 特征文本块（identity snippet）

[IDENTITY SNAPSHOT] a 24-year-old East Asian female wanderer, oval face with
high cheekbones and a softly pointed chin, warm amber eyes with slightly
downturned outer corners and a copper ring around the pupil, straight thin
eyebrows with a small gap scar above the left brow, a small aquiline nose,
full lower lip over a thinner upper lip, a faint mole under the right eye,
shoulder-length ash-brown hair with a single silver streak tucked behind
her left ear, wearing a sand-colored high-collar travel coat with worn
leather straps, lean athletic build, weary but defiant expression

使用规则：这一块在每一张图的提示词中原样粘贴，一个词都不改。剧情换装时，只替换服装句（wearing 之后到 build 之前），其余纹丝不动。

6.2 完整命令行示例

imagine prompt: [IDENTITY SNAPSHOT], walking through a rain-soaked neon
alley at night, reflections on wet pavement, cinematic key light from the
left, shallow depth of field --cref https://your-cdn.com/anchor_face.png
--cw 80 --sref https://your-cdn.com/style_anchor.png --stylize 250 --ar
16:9 --seed 1837462910 --v 7

逐段说明：

场景段（walking through…）：唯一允许每张更换的部分；
–cref：指向你从第一轮海选中挑出的定妆照，全项目同一张 URL；
–cw 80：保留脸 + 发型主体，允许服装微调；同一套造型的连续镜头改用 –cw 100；剧情换装改用 –cw 0；
–sref：指向画风锚定图，配合固定的 –stylize 250 双保险防画风漂移；
–ar 16:9 –v 7：全项目固定，中途换比例等于重掷骰子；
–seed：仅微调阶段锁定，量产换景阶段可移除。

6.3 负面提示写法

Midjourney 官方参数里没有稳定的 negative prompt（早期 –no 参数仍可用但效果有限），所以负面控制要”正话反说 + –no 兜底”双管齐下：

正文内嵌（把要避免的东西写成正向约束）:
...narrow hooded eyes（防大眼）, natural realistic proportions（防夸张变形）

尾部参数兜底:
--no big round anime eyes, different hairstyle, extra accessories, text,
watermark, deformed hands

原则：高频漂移项写进正文特征块（模型对正文尊重度更高），低频干扰项交给 –no。

6.4 单角色长序列工作流（建议流程）

海选：不带 seed，用完整特征文本 + 高 –stylize 跑 4 批，挑出脸最贴合的一张；
定妆：取出该图 seed，锁定后微调 3-5 次，产出”锚点图”和”风格锚点图”；
建档：把特征文本块 + 锚点 URL + 全套参数存成命令行模板；
量产：每次只换场景段，–cref/–cw/–sref/–ar/–stylize 全固定，每 15-20 张回头检查识别度，发现衰减就重选锚点图并强化文本；
升维：序列超过 20 张且衰减明显，切换到”用 cref 批量产素材 → 训角色 LoRA”的混合流水线。

七、独到见解：三重锚定的本质与两条铁律

写到这里，把整套方法的底层逻辑收拢成三句话，这是比任何参数技巧都值钱的部分。

7.1 身份证是文本、图片、随机数三重锚定，缺一必漂

文本锚定提供”语义约束”——它告诉模型角色在概念上是谁，是唯一能跨场景、跨比例、跨批次持续生效的约束；图片锚点提供”视觉约束”——它告诉模型角色在像素上长什么样，是识别度的直接来源但会随序列衰减；种子值提供”轨迹约束”——它冻结扩散的随机起点，是可复现性的来源但场景一换就失效。三者不是可选项，是互补项：文本管长期、图片管精度、种子管复现。任何”一个参数解决角色一致性”的说法，都是在卖三脚凳的一条腿。

7.2 参数固定比提示词精美更重要

新手把 90% 的精力花在打磨形容词上，老手把 90% 的精力花在冻结参数上。因为提示词差一点，只是角色差一点；而 –stylize、–ar、模型版本差一点，是整个视觉体系塌方。正确的心智模型是：把”特征文本 + 锚点图 + 技术参数”打包成一份不可变的”身份证档案”，每次生成只许动场景描述这一个字段。工程上这叫配置冻结，创作上这叫风格纪律。

7.3 参考法适合短篇、LoRA 适合长篇，选错工具白干三天

工具选型的判断标准只有一个字：量。20 张以内，cref 方案的衰减还没发作，用它最便宜；超过 20 张，衰减曲线开始碾压你的补救努力，此时每多画一张都是在给返工攒库存。在项目第一天就数清楚要出多少张图，比学会任何参数都更能决定你是否交付得出来。

常见问题 FAQ

FAQ 1：–cref 到底能撑多少张不漂？

经验值是 15-20 张。有社区测试显示第 20 张之后角色识别度跌破 50%，且远景、侧脸、动态镜头衰减更快。实务上建议每 15 张做一次识别度检查（把新图和锚点图并排对比五官），接近 20 张就开始重选锚点图并加强特征文本，或直接切 LoRA 流水线。

FAQ 2：种子值怎么找到自己那张图的 seed？

Discord 端：对生成结果添加 ✉️ 信封 emoji 反应，机器人会把 seed 私信发给你；网页端：在任务详情/作业信息里直接查看 seed 字段。拿到后加到提示词尾部即可。但记住它的适用边界：只在提示词完全相同时提供高可复现性，改词减效、换景失效。

FAQ 3：–cw 参数到底怎么设？

三档速记：同一套造型连续镜头用 –cw 100（保脸 + 发型 + 服装）；剧情换装但发型不变用 –cw 60~80；角色换了发型装束、只认脸用 –cw 0，此时发型服装描述完全由你的特征文本块接管。不要默认拉满 100——参考图里的背景杂物和构图惯性也会被一起带进来。

FAQ 4：什么时候该放弃 cref 上角色 LoRA？

三个触发条件满足任意一个就动手：① 项目总图量确定超过 20 张；② 已经出现两轮以上”重选锚点 + 补文本”仍压不住的漂移；③ 需要大量非常规角度（大仰视、背面、剧烈动作）的角色镜头。训练准备：15-25 张多角度多光线参考图、12GB 以上显存、30-90 分钟训练时间，换来 90% 以上的长序列一致性。

FAQ 5：换了场景或比例后，同一个 seed 还管用吗？

基本不管用。seed 锁定的是”这张噪声起点 + 这套提示词”的组合轨迹，场景描述一改、–ar 一换，扩散轨迹就重新规划了，seed 的约束力大幅衰减甚至归零。换景锁脸请回到主力组合：–cref + 完整特征文本 + –sref；seed 只在同提示词微调场景下使用。

FAQ 6：特征文本块那么长，每条提示词都带会不会浪费或不生效？

恰恰相反，这是整套方法里最不能省的一环。参考图锚点会衰减，唯一跨批次持续生效的约束就是这段文本——它就是漂移发生时模型唯一的”回memory锚”。省钱思路不是删文本，而是把它存成模板复用（Discord 端可用自定义快捷指令/书签保存完整命令行）。每次生成都在提示词里带上完整特征块，不能挑着带、省略着带，这是角色”身份证”制度能运转的底线。

THE END