AI 视觉生成中的角色漂移
风险描述
角色漂移（Character Drift）指在多张 AI 生成图像中，同一人物的脸型、发型、服装或年龄等识别特征逐渐偏离最初设定，导致系列图里"同一人物"看起来像是不同的人。
- **来源一（SRC-CONTENT-005）**将其列为 Character DNA 工作流的主要失败模式，主要描述脸型、发型、服装与整体风格的偏离。
- **来源二（SRC-VISUAL-004）**则从多页叙事（如绘本）实证角度补充了五官、年龄、道具、空间位置的漂移，并对应到 小耸 16 页女儿绘本项目 一类的实证。
两个来源对"漂移"的具体表现范围有出入：来源一聚焦在识别特征本身，来源二还涵盖年龄、手部、道具与空间关系。
典型表现
来源一（SRC-CONTENT-005）所列表现
- 脸型漂移：下颌线、眼距、肤色等关键识别点逐轮改变。
- 发型漂移：发色、长度、刘海、配饰在多轮中被"重新设计"。
- 服装漂移：固定穿着被替换为风格相近但细节不同的版本。
- 整体风格漂移：写实 / 插画 / 电影感等基调在多轮中发生偏移。
来源二（SRC-VISUAL-004）所列表现
- 五官漂移：眼距、鼻梁、嘴形在两张相邻页面里看上去明显不一致。
- 年龄漂移：三岁主角在某页变成六岁，又在另一页变成婴儿。
- 服饰漂移：颜色、件数、配件在不同页之间不连贯。
- 手部与道具漂移：手指数量异常、应持有的物品消失或变形。
- 空间漂移：人物与场景物体的相对位置违反常识（如脚悬空、家具比例错乱）。
综合来看，"服饰漂移"在两份来源中都被点名，但侧重点不同：来源一关注"风格相近但细节不同的替换"，来源二关注"页间不连贯"。两者并存，不合并为同一条。
常见成因
来源一（SRC-CONTENT-005）的成因解释
- 描述过短：模型每轮重新"发明"面孔。
- 抽象形容词失控：用"漂亮、神秘、忧郁"等不可观察的形容词代替具体特征，模型自由发挥。
- 多轮修改堆积：不同轮次不断改动发型或服装，使识别特征逐渐漂移。
- 字段冲突：把过多互相冲突的细节塞进同一份人物资料，模型在不同描述间随机选择。
- 跨模型理解不一：同一段提示词在 ChatGPT、Midjourney、Nano Banana 等不同工具上得到的角色并不一致。
来源二（SRC-VISUAL-004）的成因解释
- 参考图参数只是一种"倾向"约束，不是逐像素的拷贝。
- 不同提示词对人物外观的描述权重会与参考图竞争。
- 随机性与高复杂度场景会放大漂移。
- 抽象、文学性的画面描述会让模型自行决定外观细节。
两份来源都把"抽象、不可观察的描述"列为成因，但来源一将其归到提示词字段层面的失控，来源二将其归到参考图与提示词的权重竞争。两者并不冲突，分别保留。
缓解与修正策略
来源一（SRC-CONTENT-005）的修正策略
- 改用结构化、可观察的四类固定字段（脸部、发型、穿着、整体风格）。
- 先生成一张满意的基准角色图，作为图像侧锚点。
- 每轮只替换场景、动作、镜头等可变字段。
- 一旦出现漂移，回到固定字段，简化冲突描述，再重新生成。
来源二（SRC-VISUAL-004）的缓解做法
资源与时间成本
- 系列图需要逐张人工筛选是否符合识别特征。
- 反复抽卡消耗生成额度与时间。
- 不同模型之间的不兼容可能要求重新生成基准图，重复成本未在来源中量化。
- 来源二实证：最快页面约 4 次调整，最难页面约 20 组提示词尝试（仅限该作者的工作流）。
与现有方法、风险的关系
未验证的边界与来源边界
- 来源一未明确的边界：
- Character DNA 在不同图像模型之间的迁移性：来源一作者承认理解不一，未给出统一策略。
- 基准角色图在不同模型间是否需要重新生成：来源一未明确。
- 标题中的"最稳"为作者主观评价，未披露横向对比数据，因此"漂移率""一致性提升幅度"等指标在来源一中无法计算。
- 来源二的来源边界：
- "多少轮重生成"是作者自述，不应被读作通用准则。
- 漂移的最终程度依赖模型版本、参数组合与提示词写法，随时间会变化。
复核建议
- 把基准图、当前生成图、原始 Character DNA 文本三件并排人工核对（来源一）。
- 跨工具迁移时，先在目标工具上重新跑一次基准图，再决定是否复用（来源一）。
- 不要把视觉角色卡方法直接套到文学人物塑造上，避免方法被错位推广（来源一）。
- 对每页做"五官 / 年龄 / 服饰 / 道具 / 空间"五项检查（来源二）。
相关方法、案例、工具与任务
来源