参考生视频:多图参考保持人物一致的 AI 视频
用多张人物参考图生成 AI 视频,让同一个角色在镜头间脸型、服装、气质不走样,IP 连续短视频不换脸,还能多镜头拼接成完整片段。

本文中的工具名仅供参考,实际工具可能已更新或更名。实施时请以工具市场中的最新工具为准。
本文要点
- 多图参考锁定人物形象,视频里脸型/服装不走样
- IP 连续短视频不换脸,一个角色贯穿多条内容
- 单镜头稳定后多镜头拼接,产出连续片段
本文用到的工具
为什么视频里的人物总"换脸"
做 IP 短视频、连续剧情内容时,最头疼的不是生成一段视频,而是让同一个角色在不同镜头里保持一致。纯文生视频每次都在重新"想象"这个人:这一镜脸圆了、下一镜发型变了、服装配色也飘了,几个镜头拼在一起像换了三个演员。对需要连续叙事的创作者来说,这种"换脸"直接毁掉了角色的辨识度和观众的代入感。
参考生视频换了个做法:先给模型几张人物参考图,让它以这些图为锚点生成视频,而不是凭文字凭空想。接上参考生视频工具的 AI Agent 把这件事做成一句话的操作——上传参考、描述动作,角色形象尽量锁住。
这个工作流分四步
- 准备人物参考:挑几张同一人物、形象清晰的参考图。
- 参考生视频:以参考图为锚点生成视频片段。
- 校验人物一致性:对照参考检查脸型、服装有没有走样。
- 多镜头拼接:稳定后生成多个镜头,拼成连续片段。
每一步怎么做
第一步:准备人物参考图
给 Agent 几张同一人物的参考图,正面清晰、光线干净最好。角度和表情可以有差异,但要是同一个人、同一套造型,模型才好提炼稳定的人物特征。
用 ae 生成一段这个角色行走的视频,脸型和服装保持与参考图一致
第二步:参考生视频
Agent 调用参考生视频类工具,以参考图为锚点生成片段。多图参考人物一致可用 ae_pixverse_c1_reference_to_video;需要更通用的视频生成能力时,可用 ae_seedance_2_video_generation 配合参考描述。指令里把"保持与参考一致"说清楚是关键。
用 ae 调用 ae_pixverse_c1_reference_to_video 渲染这段片段
第三步:校验人物一致性
出片后对照参考图逐项检查:脸型、五官、发型、服装配色是否和参考一致。这正是参考生视频和纯文生视频最大的区别——前者有锚点可对齐,后者每次都是新的想象。不一致就补一张更清晰的参考,或在指令里强调要锁住的细节。
第四步:多镜头拼接
单镜头稳定后,用同一组参考生成多个镜头——不同动作、不同景别,但始终是同一个角色。确认各镜头人物一致后,按叙事顺序拼成连续片段。
文生视频 vs 参考生视频:
| 纯文生视频 | 参考生视频(人物一致) |
|---|---|
| 每镜重新想象人物,易换脸 | 以参考图为锚点,锁住人物形象 |
| 服装 / 发型镜间漂移 | 可要求服装、脸型跨镜一致 |
| 多镜头像换了演员 | 同一角色贯穿多个镜头 |
工具按诉求对照:
| 诉求 | 可用工具(示例) |
|---|---|
| 多图参考人物一致 | ae_pixverse_c1_reference_to_video |
| 通用视频生成 | ae_seedance_2_video_generation |
怎么开始
- 注册——新用户赠送 1,000 积分。
- 在 WorkBuddy、Trae 这类 Agent 里搜 "AgentEarth" 端内连接;或把一行 MCP 配置粘进 Claude Code / Cursor / VSCode。
- 上传人物参考图、用自然语言描述动作,让 Agent 参考生视频。
常见问题
要提供几张参考图? 一张就能跑,但多给几张同一人物、不同角度的参考,模型更容易提炼稳定特征,跨镜头一致性更好。
能保持服装和脸型吗? 可以。在指令里明确要锁住脸型、发型、服装配色,出片后对照参考校验;不够一致就补更清晰的参考图。
支持多镜头吗? 支持。先把单镜头调稳,再用同一组参考生成不同动作、不同景别的多个镜头,按叙事顺序拼接。
