在 Leonardo.Ai 里让同一角色跨场景保持风格一致，核心不是靠单次运气，而是把角色描述拆成可复用的固定块，再结合种子和参考图控制每次生成。下文按操作顺序给出一套可直接执行的方案。

判断：适合以同一角色为核心的立绘、场景插画和批量素材生成。操作：先固定角色特征词，再锁定种子，必要时上传参考图，最后在网格视图里筛选。验证：连续生成多个不同场景，角色五官、发型和主配色应保持可辨认。边界：Leonardo.Ai 的生成随机性仍在，种子和参考图只能压缩漂移，不能做到像素级一致。

确定可固定的角色特征词列表

角色外貌漂移大多因为每张图的提示词里角色描述不一致。先做一张角色特征词清单，固定成一段不会被场景描述挤掉的文字。下面是一个可用的分类示例：

• 眼睛颜色：blue eyes, amber pupils
• 发型：shoulder-length straight black hair, side bangs
• 服饰配色：white and blue main tone, gold trim
• 面部特征：slender face, small nose, narrow eyebrows
• 饰品标志：silver earring on left ear

写提示词时，把这些词放在每张图提示词的最前面，并且不要临场修改。例如：

character: young female, blue eyes, shoulder-length black hair with side bangs, slender face, white-blue outfit with gold trim, silver left-ear earring

scene: ruined temple, morning light, abandoned pillars

如果场景描述和角色描述被 AI 混在一起，可以先缩短场景描述，或者用逗号分隔角色块和场景块。这个列表也是后续筛选图时对照的检查单。

复用同一角色提示词并锁定随机种子

同一个角色在不同场景重画变形，最常见原因是没有锁种子。Leonardo.Ai 生成面板里，通常在 Advanced Settings / 高级设置 或 Generation / 生成 区域能看到 Seed 选项。默认是 Random，把它切换成 Fixed 并保留当前种子值；后续每次生成都用同一个种子。

变更场景时，提示词需要拆成两部分：固定部分和可变部分。固定部分：上面的角色特征词列表原样保留；可变部分：场景环境、构图角度、光照氛围。示例：

fixed_prompt = 'young female, blue eyes, shoulder-length black hair...'
scene_prompt = 'night market, neon lights, rain-slicked street'
full_prompt = fixed_prompt + ', ' + scene_prompt

锁种子后，同一张脸在不同场景中的分布会趋于接近，但不是绝对不变。如果只锁种子不固定角色描述，角色衣服和发型仍可能漂移。因此每次生成前先检查固定词有没有被删改。

使用参考图功能稳定角色面部

纯文字描述很难完全锁定五官，尤其正面和侧面切换时。Leonardo.Ai 提供参考图功能，一般位于生成页面的 Control / 控制 或 Reference / 参考图 区域，可以上传一张已确认的角色面部图作为视觉锚点。

参考图与提示词的搭配原则：参考图负责定五官和构图，提示词负责定场景和动作。上传后，不需要在提示词里重复描述面部，而是把角色特征词改为补充细节，例如：

reference: face.png (fixed character face)
prompt: same character, running in forest, dynamic pose, morning fog

需要注意参考图权重问题。Leonardo.Ai 的参考图功能一般有 Strength / 强度 或 Impact / 影响程度 参数，数值越高越贴近参考图，同时可变化的余地越小。先以中等强度试生成，再根据结果微调。不要把参考图设到接近 1，否则场景自由度会被压掉。

批量生成后进行相似度筛选

手动逐张对比多张结果很慢。一次性生成 4 张或更多后，可以用页面里的网格视图（Grid View）把结果并排显示。优先看脸部轮廓、眼睛颜色、发型和主配色这四个特征，快速排除明显不一致的图。

筛选时使用一个简单检查单：

• 眼睛颜色是否和特征词一致
• 发型和刘海方向是否一致
• 服饰主配色是否一致
• 面部朝向不同时五官是否容易辨认

把符合一致性的图保留下来，不符合的直接标记或删除。网格视图只能帮人眼筛选，不能让 AI 自动挑图。这个动作本身是在批量生成后收敛可用素材，不能减少生成时的随机性。