人物脸越往后越不像，通常不是“参考图喂得够不够”这一个问题。更常见的分叉是：素材侧本身缺少稳定依据（只有一张正面图、角度单一、清晰度不够），或者文字描述留给模型的自由发挥太多（全是气质形容词，没有可核对的发型、脸型、配饰）。判断顺序建议是先定位漂移从哪一镜开始，再回头查素材，最后才动描述词——因为改词和补图如果同时做，重跑出结果也说不清是哪一项起了作用。

先把同一角色的眼型、脸型、发际线按镜号顺序比对，记下第一处明显变化的镜号：逐步过渡多半是素材依据不足，突然跳变多半是那一镜的景别、角度或场景换了。定位后再补参考图（正面、左右 3/4、侧面各一张，脸部清晰、无遮挡），并把形容词描述换成可逐项核对的发型、发色、脸型、固定配饰。验证方式是用同一镜号、同一剧本重跑，且一次只改一个变量；如果平台不提供固定随机种子，单次结果不足以说明改进是否成立。

在生成结果里标出同一角色脸部开始变化的镜号

不要凭“感觉后面不像了”就去补图。先把成片按镜号抽帧或截图，按角色归类，命名带上角色名和镜号，例如 角色A_SH012.png。逐镜按固定顺序看四个点：眼型（眼角朝向、眼皮形态）、脸型（颧骨到下巴的收窄程度）、发际线与耳位、固定配饰（耳饰、发夹、围巾）。这四个点的顺序不要变，否则很容易把“表情变了”误判成“脸变了”。

下面这条命令是把成片按秒抽帧，方便按时间轴对照镜号表；抽帧间隔和输出目录按你自己的项目改。

ffmpeg -i ep01.mp4 -vf fps=1 shots/ep01_%04d.png

记录时至少写清三列：镜号、变化部位、变化前后的样子。示例写法：SH012 起，眼角从偏上挑变成偏圆；SH031 起，脸型明显变宽。然后看变化形态：如果从 SH001 到 SH030 是缓慢过渡，说明模型在整段里没有稳定锚点，多半要回到素材侧；如果在 SH031 这个镜号突然跳变，先看这一镜相比前一镜是否换了景别（全景变特写）、角度（正面变侧脸）、表情（平静变大张口）或场景光照，这些切换本身就会放大脸部差异，未必是参考图不够。

检查角色参考图的数量、角度和清晰度是否够用

参考图的作用是给模型一个可以反复对齐的依据，所以覆盖角度比数量更重要。可以按下面的清单逐项核对，缺哪一项就补哪一项：

• 角度：正面一张、左侧 3/4 一张、右侧 3/4 一张为基本盘；如果剧本里有明显侧脸或回头镜头，再加一张接近正侧面的图。
• 表情：中性表情为主，可另配一张轻微微笑，避免用大笑、闭眼、低头的图当主参考。
• 清晰度：脸部在画面里占足够比例，五官边缘不含糊；不要用被滤镜磨平、被锐化过度的图。
• 遮挡：不要有口罩、手挡脸、刘海完全盖住眉眼、帽子压住发际线的图。
• 光照与色调：几张参考图之间的光线方向尽量一致，避免一张暖光一张冷光。

如果手上只有一张正面图，最容易出问题的镜头通常是：3/4 侧脸或回头（模型要靠猜侧脸结构）、低头或抬头（下颌和眼型被压缩）、张嘴说话或大笑（改变了脸下半部比例）、人物在画面里占比很小的远景、以及背身转正面的过渡镜。这些镜头往往就是前面记录到的“第一处明显变化”的位置，可以先拿它们做重点检查对象。

把角色描述从形容词改成可核对的具体特征

“气质清冷”“眼神淡漠”“很有故事感”这类词，模型每次可以给出不同解释，等于把脸部稳定性交给了随机性。改写思路是把每一项都换成能逐条核对的名词加形态：发长、发色、发型轮廓、脸型、眉眼、固定配饰、常穿服装。改写前后对照如下。

改写前：
一个气质清冷的少年，眼神淡漠，头发随性，很有故事感。

改写后：
男性，18 岁上下。黑色短发，发梢到耳中部，右侧一缕垂到眉尾。
脸型偏瘦长，下巴线条清晰。丹凤眼，眼角上挑。
左耳戴银色小圆环耳饰，常穿深灰立领外套。
中性表情，不张嘴，正面或 3/4 侧脸。

改写时保留可变项、写死固定项：表情可以随剧情变，但发型轮廓、发色、脸型、固定配饰在整段里不要反复换措辞。同一个配饰也不要一会儿写“耳环”一会儿写“耳钉”，措辞变化会被当成特征变化。改完之后建议先在一个短片段上跑，确认这几个特征在画面里能稳定复现，再铺到后续镜号。

用同一镜号重跑，对比脸部变化是否减少

验证的关键是控制变量，而不是一次把所有猜测都改掉。做法是：保留原剧本、镜号划分、分镜顺序、分辨率不变，只改一项——要么补参考图，要么改描述。如果平台提供固定随机种子或固定采样参数的入口，把这一项锁住再跑；如果找不到这类入口，就要意识到每次重跑本身带有随机波动，单次结果只能当参考。

重跑后按镜号把两次结果并排放在一起，仍然用眼型、脸型、发际线、固定配饰四项逐镜比对，记录形式可以直接写成表：

如果补参考图后大部分镜号趋于一致、只剩个别镜号仍偏，通常说明这几个镜号的景别或角度确实超出了现有素材能覆盖的范围，需要为它们单独补角度图，而不是继续加正面图。如果改完描述后特征稳定了、但整体脸型仍不一致，问题更可能在素材侧的清晰度或光线不一致上。两种改法都做过的，也可以把两次重跑结果单独对比，判断哪一项对你这套素材影响更大；但不要仅凭一次重跑就下确定性结论，条件允许时重复两到三次看结果是否稳定。