图生图AI的一致性集体翻车，常用其创作的我们该拿什么拯救？
目录
1.前言
2.无奈于模型的功能不足
3.对于一致性，我们还能补救
4. 写在最后
之所以想到写这个话题，是因为最近发现，当自己想把控多图关联性强的情节和细节的时候，就会一直受AI生图前后不一致的折磨。
真的很费时间。
尽管之前讲过banana和即梦4.0在一致性上相对良好，但只要你想创作出新意十足、起承转合完美的作品，你就会感受到迎面很多故意找茬的大兵小将，阻挠你走向“一致性”的道路。
估计在做分镜、生漫画的大家大概也同我一样，不想在各生图工具摸爬打滚、耗费一、两天后还是得到不满意的结果，想尽快找到解决此类问题的良药。
那我就把自己最近看到、测出、总结出的图生图一致性的特点和技巧分享给大家。也可以看作是抛砖引玉，大家能一起讨论和成长吧！
文章主要从模型的不足、图保持一致性的方法两方面讲述，其中会带着案例说明。为了能更好地理解文意，大家请边看这个提示词文档边浏览下文哦~
（ps:以下图片均由AI生成）
一、无奈于模型的功能不足
模型图生图整体情况
对于生成关联性较强的几张图，图生图是首选。
之前我还抱着侥幸心理——这个AI一致性不行就换一个。但现实是每个能多图参考的都换过了，即梦到可灵，到夸克，到chatgpt，再到Nano banana，结果发现：
在生成复杂图（场景、构图复杂）的情况下，没有能仅2-3次就顺利生成细节一致的AI模型。
其中可灵、夸克（具体是其中的midjourney）更是连生成场景、主体大体一样都做不到，它们的多图参考更适用于组图。
剩下的3个，无论你使用哪类提示词，你都无法让模型统一所有细节。
这里我将图生图的提示词分为两类。一类是“描述型提示词”，另一类是“变动型提示词”。前者指对你想生成的画面进行整体性描述，后者指重点写出相较于参考图变动部分的指令。
3个模型的一致性情况
即梦4.0和chatgpt 5的外形、主体尺寸等一致性问题较为突出。
它俩的限制和翻车记录如下：
即梦4.0
1.描述型提示词：
- 写提示词时，人物或重要物品需要描述，否则多人图模型不知你指的是谁。不能前一句提到B主体，后一句再写A主体说的话，否则导致气泡框指向有问题。
- 主体和物品的尺寸比例很难按照提示词变化。
- 出现小物品移位、消失、颜色变动等问题。
2.变动型提示词（尺寸问题）
- 写提示词时，主体尺寸模糊处理，结果为：主体尺寸没有太大变化。
- 写提示词时，用绝对数描述尺寸，结果为：改不了大小，且数值会在图上标示。因为没有其他物品的尺寸，模型并不清楚该数值具象化后有多大。
- 写提示词时，用相对大小描述尺寸，结果为：朝比较的物品变形。
（即梦尺寸问题：上为参考图，中和下为生成图）
chatgpt 5
1.变动型提示词
（1）尺寸问题：
- 写提示词时，主体尺寸模糊处理，结果为：尺寸轻松改好，但又产生新的尺寸和细节不一致问题。
- 写提示词时，用绝对数描述尺寸，结果为：尺寸轻松改好，图中不像即梦4.0会标记尺寸，不过还是产生新的尺寸和细节不一致问题
- 写提示词时，用相对大小描述尺寸，结果为：不像即梦4.0会变形，尺寸改好和描述相符，但产生新的细节问题。
（2）语言问题：
- 智能音箱屏幕上的中文无法生成。（语言理解能力：即梦4.0>chatgpt 5>banana）
（gpt5尺寸/语言问题：第一格为参考图，其余为生成图）
与即梦4.0、chatgpt 5相比，Nano banana更适用描述型提示词。
以下是banana两种提示词的测试结果和特点：
Nano banana
1.描述型提示词：
- 提示词需要用英文。
- 效果比修改型提示词好多了，可以改变距离、姿势、表情，但表情容易崩，还有一致性问题和说话指向性等其他细节问题。
- 模型会根据具体内容自主选择文中展示的语种，此处智能音箱屏幕选择的是日文、英文。
2.修改型提示词：
- 不会调整人与物之间的距离与角度，只是在原有姿势、布局下增删元素。
- 有一致性问题和说话指向性等其他细节问题。
（banana细节问题：上为参考图，下为生成图）
二、对于一致性，我们还能补救
基础补救方法-操作上的技巧
简单来说，就是“固定提示词+绕开生图平台bug”的方式。对于没有任何编程基础的小白而言，这是最可行的方式。具体方法如下：
绝招一：图文锚点，保留核心要素和要求。
这里强调的图锚点是以三视图（正面图、侧面图、背面图）作为参考图生图，尤其当主体要素为重点的时候。这样才能让生图工具记住主体的外形、颜色、装饰等各种细节，增大细节符合预期的概率。
比如由人物三视图生成的分镜：
（上为参考图，下为生成图）
文字锚点其实就是套用提示词模板，大多是主体驱动型和环境驱动型的提示词模板，轻改动作、表情、位置、视角等需要变化的要素，保留核心结构和对应参数即可。
绝招二：顺应平台特点设计画面。
从大量实践中我们可以发现，平台对于人物外貌和着装、环境细节容易出现不一致。前者倒是可以通过三视图来规避，而后者统一就很难。
针对环境细节，我们可以换个思路——不是硬要平台将复杂的环境组成保持不变，而是设计简单的环境来规避。
简单的环境指背景单一、不会有对比明显的多样物品、不会体现空间布局的近景环境。比如“一片芦苇荡”“坐在沙发上，沙发靠着白墙，近景”，而不是“芦苇荡在河边，三边被田野地包围”“坐在客厅的沙发上，沙发靠着墙”。
尤其是室内环境，若不局限于特写或近景，很容易就展现空间布局。室内一般放置的物品数不胜数，一致性很容易就翻车。
绝招三：简化提示词批量生成分镜图。
之前我在写Nano banana、即梦4.0和混元3.0的时候有提到，这仨都可以批量生成自己写的漫画或绘本故事。故事没有对话、要求越简单，就越能顺畅生成。
所以利用这一点，想要效率高的我们不妨降低要求、抓大放小。用一句话提示词先生成一组大体符合要求的图片，然后再以此为参考图调整细节。
因为只有一句话提示词，所以你只需要把握故事类型和主体，剩下的“设计故事具体情节和细节”，就放手让AI自由发挥。
绝招四：引导观众转移注意力。
也就是说，若是因剧情需要，环境不能简单，环境的一致性问题避无可避，那么就不用纠结一致性问题，而是着眼于整体剧情，让剧情更有吸引力，从而让观众忽略一致性问题。
这更适用于为了做视频而图生图的场景。
进阶补救方法-机器语言学习
上面的基础方法总有缺陷，比如难以生成有复杂场景、多轮对话的漫画，比如难以生成需要按照固定剧本走的漫画。
若我们想要有更多的场景能适用，想要贴合商业需求，就需要上机器语言这个“武器”了。
这里重点讲json。
json的本质是静态的数据或文本，用来描述信息和意图，是一种描述性语言。它由键值对、列表、文本字符串等要素构成。
换句话说就是，在生图方面，它能以精确的数值描述图像上的各要素，实现一致性地精准把控；能打破国内平台对提示词的字数限制（即梦800字以内，可灵700字以内）；能将细腻复杂的构图用机器语言结构化地展示；能一次性批量生成一致性高的图像。(案例见云文档)
“天下没有免费的午餐”。你想要一致性高、人物和场景精美的分镜图，还是得沉下心去熟悉json语言，学习能够调用编程语言程序的AI工具，如ComfyUI，或直接学习python/java等编程语言和部署流程。
三、写在最后
目前图像一致性高还不能实现。但在未来，相信AI平台生图技术能打破一致性的诸多障碍，让我们能轻松玩转分镜图。
不过我们还需谨记，逐利的商业本质始终会让“图像一致性高”、“经济成本低”、“耗时少”成为一组“不可能三角”。
而令三者兼具的本事，需要我们自己深入学习并潜心练就。
今天的提示词分享就到这里了，若你对图片高度一致性还有其他方法，欢迎在评论区分享和讨论，也欢迎大家入群交流哦~
