如何在 Stable Diffusion 中保持角色一致性
STABLE DIFFUSION
Stable Diffusion 拥有最完善的角色一致性工具集。训练 SDXL LoRA 以获得完全可重复的身份，或使用 IPAdapter FaceID 和 InstantID 从单张参考图快速生成人脸，无需训练。
HOW IT WORKS
STEP 1
选择你的路径
如果需要完全可重复的身份，可以计划训练 LoRA。如果需要从一张图片快速获取面部，可以在 SDXL 上使用 IPAdapter FaceID 或 InstantID。
STEP 2
训练 LORA 或加载适配器
使用 20 到 50 张图片和独特的触发词训练 SDXL LoRA，或者连接 IPAdapter FaceID 节点并输入你的参考面部。
STEP 3
用 CONTROLNET 锁定姿势
添加 ControlNet OpenPose 节点，这样在改变角色周围场景时，姿态和构图可以保持固定。
STEP 4
生成和优化
在每个提示词中调用触发词或重复使用参考图。面部修复或细节处理可以增强不同镜头间的相似度。
STEP 5
在 FLICK 中将其变为现实
Stable Diffusion 只能生成静态图像。将你锁定的角色导入 Flick，然后使用 Veo 3、Kling 或 Seedance 为其添加动画。
STABLE DIFFUSION 如何保持角色一致
LORA 和 DREAMBOOTH
LoRA 或 DreamBooth 模型，以在任何提示词中获得完全可重复的身份。
IPADAPTER FACEID 和 INSTANTID
IPAdapter FaceID 或 InstantID 从单张参考图中获取免训练的面部，然后将其放入新场景中。
CONTROLNET 姿态控制
STABLE DIFFUSION 角色一致性：优缺点
优势
- 最成熟、文档最完善的生态系统，拥有庞大的模型库
- 免费且本地运行；LoRA 体积小巧、可共享，并可跨提示词复用
- 两种有效路径：快速免训练适配器或深度 LoRA 保真度
- 相比 Flux 对 GPU 要求更低，尤其是 SD 1.5 和 SDXL
局限
- LoRA 和 DreamBooth 需要数据集准备和数小时的 GPU 训练
- 仅使用适配器的方法在困难角度和风格上仍会出现偏差
- 设置复杂：需要 InsightFace、ControlNet 模型和训练配置
- 仅限图像生成，因此角色必须在单独的视频模型中添加动画
STABLE DIFFUSION 角色一致性常见问题
在 STABLE DIFFUSION 中保持角色一致性的最佳方法是什么？
要获得能在任何提示词中保持的完全可重复身份，请训练 SDXL LoRA 或 DreamBooth 模型。要从单张图片快速生成人脸，请使用 IPAdapter FaceID 或 InstantID。
训练角色 LORA 需要多少张图片？
一个 SDXL 角色 LoRA 使用约 30 到 50 张图片效果较好，最少 12 到 20 张也可行，需用独特的触发词标注。
我可以在不训练的情况下保持角色一致吗？
可以。IPAdapter FaceID Plus 和 InstantID 可从一张参考图片生成免训练人脸，但在大角度和风格变化较大时可能会出现偏差。
像 REACTOR 这样的换脸工具足够吗？
单靠它不行。换脸只是将一张脸粘贴到现有的身体和场景上；它无法控制体型、发型或服装。真正的一致性来自 LoRA 或身份适配器。
STABLE DIFFUSION 可以制作视频吗？
此工作流程本身不支持。将角色锁定为静态画面，然后在托管的视频模型中制作动画，例如 Veo 3 或 Kling，两者都可在 Flick 中使用。
有更简单的方法吗？
可以。Flick 的角色参考功能可以从一次上传锁定角色，无需训练或 GPU，然后将其应用于静态图像和视频。
跳过训练过程。一次锁定你的角色。