定妆照+衣橱系统：BigBanana角色一致性资产让换装不换脸实战指南

定妆照+衣橱系统：BigBanana角色一致性资产让换装不换脸实战指南

【免费下载链接】BigBanana-AI-DirectorBigBanana AI Director是一个工业级一站式 AI 短剧，AI 漫剧,AI 导演平台，面向创作者，实现从灵感到成片的高效生产。 它摇弃了传统的“抽卡式”生成，采用 "Script-to-Asset-to-Keyframe" 的工业化工作流。实现 “一句话生成完整短剧，从剧本到成片全自动化”，同时精准控制角色一致性、场景连续性与镜头运动。项目地址: https://gitcode.com/gh_mirrors/big/BigBanana-AI-Director

BigBanana AI Director是一款 AI 一站式短剧／漫剧生成平台，主打角色一致性的工业化工作流：通过「定妆照 + 衣橱系统 + 上下文感知生成」三重机制，解决 AI 漫剧「换个镜头就变脸」的核心痛点，实现换装不换脸，让一句话生成的短剧从剧本到成片全程可控。

本文将带你用 BigBanana 的角色与场景资产模块，实战搞定角色定妆照与多套衣橱造型。

一、为什么角色一致性是 AI 漫剧的生命线

做过 AI 短剧的人都知道最致命的问题不是画质、不是配音，而是——角色变脸。

上一帧是主角穿校服，下一帧同一张脸却变成了完全不同的人。观众瞬间出戏，连载直接劝退。传统的「抽卡式」生成（反复改提示词碰运气）根本无法根治这个问题。

BigBanana 的答案是工业化的Script-to-Asset-to-Keyframe（剧本→资产→关键帧）工作流：

一句话总结：先有演员和片场，再开机。角色资产锁死了，镜头自然连戏。

二、生成第一张定妆照：结构化提示词是关键

进入左侧导航的Phase 02「角色与场景」（角色资产页），为每个主要角色建立资产卡：

每个角色卡片包含四部分：

1. 角色基础信息：性别、年龄设定（如「高三学生 17-18 岁」）
2. 定妆参考图：点击「生成」由 AI 产出标准参考图，不满意可「重新生成」或「上传」自己的图
3. 角色提示词：系统自动生成的结构化描述，是整个一致性体系的灵魂
4. 服装变体：衣橱系统的入口（下文详解）

定妆提示词为什么是「结构化」的？

以示例项目中的角色为例，系统生成的提示词固定包含 6 个维度：

1. Core Identity（核心身份） —— 人种、年龄、身份 2. Facial Features（面部特征） —— 脸型、眼距、发型细节 3. Hairstyle（发型发色） —— 发色、发长、发质 4. Clothing（默认服装） —— Base Look 造型 5. Pose & Expression（姿态表情）—— 标志性动作 6. Technical Quality（技术质量）—— 画风、渲染细节

这种写法把「脸」和「衣服」拆成了独立字段。正因为脸和衣服在数据层面是分离的，换装时才能只替换第 4 项而不动第 2、3 项——这就是换装不换脸的底层原理。

💡实战技巧：定妆照生成后，务必逐条检查角色提示词，尤其是面部特征描述。建议把辨识度最高的特征写得更具体（如「眉尾略垂、眼距略宽」），特征越具体，后续镜头越不容易漂移。

三、衣橱系统：同一张脸，多套造型

真实剧组里，角色要换日常装、战斗装、受伤状态，但演员不能换人。BigBanana 的衣橱系统就是角色的「演员表」。

在角色卡片上点击「服装变体」，即可基于 Base Look 生成新的造型变体。以示例项目为例，主角的衣橱里就有「格子衫（程序员的格子衫）」这一套：

衣橱系统的 3 个要点

• 所有变体基于 Base Look 生成：生成格子衫时，模型会锁定原始定妆照的面部特征，只替换服装描述。面部特征保持不变，服装描述完全替换
• 变体是独立的提示词条目：在「提示词管理」页面，每套服装变体都是一个可单独编辑、可版本回滚的提示词。改错了一键回退
• 镜头自动引用当前服装：生成某个镜头时，系统会根据剧情读取角色「当前该穿哪套」，把对应的服装参考图注入生成上下文

⚠️避坑提示：不要把服装写进 Base Look 的默认提示词里再让变体去覆盖它。让 Base Look 保持一套最核心的造型，其他造型全部走「服装变体」，一致性最稳。

四、上下文感知生成：镜头如何自动「认出」角色

资产锁好之后，镜头制作阶段（Phase 03「导演工作台」）会自动携带资产上下文：

在镜头详情面板中可以看到：

• 参考角色：当前镜头绑定的角色及其定妆参考图（如「林不凡 · 基础造型」）
• 添加角色到镜头：多角色同框时，每个角色都带自己的定妆照锚点
• 起始帧 / 结束帧：关键帧驱动生成，起止画面先画后动

这意味着生成第 32 个镜头时，模型不是从零猜「林长什么样」，而是明确知道：这张脸来自定妆照，这件衣服来自衣橱变体，这个房间来自场景概念图。三个锚点同时约束，「不连戏」的概率被压到最低。

如果想批量确认构图，还可以打开九宫格分镜预览：一次生成 9 个候选视角，再选整图或裁切单格作为首帧，快速锁定方案。

五、从定妆照到成片的推荐工作流

结合本项目 README.md 中的快速开始说明，建议按以下 5 步走：

1. 建项目：在「项目库」新建项目，按「项目 → 季 → 集」组织内容
2. 出剧本：Phase 01「剧本与故事」输入故事大纲，AI 自动拆解出角色、场景、道具和结构化镜头清单
3. 锁资产：Phase 02「角色与场景」为每个角色生成定妆照、建衣橱变体，同时生成场景概念图
4. 做镜头：Phase 03「导演工作台」逐镜头生成首尾关键帧与视频，系统自动注入角色/场景/道具上下文
5. 交成片：Phase 04「成片与导出」预览时间线、CutOS AI 粗剪、导出 MP4 或 EDL，衔接 Premiere / Resolve 后期

想统一修正生成质量时，回到 Phase 05「提示词管理」集中排查上游提示词——这是跨阶段定位问题的最佳入口。

六、快速上手与常见问题

三种运行方式：在线版（浏览器直接用）、Docker 自托管、Windows / macOS 桌面客户端。本地部署只需克隆仓库并启动官方镜像：

git clone https://gitcode.com/gh_mirrors/big/BigBanana-AI-Director cd BigBanana-AI-Director docker-compose up -d # 浏览器访问 http://localhost:3005

部署配置见 docker-compose.yaml，软件本身免费，AI 模型调用按实际用量付费。项目数据保存在浏览器本地（IndexedDB），你的角色资产留在自己手里。

先定妆，再开机。把角色资产当成真正的「演员合同」来管理，你的 AI 漫剧才能真正做到：换装不换脸，连载不出戏。

【免费下载链接】BigBanana-AI-DirectorBigBanana AI Director是一个工业级一站式 AI 短剧，AI 漫剧,AI 导演平台，面向创作者，实现从灵感到成片的高效生产。 它摇弃了传统的“抽卡式”生成，采用 "Script-to-Asset-to-Keyframe" 的工业化工作流。实现 “一句话生成完整短剧，从剧本到成片全自动化”，同时精准控制角色一致性、场景连续性与镜头运动。项目地址: https://gitcode.com/gh_mirrors/big/BigBanana-AI-Director