做AI绘画这行三年了，最头疼的不是提示词怎么写，而是“脸”怎么保持统一。很多新手朋友跟我抱怨，明明Prompt写得一模一样，生成的图里主角却像换了个人，今天圆脸明天方脸，完全没法做系列图。这就是典型的chatgpt人物一致性难题。

我之前接过一个私单，客户要求做一套十二张的职场女性形象海报。第一张图生成得很完美，客户满意了。结果第二张图，虽然衣服动作都改好了，但那张脸明显变老了，五官比例也微调了。客户直接打电话过来骂，说这不像同一个人。我当时汗都下来了，赶紧排查原因。

其实，单纯靠Midjourney或者Stable Diffusion的默认设置，很难做到高精度的人物一致性。我试过用LoRA训练，效果不错，但门槛高，需要几十张高质量素材，还要调整训练参数，对于普通用户来说太劝退。后来我摸索出一套组合拳，专门解决chatgpt人物一致性这个问题。

第一步，锁定面部特征。我习惯用ControlNet里的Canny或者Depth模型，先把第一张满意的人物的轮廓和深度信息提取出来。然后，在生成新图时，固定这个ControlNet的权重。这样，人物的基本骨架和面部结构就不会跑偏。但这还不够，因为光影和角度一变，脸还是会变。

这时候，就需要用到IP-Adapter或者ReActor这类插件。我一般会把第一张图中的人物面部作为参考图，输入到模型中。关键在于，参考图的权重不能太高，否则画面会直接变成那张原图，失去创意；也不能太低，否则没效果。我通常把权重设在0.8左右，经过多次测试，这个数值在保持特征和允许变化之间找到了平衡点。

有个真实的案例，我之前帮一个做动漫IP的朋友做角色延展。他的角色是一个戴眼镜的二次元少女。刚开始，生成的图里眼镜总是变形，或者脸型不对。后来我用了LoRA+IP-Adapter的组合。先训练了一个轻量级的LoRA，只针对眼镜和发型进行微调，然后在生图时，用IP-Adapter锁定面部核心特征。结果，连续生成的二十张图，人物相似度达到了90%以上，客户非常满意。

这里有个小窍门，很多人忽略了一点，就是种子值（Seed）的使用。虽然种子值不能保证人物一致，但它能保证构图和风格的一致性。我在做系列图时，会固定Seed，只调整提示词中的细节描述。这样，即使人物微调，整体氛围也是一致的。

另外，关于chatgpt人物一致性，还有一个误区，就是认为提示词里加“same face”或者“identical”就能解决问题。实际上，这些词在大多数模型里作用有限，甚至会产生误导。我更推荐用具体的视觉描述，比如“black hair, blue eyes, small mole on left cheek”，用细节来约束模型。

最后，我想说，AI绘画不是魔法，它需要耐心和技巧。遇到人物不一致的问题，别急着换模型，先检查你的ControlNet和参考图设置。多试几次，找到那个平衡点，你就能做出真正连贯的作品。这行水很深，但也很有趣，只要你肯钻研，总能找到解决办法。希望这些经验能帮到正在纠结于人物一致性的你。

本文关键词：chatgpt人物一致性