蛛网之上 Above the Web
源仓库 ↗

方法论与洞察

nano 跨场景三变量发现 · v1

入档:2026-05-19 触发:23 项目《再少年》5/17 晚 nano 跨场景锁脸的实验性突破 性质:nano(Gemini 2.5 Flash Image)无 IPAdapter 情况下跨场景保持角色一致性的工程规律 关联:方法论笔记_AI形象图工作流分层_niji5+Nano / 双工具分工_nano锁脸+MJ摄影质感 / 角色一致性金字塔

一句话总结

nano 在没有 IPAdapter 的情况下实现「跨场景同一角色」,只靠 prompt 不够,必须同时锁定三个变量:参考图(带氛围)+ 锁摄影风格 + 极简 prompt。任一缺失都会让角色逐镜漂移。

三变量公式

跨场景锁脸 = 参考图(带氛围)+ 锁摄影风格 + 极简 prompt
            ─────────────  ─────────  ───────────
              变量 1          变量 2      变量 3

变量 1 · 参考图(带氛围)⭐⭐⭐

不只是脸的参考,是「脸 + 此场景应有的氛围+构图意图」的参考。

反例正例
❌ 只传一张证件照式人脸特写✅ 传一张完整场景图(脸+服装+光影+氛围)
❌ 传基准图,但是脱离场景上下文✅ 传基准图,且基准图本身已经处于”目标场景的氛围带”内

洞察:nano 的角色一致性引擎读取的是「整张图的语义场」,不是「脸的几何特征」。脱离氛围的人脸参考会让 nano 把氛围权重还给 prompt,触发漂移。

变量 2 · 锁摄影风格 ⭐⭐⭐

shot on medium format film fine grain / cinematic film still / Kodak Portra 400 —— 必须固定一个具体的胶片/数码风格关键词,所有镜头共用。

为什么:摄影风格关键词是 nano 内部「美学坐标」,改变它 = 改变了 nano 的整个视觉先验。同一角色在「medium format film」和「digital cinema」两个风格里看上去会像两个人,即使其他变量都不变。

操作规则:在 plan 阶段就钉死摄影风格关键词,所有 23 镜共用同一句。

变量 3 · 极简 prompt ⭐⭐

prompt 里只写与本镜头独有的元素——其他全部交给参考图。

反例正例
❌ “古风少女,黑发,杏眼,穿白色汉服,在雨中,屋檐下,…”✅ “she sits by the window, holding a faded photograph”
❌ 把参考图描述一遍✅ 只写动作 + 关键道具

洞察:prompt 越啰嗦,nano 越倾向于「重新理解角色」,重新理解 = 漂移的入口。

实战案例 · 23 项目验证

镜头锁定情况结果
S03 衣袖墨纹三变量齐全✅ 角色保真
S05 念名特写摄影风格缺失❌ 角色漂移,需要重抽
S05 念名特写(重抽)补上 Kodak Portra 400✅ 角色保真
S09 窗边雨丝prompt 过长(描述了服装)❌ 服装变成了「碎花连衣裙」
S09 窗边雨丝(重抽)删服装描述,只写动作✅ 服装回到原汉服
S15 舞蹈状态三变量齐全✅ 一次过

命中率:三变量齐全 → 一次过率 ~85%。任一缺失 → 漂移率显著上升。

反向陷阱 · 副会话最爱犯的错

陷阱 1:把人脸特写当做”最强参考”—— 副会话直觉以为「脸越清晰锁脸越强」,实际上人脸特写丢掉了氛围权重,反而让 nano 在 prompt 维度漂移。

陷阱 2:把 prompt 写成”详细描述”—— 副会话直觉以为「描述越详细 = 输出越精确」,实际上 prompt 描述与参考图争夺权重,造成两边都不到位。

陷阱 3:让摄影风格随场景”自由变化”—— 副会话直觉以为「不同情绪用不同摄影风格」,实际上这破坏了角色一致性的视觉先验。

与 IPAdapter 工作流的对比

维度IPAdapter 工作流nano 三变量工作流
角色一致性强度强(几何级)中(语义级)
跨场景能力强中-强(三变量齐全时)
上手成本高(ComfyUI / Liblib)低(任意 nano 接口)
失败模式罕见但难调频繁但易识别
适用场景角色一致性是 #1 优先级角色一致性是 top-3,但工程稳健性更重要

→ 23 项目选 nano 三变量而不是 IPAdapter,因为项目时间窗口紧,IPAdapter 学习成本不划算。

跨场景适用性

已验证适用

推测适用

关联文档

版本

升级触发:

类型/方法论工具/nano状态/已验证