方法论与洞察

指定对象与气质描述：生成路径的分岔律 · v1

一句话律：需求里出现具体作品 / 角色 / 人名时，先判断它是气质描述还是指定对象——指定对象只能用保住原始特征的手段（克隆、图生图、直接采样），生成式手段做不到它要的辨识度。

判据只有一句

观众要不要认出来？

要 → 指定对象 → 必须保住原始特征不要 → 气质描述 → 才可以用生成式手段

这两类需求长得一模一样。都是「参考 XXX」「像 XXX 的感觉」，都写在同一个需求栏里。

判错的方向是单向的：几乎总是把”指定对象”误读成”气质描述”。因为生成式手段更顺手、更可控、更容易解释成”我做了一个更好的版本”。

最危险的是——误读之后做出来的东西本身是合格的。它音色好听、画面好看、气质对味，唯独不是那个要被认出来的东西。所以它能一路通过自查，直到有人说”这不对”。

《1000人后室大逃亡》两个角色的音色需求写着【三角洲行动威龙的声音】【三角洲行动蜂医的声音，但听起来更胖】。

误读：当成气质描述，用 Voice Design（文字描述生成音色）做。还专门查了两个干员的官方档案与玩家评论，把”北京腔儿化音""两档音量”这些表演特征写进了描述——功课做得很足，方向是错的。

结果：试听反馈”完全错误”。客观量下来，与原参考差 6.0 个半音（半个八度）。改走 IVC 克隆后，偏差降到 0.4 个半音。

最尖锐的一点：误读那版的文档里，我亲手写下过一句——

「Voice Design 是按描述生成，不是克隆声纹。做出来的是『神似那个气质』，不会也不该是那两位配音演员的声音。」

把方案的根本缺陷当成优点陈述了。 这句话本身完全正确，只是它描述的正是这个方案不该用在这里的理由。

同一项目的三只怪物是「后室实体 × 网络梗动作」（Hound × 我的刀盾、Smiler × 奶龙大笑、Deathmoth × 外星小绿猫舞）。项目简报里早就写过：

「笑点全部押在动作的辨识度上：观众认出这是那个梗才好笑，动作跑偏就只是一个奇怪的生物在乱动。」

处置也是对的——梗参考图必须先定下来，成品图以梗图为父图走图生图，配比甚至精确到「形象 75% 来源于梗图、低于 25% 来源于怪物」。

同一个项目、同一条规律，在图像上做对了、在声音上做错了——因为没意识到那是同一条规律。

逐条需求过一遍，看到具体作品名 / 角色名 / 人名就停下来问：观众要不要认出来
指定对象 → 选能保住原始特征的手段：
- 声音：IVC 克隆（不是 Voice Design）
- 图像：图生图 / 垫图（不是文生图）
- 动作/梗：先锁参考图的关键姿态
气质描述 → 生成式手段随便用
拿不准时按”指定对象”处理——多花的成本是可控的，误读的成本是整批返工
⚠️ 做完功课不等于路径对。把角色设定查得越细，越容易掩盖路径本身的错误——功课是在已选定的路径内优化，不能替你验证路径

指定对象涉及真人肖像 / 声音权益时，克隆有法律风险：民法典第 1023 条规定自然人声音参照肖像权保护，2024 年北京互联网法院已有配音演员 AI 声音侵权胜诉判例。技术判断与合规判断是两件事，这条律只解决前者
有些”指定对象”不需要克隆——如果原始素材本身可以直接用（官方语音、原图），直接用比克隆更省。先问一句「现成的能不能直接用」
本律不否定生成式手段。同一批需求里，只有气质描述的角色走 Voice Design 一次就过审了——路径与需求属性匹配才是关键，不是哪条路径更高级

⭐⭐ 二次验证（同项目、两个媒介域独立成立）

还差一次跨项目验证才能升铁律。目前两次都在同一个项目内，可能受该项目”大量引用外部 IP 做梗”的特性影响。

来源：2026-08-05_三角色校园人像定妆_MJ复盘（男主「校草」，三轮 prompt）

本律解决的是第一道岔口：指定对象 → 保原始特征；气质描述 → 生成式手段随便用。但那次遇到了第二道岔口——判成气质描述之后，创作者手上同时有两个互相冲突的气质来源：

这两个词指向不同的审美原型：校草 = 淡颜、清爽、够得着；许凯 / 嘉尔 = 浓颜、有距离感的银幕原型。

我当时默认对标优先，选错了。 按对标改出的浓颜版实际跑图，创作者确认不理想；回到按标签走的版本，一批即过。

补充规则：两者冲突时默认信身份标签词。

理由：标签是创作者主动写下的、描述角色在故事里的功能；明星对标常是被追问时临时给的类比，往往只对应”帅 / 好看”这个模糊感受，不对应具体的脸。

操作：

⚠️ 验证状态：首次发现，单项目。

类型/洞察律主题/需求解读主题/生成路径