输入： 角色参考组和镜头清单
输出： 同一角色的三个可识别镜头
比例： 镜头间保持同一比例
操作日志
1. 定义不变特征
人脸、发型、服装、一个配饰、肤色和光线方向。不让模型发明第二个配饰。
2. 做镜头组
测试特写、中景动作和尾帧。这能看出身份能否经受相机距离变化。
3. 按顺序重试
先缩短动作，再简化背景，然后收紧参考裁切；最后才换模型。
4. 保存角色组
把参考组打标存进资产库，下一集从同一角色开始。
完整执行记录
任务边界和素材准入
把「一致角色视频生成」当成一次要交付的活，不是名词解释。输入是角色参考组和镜头清单，输出是同一角色的三个可识别镜头，工作比例定在镜头间保持同一比例。先写驳回原因，再把它变成第一条硬约束。
必须有角色表、道具状态、场地说明、调色、时间、声音意图和镜头顺序。风格再强，也不能抹掉故事时间、角色状态，或让观众看不懂谁做了什么。
imgmov 执行路线
把 Canvas 当连续性台账。每个节点存参考、提示词、相机、时长和依赖关系。静帧和故事拍点批准后，只补缺失的过渡。
平台要求不要塞进模型提示词里。提示词可以描述场景；由命名清单记录裁切、主张、授权和后台核对，这些才决定能不能交付。
锁住不能漂移的变量
锁定脸、服装、道具、调色、镜头高度、场地、故事时间和台词。连续性比新鲜感重要。
把锁定字段放在提示词开头，不要放在结尾：先测三个镜头再写完整剧本。Agnes 5 秒探针 10 积分，先暴露身份问题，再决定是否用 Seedance 480p 90 积分或 Kling 195 积分。 把提示词、参考、比例、模型和驳回原因存成一组；下一次执行时先读驳回原因，再决定哪些字段可以放开，避免从一张好看但不可复现的画面重新猜起。
分步执行路径
第1步「定义不变特征」：人脸、发型、服装、一个配饰、肤色和光线方向。不让模型发明第二个配饰。 这一步要留下一个可检查的产物，并注明通过条件、失败原因和修正动作；上一步没有产物，下一步不启动。 第2步「做镜头组」：测试特写、中景动作和尾帧。这能看出身份能否经受相机距离变化。 这一步要留下一个可检查的产物，并注明通过条件、失败原因和修正动作；上一步没有产物，下一步不启动。 第3步「按顺序重试」：先缩短动作，再简化背景，然后收紧参考裁切；最后才换模型。 这一步要留下一个可检查的产物，并注明通过条件、失败原因和修正动作；上一步没有产物，下一步不启动。 第4步「保存角色组」：把参考组打标存进资产库，下一集从同一角色开始。 这一步要留下一个可检查的产物，并注明通过条件、失败原因和修正动作；上一步没有产物，下一步不启动。
每次重跑只改一个命名变量：提示词、参考、相机、时长、模型、比例或导出裁切。一次改两处，即使结果变好也无法复用，因为没人知道是哪处修复起了作用；重跑前先把当前版本编号、失败描述和准备验证的假设写清楚，避免下一次又凭感觉推翻上一版。
验收门和证据
观众要能自己排镜头顺序，认出同一个人，道具不能在帧间瞬移。
源图、批准文案、被驳回版本、修正、积分成本和最终裁切都放在资产旁边。这份记录要让下一个复审者不用翻聊天记录也能复现决策。
失败诊断与重跑阶梯
先修参考，再改提示词。过渡失败就插短静帧，不为更长的猜谜镜头烧积分。
图片重跑有阶梯。Agnes Image 2.5 先做低分证明；只有蒙版区域错误时用 SDXL Inpainting，3 积分；复杂重建用 Seedream 5.0 Lite 或 Nano-Banana 2，5 积分；GPT Image 2 的 Standard 1K 从 2 积分起，按质量和分辨率最高到 80。换档前先说出失败类型。
版本管理与交付
交接 Canvas、参考 ID、提示词历史、首尾帧、字幕轨和已批准成片。
交付文件夹故意做得很无聊：源素材、批准参考、生成设置、字幕文件、渠道裁切、QA 截图和一行修正日志。可复用资产就要无聊得恰到好处。
为什么这不是通用答案
编辑和生产不断开。对象检测、蒙版、参考图、版本历史、Canvas 依赖和最终生成组在一起。独立生成器可以编一个场景，但不会保留源资产、被驳回的版本，以及批准裁切为什么赢。
风格再强，也不能抹掉故事时间、角色状态，或让观众看不懂谁做了什么。 如果只想问「一致角色视频生成」是什么，搜索页更快；这里值得看，是因为要把同一角色的三个可识别镜头在真实约束下交付出去。
常见问题
要测几个镜头？
三个：特写、中景动作和尾帧。
流程的停止点很明确：从角色参考组和镜头清单开始，到同一角色的三个可识别镜头为止。imgmov 路径是：源素材入库、设为锁定参考、设镜头间保持同一比例、跑一个证明版，再把通过设置存下来。复审看不出哪个是批准版，画面再好看也算流程失败。
服装为什么会漂移？
长动作和多个配饰。固定服装组并移除竞争细节。
图片重跑有阶梯。Agnes Image 2.5 先做低分证明；只有蒙版区域错误时用 SDXL Inpainting，3 积分；复杂重建用 Seedream 5.0 Lite 或 Nano-Banana 2，5 积分；GPT Image 2 的 Standard 1K 从 2 积分起，按质量和分辨率最高到 80。换档前先说出失败类型。
最便宜测试多少？
Agnes Video 5 秒探针 10 积分。
验收不是“看起来像不像 AI 大片”，而是：观众要能自己排镜头顺序，认出同一个人，道具不能在帧间瞬移。然后源素材、批准文案、驳回版、修正和最终裁切放进同一个交接文件夹。
哪些模型支持尾帧？
Agnes、Kling、Veo 和 Seedance 都支持尾帧参考。
先修参考，再改提示词。过渡失败就插短静帧，不为更长的猜谜镜头烧积分。重跑只改一个命名变量，保留旧版本并记录积分成本。同一失败出现两次，就修参考或缩范围，不要继续让提示词道歉。
什么时候停止重试？
同一特征在两次正确 Prompt 后仍失败，就重建参考组。
编辑和生产不断开。对象检测、蒙版、参考图、版本历史、Canvas 依赖和最终生成组在一起。独立生成器可以编一个场景，但不会保留源资产、被驳回的版本，以及批准裁切为什么赢。只有当源素材、参考 ID、提示词、模型、成本、驳回原因和批准成片连在一起，交付才能复用。这条链才是下一个「一致角色视频生成」变快的原因。