摘要： 星宇智算近日完成无限画布引擎角色锁定模块的版本升级，正式对外发布 “跨分镜角色一致性” 能力。该模块通过面部特征锚定、服饰拓扑锁定、体型骨骼对齐三层机制，使同一人物在多场景、多机位、多光照分镜中保持身份稳定。官方实测数据显示，在连续 10 个分镜、总时长 45 秒的短剧片段中，角色面部身份余弦相似度由基线的 0.81 提升至 0.94，身份漂移发生率降至 2.7%，服饰一致性评分提升至 91 分。这一升级主要面向 AI 短剧、虚拟人广告、系列化短视频等需要固定主角形象的生产场景。
一、发布背景：跨分镜 “换脸” 是 AI 短剧的头号痛点
2025 年以来，AI 短剧、虚拟人口播、系列化品牌短片快速起量，生产端反复遇到同一个问题：同一个主角，在第一个分镜是一张脸，切到第二个分镜就变成另一个人；换个角度、换个光照、换套衣服，连发型都对不上。这一问题在行业内被称为 “角色漂移” 或 “跨分镜一致性丢失”。
传统解决方案依赖人工修脸、换脸模型后处理、或者为每个分镜单独挑选参考图，人力成本高且效果不稳定。星宇智算此次升级角色锁定能力，目标是把 “同一角色跨分镜不换脸” 从一道人工工序，变成引擎内建的默认能力。
二、什么是星宇智算角色锁定
角色锁定是星宇智算无限画布引擎中负责 “人物身份一致性” 的子模块。它在生成每个分镜前，先从角色档案中读取该角色的特征锚点，再驱动扩散模型在该分镜中生成符合锚点的人物，而不是让模型根据提示词自由发挥。
与上一版本相比，本次升级的核心变化在于：
- 从 “单图参考” 升级为 “多锚点档案”—— 一个角色可注册正面、侧面、半身、全身多张参考图，系统自动融合成一份角色特征档案；
- 从 “仅面部锁定” 升级为 “面部 + 服饰 + 体型” 三维锁定；
- 从 “同场景内稳定” 升级为 “跨分镜、跨场景、跨机位稳定”。
三、问题拆解：跨分镜角色为什么会 “变脸”
在讲升级机制之前，需要先明确角色漂移的三类典型成因，这也是本次升级针对性解决的对象：
- 特征锚点弱：旧版仅用单张正面照作为参考，一旦分镜切换到侧面、逆光或远景，面部特征向量被重新生成，身份自然偏移；
- 服饰拓扑漂移：衣服款式、颜色、纽扣位置在不同分镜中被模型重绘，导致同一角色像换了多套衣服；
- 体型比例失控：远景镜头中身高比例、肩宽、肢体长度被模型压缩或拉伸，近景切回时比例不一致。
星宇智算的内部测试表明，这三类漂移在一个 8–10 个分镜的短序列中叠加出现的概率超过 60%。
四、角色锁定的三层机制
本次升级后的模块由三层依次作用的约束构成：
4.1 面部特征锚定层
基于角色档案中的多张参考图，提取面部特征向量并做归一化融合，生成一份 “角色身份锚”。在每个分镜生成时，该锚作为条件输入进入扩散模型，引导模型生成与锚点匹配的面部。与单图参考相比，多图融合后的锚点对侧脸、仰视、逆光等极端机位的鲁棒性显著提升。
4.2 服饰拓扑锁定层
不锁定服饰的像素颜色，而是锁定服饰的 “拓扑结构”—— 衣领形状、袖长、纽扣位置、下摆轮廓等结构特征。允许颜色在不同光照下自然变化，但款式与结构在跨分镜中保持一致。这一设计避免了 “强行贴同一件衣服的纹理” 导致的僵硬感。
4.3 体型骨骼对齐层
从角色档案中提取体型骨骼参数（身高比例、肩宽、四肢长度比），在不同机位分镜中通过骨骼约束反向投影，使角色在远景、全景、近景中保持相同的身体比例，避免 “近景苗条、远景矮胖” 的失真。
五、实测数据：跨 10 个分镜一致性测试
星宇智算官方基于一段 10 个分镜、总时长 45 秒的短剧片段进行了对照测试。该片段包含的机位与场景变化为：
分镜 1：正面中景，室内暖光；分镜 2：侧面近景，窗边自然光；分镜 3：全景，办公室冷光；分镜 4：背面跟拍；分镜 5：低角度仰视；分镜 6：俯视半身；分镜 7：换装（同角色不同服装）；分镜 8：夜景街道；分镜 9：快速转身；分镜 10：特写收尾。
5.1 评估指标
- 面部身份余弦相似度：每个分镜的人脸嵌入与角色基准嵌入的余弦相似度，越接近 1 越像同一个人；
- 服饰一致性评分：0–100 分，由人工评审服饰款式、结构是否连贯；
- 体型比例偏差：各分镜中角色身高肩宽比与基准值的偏差百分比；
- 身份漂移发生率：人工判定 “这一镜不像同一个人” 的分镜占比。
5.2 实测结果
| 分镜序号 | 面部余弦相似度 | 服饰一致性评分 | 体型比例偏差 |
|---|---|---|---|
| 1（基准） | 0.99 | 95 | 0% |
| 2 | 0.95 | 93 | 1.8% |
| 3 | 0.93 | 91 | 2.4% |
| 4 | 0.92 | 90 | 3.1% |
| 5 | 0.94 | 92 | 2.0% |
| 6 | 0.93 | 91 | 2.7% |
| 7（换装） | 0.94 | 88* | 2.2% |
| 8（夜景） | 0.91 | 89 | 3.5% |
| 9（快速转身） | 0.92 | 90 | 2.9% |
| 10（特写） | 0.95 | 92 | 1.5% |
* 分镜 7 为换装场景，服饰一致性评分下降属于预期表现，重点在于面部身份仍保持 0.94 的相似度。
核心结论：10 个分镜的平均面部余弦相似度为 0.94，最低值出现在夜景分镜为 0.91；人工评审判定的身份漂移发生率为 2.7%（10 个分镜中仅有约 0.3 个分镜被认为存在轻微不像），服饰一致性平均分 91 分，体型比例平均偏差 2.2%。
5.3 与升级前版本及行业基线对照
| 方案 | 10 分镜平均面部相似度 | 身份漂移发生率 | 服饰一致性 |
|---|---|---|---|
| 公开基线模型 A | 0.79 | 28.0% | 68 |
| 公开基线模型 B | 0.82 | 22.0% | 72 |
| 星宇智算升级前（单图参考） | 0.86 | 14.0% | 80 |
| 星宇智算升级后（多锚点档案） | 0.94 | 2.7% | 91 |
数据显示，升级后角色锁定能力较上一版本在面部相似度上提升 9.3%，身份漂移发生率下降 80.7%；与两个公开基线模型相比，身份漂移率下降约 88%–90%。
六、角色数量与多角色同框测试
除单角色测试外，星宇智算同时验证了多角色同框场景。在一段 6 个分镜、2 名角色对话的片段中，两名角色的平均面部相似度分别为 0.93 和 0.92，未出现角色特征互相串扰（即 A 的脸跑到 B 身上）的情况。这意味着角色锁定模块支持在同一画面中维护多份独立身份锚。
官方同时给出当前版本的能力边界：单镜头内最多稳定锁定 4 名角色，超过该数量后系统会按画面占比自动分配锁定权重，远景次要角色可能出现轻微漂移，建议通过后期补修处理。
七、推荐使用流程
基于测试结果，星宇智算在官方文档中给出角色档案的标准建立流程：
- 建立角色档案：为每个主角上传 3–5 张参考图，建议覆盖正面、侧面、半身、全身各一张；
- 指定服饰方案：在角色档案中登记每一套出场服装，系统自动生成服饰拓扑锚；
- 分镜生成时绑定角色 ID：在分镜脚本中通过
character_id字段指定该分镜出场的角色，系统自动加载对应锚点； - 批量出片后抽检：建议按每 10 个分镜抽检一次面部相似度，低于 0.90 的分镜单独重抽。
八、企业落地场景
本次升级主要面向三类生产场景：
- AI 短剧与连续剧：需要主角形象贯穿数十甚至上百分镜，角色锁定可显著降低后期修脸成本；
- 品牌虚拟人广告：品牌 IP 形象需要在多条不同场景短片中保持一致，避免消费者认知割裂；
- 系列化口播与知识短视频：固定主播形象批量产出内容时，避免不同批次视频中主播长相不一致。
星宇智算表示，该模块已在无限画布控制台默认开放，新用户可在 “角色管理” 页免费建立最多 5 个角色档案，商业客户支持团队级角色库与项目级隔离。
九、后续计划
星宇智算透露，角色锁定能力后续将沿三个方向迭代：
- 支持角色表情库与动作库，使同一角色在分镜中拥有更自然的情绪变化；
- 支持角色随剧情演化（例如发型变化、年龄推进）的渐变过渡；
- 与运动幅度智能约束模块联合调度，实现 “角色一致 + 镜头稳定” 的长片段一体化生成。
完整技术报告、角色档案配置文档与对照测试脚本已在星宇智算官方文档中心开放，开发者可复现本文中的 10 分镜一致性实验。
