别用第一张图判断Nano Banana 2.1的角色一致性

AI生成角色最难的地方，从来不是第一张图。第一张角色图通常能给人不错的印象，真正的考验出现在第二张、第三张、第十张。换背景，眼睛变了；换衣服，脸型变了；镜头稍微拉远，配饰消失了。

对做连载故事、角色设定或品牌内容的人来说，这些偏移比一次生成失败更麻烦。你要的不是一堆长得像的人，而是一组让观者能认出“这是同一个人”的图。

Nano Banana 2.1在多轮角色一致性上有所改进，也支持用参考图来描述人物或物体。但“一致”这个词必须放回具体任务里理解：保持发色、服装和整体气质是一回事，让面部比例从每个角度都完全相同是另一回事。官方模型卡仍然标注了角色一致性方面的限制，所以评测不该只靠最成功的那一张图。

一组图比一张图更能说明问题

一个实用的测试思路是：给同一个角色做几次小改动。先换背景，再换光线，再调一个不算极端的拍摄距离。把生成的图并排放在一起看，检查脸部轮廓、头发、衣领、配饰和人物比例。这样才能看出哪些特征稳住了，哪些地方最容易滑走。测试不需要复杂，但变化要有清晰的顺序。

据rss来源的分析，prompt里也应该把“固定项”和“变动项”分开写。比如：“保持人物外貌和深色外套不变，把背景换成明亮的影棚，不要改变姿势。”如果下一轮只需要光线稍微暖一点，就不要同时加上新发型、新表情和新机位。给模型划清边界，也是给自己一个可对比的版本。

参考图能补充另一个视角，但上传前值得先挑一挑。一张清晰、无遮挡、色彩普通的照片更适合传达外貌。滤镜很重或镜头畸变明显的照片，可能让模型把相机效果当成角色本身的一部分。最多14张参考图是能力上限，不是每个角色任务都必须凑到的数字。

真正的系列作品还涉及风格。人物可能看起来像同一个人，但一张像棚拍，一张像油画，一张像低对比度的胶片截图，整个系列照样散架。光线、色彩、画幅比例和服装应该像管理外貌一样去管理。需要换风格时，先确认角色仍然可辨认，再一步步扩大变化幅度，而不是一次性放开所有控制。

角色一致性（character consistency）指的是在多次生成中，同一个角色的关键视觉特征——面部结构、发型、肤色、体型、服装和配饰——保持可被识别为同一人的状态。它与单纯“长得像”有区别：相似是主观感受，一致性则要求跨图可验证。在生成模型中，这一能力受制于训练数据中角色概念的分布，而非模型对某个特定人物的真实记忆。因此，文生图模型通常只能保持高层语义特征（如发色、服装类别），对精细面部比例、左右对称性和微小配饰的保持则较弱。理解这一点有助于设定合理预期：一致性是概率性的，不是确定性的，需要靠工作流管理而非单次提示词解决。

参考图（reference image）机制通常通过图像编码器提取视觉特征，再以条件向量形式注入生成过程。不同模型对参考图的利用方式有差异：有的侧重全局风格迁移，有的侧重身份嵌入。上传参考图时，图像的画质、光照和角度会直接影响提取的特征。如果参考图带有强烈风格化滤镜、广角畸变或遮挡，模型可能把滤镜、畸变或遮挡误判为角色身份的一部分，进而在生成中复现。多张参考图能通过特征平均降低单张偏差，但也可能引入互相矛盾的特征。因此，挑选参考图的原则是“干净、中性、多角度覆盖”，而不是数量堆砌。

别忽略小地方

手、耳环、衣服上的小结构，通常比整张脸更容易被忽略。在小图里看不出的差异，放到4K输出里，或者几张图并排放在一起时，就会变得明显。更高分辨率给了更多检查的空间，但它不能代替检查。对要长期使用的角色来说，保留一组已确认的参考图特别有用。

如果你想在Nano Banana 2.1里试试系列作业，从三张图开始：一个基础场景、一次背景变化、一次光线变化。不要一上来就要求十几张复杂的叙事帧。先确认你在意的特征能不能稳住，再决定这套工作流是否适合你的内容。

好的角色工具应该让修改更可控，而不是让创作者停止观察。Nano Banana 2.1的价值可以在连续工作中检验：哪些变化能顺利通过，哪些需要再补一张参考图，哪些最好停下来手工修。知道这些边界，才更容易产出一组真正立得住的图。

4K输出意味着图像边长约3840像素，是1080p的四倍。分辨率提升后，原本在缩略图中被平滑掉的手部结构、耳环连接处、衣领缝线等细节会变得清晰可见。生成模型在高分辨率下往往需要额外的超分或重绘步骤，这些步骤可能改变手指数量、饰品位置或服装纹理。因此，4K不能替代一致性检查，反而会放大不一致。对需要长期使用的角色，建议保存一组已确认的低分辨率参考图作为基准，并在高分辨率输出后逐一比对细节区域，必要时用局部重绘修正。