出處：
https://x.com/gezfilms/status/1981520951830298937?s=46&t=pI9XbiM16A5ksb7qAl63pg

翻譯
謝啦，兄弟！
一開始我先為每個角色訓練專屬資料集，涵蓋多個角度、表情與光線變化，以確保視覺一致性。
接著我建立了一個「主提示詞（master prompt）」，定義所有環境參數──包括燈光配置、建築風格、對比比例、時間、相機型號、鏡頭種類、光圈以及其他預設設定。這成為每個場景的基礎。
當模型訓練完成、主提示詞也經過微調後，我開始生成「基礎模板（plates）」——這些影像用來確立整體色調、光線與氛圍，但暫時不放入角色。
在從各種角度生成這些模板後，我把它們作為參考影像匯入 Google NanoBanana，生成實際含有角色的場景。這樣的步驟能保持所有影像在建築、色彩與光線上的一致性。
舉例來說：我先生成一張新人站在祭壇前的中景特寫，再將這張影像與教堂的模板結合，生成同樣色調與光線一致的廣角空拍畫面。
我用同樣的流程處理剩下的場景，根據每次輸出的結果稍微調整提示詞。

# 🎬 AI 影像一致性生成流程教學
作者實戰分享翻譯整理版

在 AI 影像生成中，**如何讓角色與場景在不同鏡頭下保持一致性**，是一個常見又棘手的問題。以下是一個完整的製作流程，能幫助你穩定控制畫面風格、光線與角色外觀。

---

## 🧠 第一步：建立角色資料集
為每個角色各自收集或生成訓練資料，包含：
- 多角度（正面、側面、背面）
- 多種表情（開口、微笑、嚴肅）
- 多種光線（白天、黃昏、室內燈光）

這能確保後續生成的影像不會出現角色崩壞或風格不統一的問題。

---

## ⚙️ 第二步：設計「主提示詞」（Master Prompt）
建立一個統一的提示模板，定義整個世界觀的環境參數，例如：
- 燈光配置（主光、副光、背光）
- 建築風格（現代、古典、日式、哥德）
- 對比與色彩比例（高對比、柔光、冷暖色調）
- 時間與天氣（黃昏、夜景、晴天）
- 攝影設定（相機型號、鏡頭焦段、光圈值）

這個「主提示詞」將成為所有場景生成的基礎。

---

## 🖼️ 第三步：生成「場景基礎模板」（Plates）
在加入角色之前，先生成多張「乾淨場景」——
這些圖片只包含建築、光線與氛圍，不含人物。

這一步的目的是：
- 確定整體光線方向
- 建立色彩基調
- 確保不同鏡頭之間的空間邏輯一致

---

## 🎨 第四步：導入 NanoBanana 或其他 AI 工具
將這些「模板」匯入 Google NanoBanana（或類似工具）中作為參考影像，再生成含角色的場景。

這樣能保證：
- 建築比例一致
- 角色光線與環境匹配
- 整體色調統一

---

## 📷 第五步：逐鏡頭微調
以同一對角色為例：
1. 先生成新人在祭壇前的中景特寫。
2. 再將該畫面與教堂模板結合，生成廣角空拍畫面。
3. 根據生成結果微調提示詞（例如改變光圈、色溫、鏡頭距離）。

持續重複這個過程，就能完成一整段風格統一的動畫或分鏡。

---

## ✨ 結語
這套方法讓每張圖像不只是隨機生成，而是**在有系統的提示與資料集控制下完成的影像製作流程**。
如果你想打造 AI 短片、漫畫或遊戲概念圖，這個流程能幫你極大地提升一致性與製作效率。

討論
https://chatgpt.com/c/68fdc86b-8a28-8321-9921-7c415bcf204d

# 🎬 AI 影像一致性生成流程關係圖

graph TD
    A[AI影像一致性生成流程] --> B[角色資料集訓練]
    B --> C[主提示詞設計]
    C --> D[場景基礎模板生成]
    D --> E[NanoBanana導入生成角色場景]
    E --> F[逐鏡頭微調]
    F --> G[視覺一致性與氛圍維持]

流程說明
1. AI影像一致性生成流程
整體方法論的核心主題，確保角色與場景的一致性。
2. 角色資料集訓練
蒐集多角度、多表情、多光線的角色素材，以建立穩定的訓練基礎。
3. 主提示詞設計（Master Prompt）
統一設定環境參數：光線、建築風格、時間、相機設定等。
4. 場景基礎模板生成（Plates）
先生成不含角色的乾淨場景，用於建立光線與色調一致的背景。
5. NanoBanana導入生成角色場景
將模板匯入 NanoBanana 或其他 AI 工具生成含角色的場景，保持建築與光線一致。
6. 逐鏡頭微調
根據生成結果調整提示詞與構圖，使每個鏡頭自然銜接。
7. 視覺一致性與氛圍維持
最終達成整體風格、色彩與光線的連貫性，呈現穩定的視覺敘事效果。