做 AI 视频最让人崩溃的事情，不是画质不好，不是动作不流畅，而是——镜头一切，主角换了张脸。
这个问题在 Seedance 1.5 Pro 时代几乎无解。你在第一个镜头里生成了一个黑发女孩，切到第二个镜头，她变成了棕发，脸型也微妙地变了。你在 Prompt 里反复强调"black hair, same character"也没用，模型根本不理你。
Seedance 2.0 终于给了一个靠谱的解法。
核心机制：参考图锁定
Seedance 2.0 的角色一致性方案很直接——上传参考图，用 @ 语法锁定。
具体做法：
第一步：准备角色参考图
最好是三视图：正面、侧面（左或右）、四分之三角度。三张图拍清楚脸部特征、发型、服装。
如果只有一张正面照也行，但跨角度的一致性会下降。
第二步：在每个镜头的 Prompt 里 @ 这张图
镜头一：
@CharacterImage as the main character, she walks into the office and sits down at her desk.
镜头二：
@CharacterImage as the main character, close-up of her face as she reads a document, slight frown.
镜头三：
@CharacterImage as the main character, she stands up abruptly and walks toward the door.
每个镜头都 @ 同一张参考图。模型会从参考图里提取面部特征、发色、肤色、服装风格，在生成时尽量保持一致。
实际效果：85 分，不完美但够用
实测下来的一致性评分（主观感受）：
| 场景 | 一致性 | 备注 |
|---|---|---|
| 正面 → 正面 | 95% | 几乎完美 |
| 正面 → 侧面 | 85% | 脸型保持好，细节（痣、眉形）偶尔丢失 |
| 正面 → 仰拍/俯拍 | 70% | 极端角度容易走样 |
| 室内 → 室外（换场景） | 80% | 光照变化会导致肤色微调 |
| 静态 → 剧烈运动 | 75% | 跑步、跳跃时脸部偶尔变形 |
和 1.5 Pro 对比，进步明显。1.5 Pro 在正面到侧面的切换上只能打 50-60 分，现在 85 分，已经是"观众不仔细看不会注意到"的水平。
和 Sora 2 的 Cameo 比呢？
Sora 2 Pro 有一个叫"Cameo"的功能，专门用于角色一致性。你上传一张角色照片，创建一个"Cameo 角色"，然后在任何 Prompt 里调用它。
Cameo 的一致性略好于 Seedance 2.0 的 @ 参考图，尤其是在极端角度下。但 Cameo 只能锁定角色外貌，不能同时参考运镜、动作、音乐。Seedance 2.0 的 @ 语法是通用的，角色锁定只是它的用途之一。
如果你只需要角色一致性，Sora 2 的 Cameo 更专业。如果你需要角色一致性 + 运镜参考 + 音乐同步，Seedance 2.0 的体系更完整。
进阶技巧
三视图生成法
如果你手上没有真人照片，可以先用 AI 图片生成模型（Midjourney、Flux、Seedream）生成一个角色的三视图。
Prompt 参考：
Character reference sheet of a young Asian woman,
black shoulder-length hair, round face,
wearing a white blouse, front view, side view, three-quarter view,
white background, studio lighting, consistent style
生成出来的三视图上传到 Seedance 2.0 作为参考，角色就定死了。这样你的整个视频项目用的都是同一个"虚拟演员"。
服装锁定
角色一致性不只是脸。换了件衣服，观众也会觉得"这不是同一个人"。
在参考图里，确保服装特征清晰可见。如果角色需要在不同场景穿不同衣服，给每套服装各准备一张参考图，在对应镜头里 @ 不同的图。
室内场景：@CharacterCasual（穿休闲装的角色照片）
室外场景：@CharacterFormal（穿西装的角色照片）
多角色场景
如果你的视频里有两个以上的角色，每个角色各上传一张参考图，在 Prompt 里分别 @。
@Character1 as the detective and @Character2 as the suspect,
they sit across from each other at a table in an interrogation room,
the detective slams the table and says "Where were you last night?"
实测双角色的一致性还不错。三个以上角色就开始吃力了——模型有时候会把角色特征搞混。
还差什么？
老实说，Seedance 2.0 的角色一致性已经从"不可用"进化到了"基本可用"。但离"专业可用"还有差距：
- 没有显式 ID 嵌入：它是通过图片参考来"模仿"角色，而不是真正"理解"角色的身份。所以遇到遮挡、光照剧变、极端角度，还是会出问题。
- 跨视频不保证一致：每次生成都是独立的。今天生成的和明天生成的，即使用同一张参考图，也可能有微妙差异。
- 表情范围有限：参考图是静态的，模型能推理出的表情变化有限。如果你的角色需要从大笑到大哭，中间的表情过渡可能不自然。
总结
角色一致性从"玄学"变成了"工程问题"。
以前你只能祈祷模型运气好，生成出来的角色长得一样。现在你可以用参考图 + @ 语法来系统性地控制它。不完美，但有章法了。
对于做短剧、做系列内容、做品牌 IP 的创作者来说，这个进步意味着你终于可以用 AI 来做"系列化"的内容了，而不仅仅是一次性的素材。
