Midjourney生成一致性角色IP形象设计:从提示词、参考图到角色库落地的完整实战指南

坦白说,Midjourney 做单张角色图并不难,难的是让同一个角色在不同表情、动作、服装、场景里仍然像同一个人。

很多人第一次做 IP 形象设计时,会遇到一个很典型的问题:第一张图很惊艳,第二张开始脸型变了,第三张发型跑偏,第四张干脆像另一个角色。你明明写了同样的提示词,甚至用了同一个 seed,结果还是不稳定。

这不是你不会写提示词,而是你把 Midjourney 当成了静态绘图工具。实际上,生成一致性角色 IP,需要把它当成一套“视觉系统”来设计:角色设定、参考图、提示词结构、参数控制、筛选标准和资产管理,一个都不能少。

我更愿意从工程角度看这件事。角色一致性不是玄学,它是变量控制。

为什么 Midjourney 角色一致性总是失败?

在实际项目中,角色跑偏通常不是某一个提示词写错,而是多个变量同时失控。

常见问题有这几个:

角色核心特征太模糊,比如“可爱女孩”“赛博猫咪”“东方少年”,这些词都太宽泛
视觉锚点不足,模型不知道哪些特征必须保持
风格词和角色词混在一起,导致风格变化时角色也被重绘
过度依赖 seed,以为固定 seed 就能固定人物
每次生成都重新描述角色,没有形成稳定的提示词模板
没有建立角色库,优秀结果无法被复用

这里有个坑要注意:seed 只能提高同一提示词下的可重复性,不能保证跨场景、跨动作、跨服装的角色一致性。

如果你想做真正可用的 IP 角色,比如品牌吉祥物、绘本主角、短视频虚拟人物、游戏 NPC、表情包角色,就必须建立一套稳定的“角色身份识别系统”。

先做角色 DNA,而不是急着出图

我通常不会一上来就让 Midjourney 生成最终图。最佳实践是先写角色 DNA,也就是把角色拆成可复用、可检查、可继承的字段。

一个角色至少要定义这些层级:

层级	作用	示例
身份定位	决定角色气质	城市咖啡品牌的松鼠店长
外形锚点	保证一眼认出	圆脸、栗色毛发、白色围裙、左耳小缺口
色彩系统	保持品牌识别	咖啡棕、奶油白、薄荷绿点缀
服装道具	增强记忆点	小围裙、金属名牌、手冲壶
表情性格	决定传播感	温和、机灵、略带社恐但很专业
禁用元素	防止模型乱加	不要帽子、不要眼镜、不要拟人化过度

注意,角色 DNA 不是文学设定,它必须能转化成视觉描述。

比如“有亲和力”太抽象,不如写成“soft rounded face, gentle smile, relaxed shoulders”。“高级感”也不够具体,不如写成“minimal color palette, clean silhouette, subtle fabric texture”。

一个可复用的提示词架构

我做一致性角色时,提示词不会写成一整段散文,而是拆成模块。这样后期替换场景、动作、表情时,不会破坏角色主体。

[角色主体] + [不可变视觉锚点] + [当前动作/表情] + [服装/道具变化] + [场景] + [风格] + [镜头/构图] + [质量控制] + [排除项] + [参数]

可以参考这个模板:

A consistent original IP character, a small squirrel coffee shop manager, round face, chestnut brown fur, tiny notch on left ear, cream white apron with mint green name tag, warm gentle smile, holding a hand drip coffee kettle, standing behind a wooden counter, cozy modern coffee shop interior, clean character design, soft 3D illustration style, front view, full body, simple background, high detail, consistent character features --ar 1:1 --v 6 --style raw

如果要换成奔跑动作,不要整段重写,只替换动作模块:

A consistent original IP character, a small squirrel coffee shop manager, round face, chestnut brown fur, tiny notch on left ear, cream white apron with mint green name tag, running with a takeaway coffee cup, cheerful expression, street corner outside a coffee shop, clean character design, soft 3D illustration style, full body, dynamic pose, high detail, consistent character features --ar 1:1 --v 6 --style raw

关键在于:角色锚点必须稳定,动作和场景才可以变化。

cref、sref、seed 到底该怎么用?

很多人搜索 Midjourney 生成一致性角色 IP形象设计,真正想问的是:到底该用哪个参数?

我简单拆开讲。

character reference:控制“像不像同一个角色”

--cref 适合用来引用角色图,让后续生成更接近已有角色。你可以把通过筛选的角色正面图作为主参考,再生成侧面、背面、表情和场景图。

常见写法是:

small squirrel coffee shop manager, running pose, cheerful expression, full body, clean 3D mascot design --cref 角色参考图URL --cw 80 --ar 1:1 --v 6

--cw 可以理解为角色参考权重。数值越高,越强调角色外观;数值较低时,模型更容易根据新提示词发挥。没有绝对答案,我一般会从 60、80、100 三档测试。

style reference:控制“画风是否统一”

--sref 更偏向风格参考,比如材质、光影、色调、插画语言。它不应该替代角色参考。

如果你已经有一张很满意的品牌视觉图,可以这样组合:

small squirrel coffee shop manager, waving hand, friendly expression, product mascot pose --cref 角色参考图URL --cw 80 --sref 风格参考图URL --ar 1:1 --v 6

我的建议是:角色一致性交给 --cref,风格统一交给 --sref,不要把所有压力都压在提示词上。

seed:适合微调,不适合当角色身份证

--seed 在同构图、同提示词下很有用,适合做小范围迭代。但如果你改变了动作、视角和场景,它的控制力会明显下降。

所以 seed 更像“复现工具”,不是“角色管理工具”。

角色三视图和表情包,应该分开生成

很多新手会一次性要求:正面、侧面、背面、开心、生气、奔跑、喝咖啡、拿招牌,全放在一张图里。

这样做的问题是,Midjourney 很容易把多个动作和多个角色混在一起,出现手脚错位、服装不一致、脸部比例变化。

更稳的流程是:

flowchart TD
A[角色DNA定义] --> B[生成正面标准图]
B --> C[筛选主参考图]
C --> D[生成三视图]
C --> E[生成表情组]
C --> F[生成动作组]
C --> G[生成场景海报]
D --> H[建立角色资产库]
E --> H
F --> H
G --> H

我通常先做“正面标准图”,再用这张图作为 --cref。等三视图稳定后,再进入表情和动作。

角色资产库里至少应该保存:

主参考图:最稳定、最像角色本体的一张
正侧背三视图:用于后续建模或延展
表情九宫格:开心、惊讶、委屈、生气、思考等
动作库:站立、奔跑、挥手、坐下、拿道具
场景图:门店、海报、社交媒体封面
提示词版本:每张图对应的 prompt 和参数

不要小看最后一项。没有 prompt 记录,角色库很快会变成一堆无法复现的漂亮图片。

用版本管理思维维护提示词

我做技术出身,所以非常反感把提示词随手丢在聊天记录里。提示词也是资产,尤其是 IP 角色项目。

可以用一个简单的结构维护:

character_id: squirrel_cafe_manager_v01
core_traits:
  species: small squirrel
  face: round face
  fur: chestnut brown fur
  unique_mark: tiny notch on left ear
  outfit: cream white apron with mint green name tag
  personality: warm, gentle, slightly shy
negative_traits:
  - no hat
  - no glasses
  - no realistic animal anatomy
style:
  rendering: soft 3D illustration
  palette: coffee brown, cream white, mint green
  lighting: soft studio lighting
mj_params:
  version: 6
  aspect_ratio: 1:1
  style: raw

然后每次生成新图,只替换任务字段:

task:
  pose: waving hand
  expression: cheerful smile
  scene: cozy coffee shop counter
  output: full body character poster

这套方法看起来有点“工程化”,但它能显著减少返工。更重要的是,团队协作时每个人都知道哪些字段能改,哪些字段不能动。

评估一致性,不要只凭感觉

角色 IP 设计最容易陷入“好看就行”的误区。好看当然重要,但一致性要有检查标准。

我会从五个维度看:

轮廓识别:缩小到缩略图后,还能不能认出角色?
面部比例:眼睛、嘴巴、脸型是否稳定?
标志元素:耳朵缺口、围裙、名牌等是否保留?
色彩一致:主色和辅助色有没有漂移?
风格统一:材质、线条、光影是否像同一个系列?

这里要注意,完全一致并不一定是最优解。IP 角色需要“稳定中的变化”。如果每张图都像复制粘贴,反而没有生命力。我的标准是:核心锚点不变,情绪和动作可以变化。

常见问题:为什么我用了参考图还是不像?

你可能会问:我已经用了 --cref,为什么还是不稳定?

通常有几种原因。

一种是参考图本身不够标准。比如角色被遮挡、角度太偏、背景太复杂,模型提取不到清晰特征。主参考图最好是正面或 3/4 角度,主体完整,背景简单。

另一种是提示词和参考图冲突。参考图是短发角色,提示词却写了 long flowing hair;参考图是扁平插画,提示词又写 ultra realistic。模型会在冲突中折中,结果自然不稳定。

还有一种是你一次改变了太多变量。比如同时换服装、换年龄、换场景、换画风、换镜头。建议一次只改一个主要变量,观察变化后再继续。

我推荐的实战流程

如果你要从零做一个 Midjourney 一致性角色 IP,可以按这个顺序来:

写角色 DNA,明确不可变特征
生成 20 到 40 张候选正面图,筛选 1 到 3 张主参考
用主参考图做 --cref,测试不同 --cw 权重
固定风格后加入 --sref,统一画面语言
生成三视图,不满意就回到主参考图阶段
再做表情组和动作组,不要一开始就做复杂场景
建立角色资产库,保存图片、prompt、参数和版本号
用一致性检查表筛选,宁可少留,也不要把跑偏图混进库里

说实话,Midjourney 不会替你完成 IP 系统设计。它擅长生成视觉可能性,但角色判断、品牌取舍和资产管理仍然要靠人。

结语:一致性不是参数技巧,而是设计系统

Midjourney 生成一致性角色 IP形象设计,真正的核心不是某个神奇提示词,而是你有没有把角色当成长期资产来管理。

提示词负责表达,参考图负责继承,参数负责约束,资产库负责复用。四件事配合起来,角色才会从“偶然好看的一张图”变成“可以持续生产内容的 IP 形象”。

如果你现在还在反复抽卡,不妨先停下来,回到角色 DNA。把不可变特征写清楚,把参考图筛干净,再让 Midjourney 扩展。效率会完全不一样。