你给我: 一个角色的方向:一张照片、一句描述,或剧本里的人物设定;想要的风格和用途(短片、广告、系列内容)。
你拿到: 一个角色包:人物小传、妆造说明、定妆照、三视图、表情、各套造型、声音音色、几段试镜片,加一段之后每次生成都能直接复用的角色描述。
用户有一个角色:可能是剧本里的人物、品牌的虚拟代言人、系列内容的固定主角,也可能只是一张照片或一句描述。Agent 先把人设想清楚,再设计妆造,用 Flova 生成定妆照、三视图、表情和声音,用几个短镜头验证一致性,最后交付一个角色包。之后做任何视频,都把角色包里的参考图和描述带上,人物就不容易变。
这个灵感交付的是角色资产,不是成片。它只做单个角色,不做多人同场的调度,也不做开放式的「帮我想一个角色」头脑风暴:角色的来历和性格由用户给方向,Agent 补全并确认。
工具与分工
- Flova: 定妆照、三视图、表情、各套造型、配音音色、试镜片。必需。需要保持一致的地方(站姿、光线、背景、画幅),写进每一次的生成请求里约束,不另外调用其他工具处理。
- Teardown 参考拆解(通过 Flova MCP 按此名称查询并读取完整灵感)(可选): 用户给了参考图、参考片或某个风格的链接时,拆出可借鉴的造型特征。
分项方法索引
- :先想清「为什么这样穿」、妆造五个层次、怎样写描述、年代与类型、一人多套造型。第 3、5 步读。
- :从照片或描述到三视图、脸部特写和表情集,比例限制、检查。第 4 步读。
- :角色包包含什么、固定描述、怎样在后续镜头里使用、试镜片怎么验、漂移了怎么办。第 6–8 步读。
工作流程
确认角色和用途(确认点)→ 人设(确认点)→ 定妆(确认点)→ 三视图与表情(确认点)→ 更多造型(可选)→ 声音(可选)→ 试镜片(可选)→ 交付角色包
1. 确认角色和用途(确认点)
向用户问清(已经说过的不再问):
- 角色是谁: 名字、身份,以及他出现在什么内容里(短剧、广告、MV、系列社媒、游戏、动画)。
- 已有素材: 照片、设定稿、剧本片段、参考图。没有就从描述开始。
- 画风: 写实真人、电影感、二次元、3D 动画、插画等。画风一旦定下,整套资产都保持一致。
- 要哪些模块: 人设、定妆、三视图、表情、多套造型、声音、试镜片。用户只要其中几个时,只做这几个。
- 用在哪: 画幅(横版或竖版)、是否要说话、会出现在哪些类型的镜头里(近景对白、全身走动、群像)。
问不清的地方最多追问三个真正影响设计的问题,其余由 Agent 提出方案让用户选。
2. 人设(确认点)
写一页人物小传,用户确认后再画:
- 身份、年龄感、所处的时代与地域。
- 性格和说话方式,各用两三句话。
- 一个让人记住的细节(习惯动作、标志性的物件、独特的外形特点)。
- 与画面有关的关键词:气质、体态、表情倾向。
- 不能变的东西: 例如「左眉有一道旧疤」「总戴一条红色围巾」,之后每个镜头都要保留。
3. 定妆(确认点)
- 按 先写出基础造型和每一处的理由,再生成一张正面半身的定妆照。
- 有用户照片时,以它为参考,保持脸不变,只按设计调整服装、发型和妆容。没有照片时,先出两三个脸部方向让用户选。
- 用户确认这张脸之后,后面所有图都以它为准。脸不满意时在这一步改,不要带到三视图之后。
4. 三视图与表情(确认点)
按 :
- 生成三视图(正面、侧面、背面)和一张脸部特写。
- 需要表演的角色,再做一组表情:平静、开心、生气、惊讶、难过,以及符合这个角色性格的一两个特色表情。
- 给用户检查:三个角度是不是同一个人,和定妆照像不像,不对的重做。
5. 更多造型(可选)
角色在不同场合、不同剧情阶段要换造型时,按 的「一人多套造型」逐套做,每套一张全身图,每次只换一个层次。每套的生成请求里写同样的站姿、光线和纯色背景,直接逐张交付。
6. 声音(可选,确认点)
- 角色要说话时,请 Flova 用同一句台词生成三个不同音色的候选,给用户试听。台词用角色的口吻写,不用测试句。
- 用户选定一个,记下音色名称和用于试听的台词。
7. 试镜片(可选)
按 的「试镜片」,生成三个短镜头,换景别、角度和光线,验证人物是不是还是同一个人。不稳定时按文中的方法调整,再试。
8. 交付角色包
按 整理并交付:
- 人物小传,包含「不能变的东西」。
- 固定描述:一段可以逐字复用的文字。
- 定妆照、三视图、脸部特写、表情集、各套造型。
- 参考图清单:每张图的文件名、用途、可复用的素材标识。
- 声音和试镜片(做了的话)。
- 使用说明:下一次做镜头时怎样带上这套资产。
工程目录
character-<名字>/
├── source/ 用户照片、设定稿、参考图
├── docs/ 人物小传、固定描述、参考图清单、使用说明
├── looks/ 定妆照、各套造型
├── sheet/ 三视图、脸部特写、表情集
├── voice/ 音色候选、试听台词
└── trial/ 试镜片
三视图、脸部与表情
需要同一个人出现在多个镜头里,就先把他做成一组参考图,再用它生成所有镜头。一张照片只能告诉模型正面的样子;三视图定下全身比例和各个角度,脸部特写定下五官细节,表情集定下这个人怎么表演。
输入
- 定妆照: 第 3 步用户确认过的那张,是之后所有图的脸部依据。
- 照片: 用户给的照片,最好正面、光线均匀、脸清楚。没有照片时,用定妆照。
- 服装: 用定妆时确定的这一套。其他造型单独做,见「妆造设计」。
生成
用支持参考图的图像模型,以定妆照(和照片)为参考,角色标为 reference:
三视图
- 同一个人的正面、侧面、背面全身像,并排站在纯浅灰背景上,自然站姿,双臂放松。
- 比例: 整张三视图用 16:9 输出。不要拼成很宽的长条:有的视频模型只接受宽高比 2.5 以内的参考图。需要更宽时,分成三张单独的图。
- 锁定语句: 「保持参考图中这个人的脸、肤色、发型、体型完全一致,不要改变身份。」每次重新生成都逐字使用。
- 光线: 均匀柔和,没有强烈的阴影和色温偏差,方便之后放进不同场景。
脸部特写
- 一张正面脸部特写(头到肩),中性表情,光线均匀。
- 如果角色有标志性的脸部细节(疤痕、痣、雀斑),确保特写里看得清。
表情集
- 同一个人,同样的构图(头到肩)和光线,逐个表情生成:平静、开心、生气、惊讶、难过,再加一两个符合性格的特色表情(例如「克制的不耐烦」「强忍笑意」)。
- 一个表情一张图,不拼成一排;每张都以脸部特写为参考,只改表情。
- 表情写成具体的面部动作(眉、眼、嘴角、下巴),不只写情绪名词。
检查(确认点)
- 三个角度是同一个人:脸型、发际线、发型、肤色、体型一致。
- 侧面和背面合理:发型后部、服装背面没有凭空出现的图案或文字。
- 和定妆照像不像:给用户看,认可后才用。
- 脸部特写里的标志性细节都在,且位置和三视图一致。
- 表情集里每个表情都是同一个人,只有表情不同。
- 手、脚、手指没有畸形。
不像或有问题时重新生成;改两次仍不像,回到定妆步骤,请用户换一张更清楚的照片,或者调整脸部描述。
怎样用在镜头里
- 当参考图: 生成每个有人物的镜头或关键帧时,把三视图(再加上需要的脸部特写)作为参考图传入,在提示词里写清「第一张参考图是人物的三视图,只负责脸、发型、体型和服装」。
- 固定描述: 再带上角色包里的固定描述,所有镜头逐字复用。
- 说话: 关键帧作为首帧(
first_frame),配音作为驱动音频(driving_audio),用对口型模型生成;或者用能同时生成对白的视频模型,把台词原文写进提示词。 - 具体怎样复用、怎样验证,见 。
角色包与一致性
角色包是这个灵感的交付物:把角色的人设、形象、声音和使用规则整理在一起,下次做视频时拿出来就能用。
角色包里有什么
固定描述怎么写
- 按「年龄感和性别、脸型五官、发型发色、肤色体型、当前造型、标志性细节」的顺序写。
- 只写外貌,不写情绪和剧情:情绪由每个镜头的提示词负责。
- 数字和颜色具体,同一个词前后一致(不要这里写「棕发」那里写「栗色头发」)。
- 每个造型单独一段;脸和体型那部分所有造型相同。
- 逐字复用:每个镜头都复制同一段,不要每次改写。
参考图清单怎么记
每张图一行:文件名、类型(定妆、三视图、脸部、表情、造型 L0x)、负责什么(脸、体型、服装)、不继承什么(背景、光线、姿势)、素材标识。
- 素材标识: 上传得到的
file_ref约一小时后过期,不能长期保存。生成结果有自己的素材标识(resource_id),可以在之后的请求里作为参考复用,把它记进清单。上传的原图过期后,用已生成的结果代替,或者重新上传。 - 参考图的宽高比要落在目标模型允许的范围内,过宽的先分成几张或补边。
怎样在后续镜头里使用
- 每个有这个角色的镜头,都传入三视图和(近景时)脸部特写,必要时加上这个镜头要穿的那套造型图。
- 提示词里用文字指代:「第一张参考图是角色的三视图,只负责脸、发型、体型;第二张是当前造型,只负责服装。」顺序要和请求里的顺序一致。
- 粘贴固定描述,再写这个镜头的动作、景别和光线。
- 镜头需要角色说话时,见「三视图、脸部与表情」里的做法。
- 之后在别的视频里让多个角色同镜头(本 Studio 不做这一步):每个角色各自一组参考图,描述里分别说明,注意不要让两个人的特征互相串。
试镜片:验证一致性
用三个镜头验证,每个只换一个变量:
- 近景对白: 正面或微侧,中性光线,角色说一句台词。检查脸是否像定妆照,口型是否自然。
- 全身走动: 全景或中景,角色走几步或转身。检查体型、服装背面、发型后部。
- 不同光线: 例如暖色夕阳或夜晚的冷光,景别中近景。检查肤色和五官是否还认得出。
对照:把三个镜头和定妆照、三视图逐项核对:脸型五官、发际线、肤色、体型、标志性细节。
漂移了怎么办
每次调整只改一件事,调完重跑同一个镜头对比,判断是哪一处起了作用。生成有随机性,重要结论多试一两次。
交付时给用户的使用说明
- 下一次做视频的步骤:先读角色包,选造型,带上哪几张参考图,粘贴哪一段固定描述。
- 已知的薄弱点(例如大幅侧脸容易走样),以及试镜片里发现的有效做法。
- 想加造型、表情或声音时,回到对应的步骤继续,不用重做已确认的部分。
妆造设计
妆造不是「好看的衣服」,而是让观众一眼读出这个人是谁、过着什么生活、此刻处在什么状态。先想清理由,再写描述,再生成。
先想清「为什么这样穿」
为每一个选择写一句理由,写不出理由的就删掉或重选。从这几个问题出发:
- 身份与职业: 他做什么工作?工作要求什么穿着?
- 经济与阶层: 衣服是新的还是旧的,是自己买的还是别人给的?
- 时代与地域: 什么时间、什么地方?
- 性格: 他在乎打扮吗?是精心的、随意的,还是刻意低调?
- 此刻的处境: 这套造型是哪个剧情阶段?刚出门,还是熬了一夜?
理由写在文档里,用户看得懂设计意图,之后换造型时也知道哪些不能动。
五个层次
每套造型按这五层写,逐层确认:
怎样写描述
- 具体到能画出来: 「深灰色粗针羊毛开衫,肘部磨出毛边,里面是洗旧的白 T 恤」,而不是「休闲有品位」。
- 用物件和材质,不用形容词: 「好看」「时尚」「高级」都没有信息。
- 颜色写清楚: 「焦糖色」「雾霾蓝」配一个常见的对照物,比单写「棕色」「蓝色」更稳。
- 一套造型一段话, 按「发型、妆容、服装、配饰、状态」的顺序写,以后逐字复用。
- 写画面里真的看得到的东西。 内搭被外套完全遮住就不必写细节。
年代与类型
- 现代写实: 注意季节、气候和场合。
- 古装、民国、历史题材: 先问清朝代或年份和地区,查资料确认形制,不凭「古风感」拼凑。拿不准的地方在文档里标「待考证」,让用户决定。
- 科幻、奇幻: 先写世界观里的材料和功能(为什么这件衣服长这样),再写外观,避免堆砌酷炫元素。
- 二次元、动画: 简化细节,突出轮廓、色块和标志性元素,发型和配色比面料更重要。
一人多套造型
同一个人换造型,要变的是服装,不是脸。
- 以确认过的定妆照(或三视图正面)为脸部参考,写成「保持这个人的脸、肤色、体型、发际线不变」。
- 只写要变的层次,例如只换服装和配饰,发型妆容不动。
- 一次只换一个层次。 全换一遍,脸最容易跟着变。
- 每套生成一张全身正面和一张半身,保持同样的站姿、光线和背景,方便对比。
- 生成后检查:脸、发际线、肤色、体型、标志性细节(疤痕、围巾等)有没有变;新造型的描述有没有落实;服装有没有凭空多出图案或文字。
- 每套造型起一个名字(例如「日常」「出庭」「逃亡第三天」)和编号 L01、L02……,文件和文档里用同一个编号。
检查清单
- 每个选择都有理由,造型读得出身份和处境。
- 描述具体,没有空泛的形容词。
- 古装、历史题材的形制已查证,拿不准的已标「待考证」。
- 各套造型里同一个人看得出是同一个人。
- 「不能变的东西」都保留着。