AI 视频人物参考图怎么做：从正面胸像到角色与服装设定

AI 视频人物参考图怎么做：从正面胸像到角色与服装设定

作者：Ha Fung

给一个写实数字偶像制作视频，最先值得确定的是一张清楚、稳定的脸。她可以在摄影棚里微笑，也可以在街头走动；这些镜头需要共同指向同一个人物。

以一位22岁的成年女孩为例：深栗色高双马尾、轻薄刘海、粉色发带，穿粉白运动风偶像服装。设计阶段可以用角色三视图检查她的整体造型。进入视频制作阶段，建议先选定一张正面胸像作为身份基准，再补充其他角度和全身照。

这个顺序让每张图片承担明确任务：正面胸像交代长相，其他角度补充面部结构，全身照交代比例与穿搭，场景首帧确定镜头开始时的画面。

人物参考图、定妆照和三视图，各自解决什么问题

“人物参考图”常对应英文 Character Reference。强调跨镜头保持人物身份时，也可以用“角色一致性参考图”或 Identity Reference 描述需求。它们是实用的沟通名称，具体工具的入口名称以产品界面为准。

真人风格的“角色定妆照”用于确认长相、发型、妆容和穿搭。“角色三视图”将正面、侧面与背面放在同一套设定里，方便核对整体轮廓。“服装设定图”进一步展示衣物正背面、配饰和材质细节。

这里的胸像指取景到肩膀或胸口的人像照片。作为人物主参考，建议优先准备一张独立的正面胸像。

为什么推荐正面近照，取景到胸口

人物参考的核心任务是提供清楚的外观信息。正面胸像能在一张图里容纳较大的脸部，同时保留发型根部、脖颈和服装上缘。对这个双马尾角色来说，它尤其适合呈现刘海形状、两侧马尾位置和脸部轮廓。

下面这张示例采用正面胸像构图，完整保留头顶和两侧马尾根部。人物平视镜头，嘴唇自然闭合，背景浅灰，光线柔和均匀。

图1：AI 生成的正面胸像示例，用于说明人物主参考照的构图。

建议把主参考照拍成或生成成“容易看清这个人”的样子：头部端正，脸部轮廓清晰可见，表情放松，眼睛清楚，肤色自然。Runway 的 Gen-4 Image References 官方指南也建议采用自然均匀的光线与中性表情，方便后续生成不同场景中的人物。Runway：角色参考图片建议

正面胸像是本文针对这个任务的构图建议。具体平台可能支持不同尺寸、角度和参考图片数量，上传时按所选模型的要求准备素材。

“细节拉满”应该落在哪些地方

写实人物的细节可以具体写成毛孔、细小绒毛、唇纹、独立发丝、自然肤色变化、衣物织纹和缝线。摄影感还来自清楚的眼睛、合理的阴影、自然的面部比例，以及符合材料特性的反光。

对于双马尾偶像，值得稳定保留的特征包括马尾根部的高度、刘海形状、发带位置、五官比例和标志性小痣。服装则可以固定外套版型、裙褶、鞋袜配色和星形配饰。这些信息有助于逐张核对人物和造型。

图2：AI 生成的角色设定图。正面、侧面与背面用于核对整体轮廓，下方细节用于确认脸部和发型。

三视图可以保存在角色资料里，制作镜头时再按用途选取对应视图，或者基于确认后的脸部参考生成独立照片。这样，每次上传的素材都能清楚地表达当前需要确认的信息。

图3：AI 生成的服装设定示例，展示正背面、内置安全裤、鞋袜、配饰，以及面料和结构特写。

服装图适合统一镜头中的穿搭。它也方便创作者检查外套背面的拼接、裙褶位置和鞋子侧面的结构。图中的局部细节属于视觉设计参考，实际制衣还需进一步确定尺寸与工艺。

直接复制的人物参考照指令

已有角色设定图时，先上传该图，再明确指定人物身份、需要保持的特征、构图和摄影条件。以下指令适用于支持参考图片输入的图像生成工具，可作为这位双马尾角色的起点。

以上传图片中的女孩作为唯一人物身份参考，生成一张用于 AI 视频生成的人物标准参考照。

人物为22岁成年女性。准确保持参考人物的脸型、五官比例、眼睛形状、鼻梁、嘴唇、下颌轮廓、肤色、发际线和标志性小痣。

保持深栗色高双马尾、轻薄刘海、粉色发带，以及参考图中的粉白服装和银色星形配饰。

本次构图为正面胸像，从胸口拍至头顶上方，完整保留头顶和两侧马尾根部。面部正对镜头，双眼平视，嘴唇自然闭合，表情放松，肩膀自然舒展，面部轮廓清晰可见。

采用真实人像摄影质感、自然的人像透视，眼睛与面部清晰对焦。保留自然毛孔、细小绒毛、唇纹、发丝和轻微肤色变化，妆容清透。

浅灰色摄影棚背景，柔和均匀的中性光线，准确呈现面部结构与真实肤色。

竖版3:4，高分辨率。整张图片呈现一位人物的一张完整照片，采用纯摄影画面，背景整洁。

输出用途：作为后续多个视频镜头共用的人物身份基准。

3:4 是便于保存和观察胸像的构图选择，最终上传尺寸按工具要求调整。“85mm人像镜头视觉”也可以作为摄影风格描述加入提示词，它表达的是透视与成像意图。

确认正面胸像后，用这张确认后的照片继续生成另外两张。保持身份与摄影条件的描述，每次单独指定构图：

• **45°侧面胸像：**头部与身体向右转45°，双眼顺着头部方向自然平视，清晰呈现鼻梁、脸颊和下颌结构。
• **正面全身照：**从头顶到鞋底完整入镜，人物正面站立，双臂自然垂放并与躯干稍留间距，双脚自然分开。

生成后，把几张图并排核对眼睛、鼻子、嘴唇、脸型、发际线和标志性特征。参考图片与文字约束共同引导结果，人物一致性的实际程度仍受模型、输入素材和生成条件影响。确认后的主参考照应持续复用；需要修正的图片重新基于这张主参考生成。

进入视频工具时，先确认图片承担什么作用

人物参考与首帧图片承担两项不同任务。

**人物参考用于指导视频里的主体外观。**例如，Google 的 Veo 3.1 官方文档介绍了 reference images，也称 ingredients，可提供最多三张同一人物、角色或产品的参考图片来引导视频内容。使用对应功能时，可以把正面胸像、45°胸像与全身照作为一组候选素材，上传数量和支持情况以所用入口为准。Google：Veo 3.1 参考图片

**首帧图片确定视频开始时的画面。**它同时交代人物、位置、背景、光线和镜头构图。Runway 的 Gen-4 视频提示指南明确说明，输入图片提供视觉起点，文字提示可以集中描述动作。Runway：Gen-4 视频提示指南

假设要制作“女孩在阳光下的街头转身微笑”的镜头：先以人物基准照生成她站在目标街道上的场景图，确认脸部与造型后，将这张场景图作为视频首帧。动作提示可以写成：

女孩缓慢转向镜头，露出自然的微笑。双马尾和发带随动作轻轻摆动，镜头缓慢推进，保持真实摄影质感。

这段提示分别说明了人物动作、头发与配饰的运动，以及镜头运动。动作较复杂时，先确定一个主要动作，再逐次调整。

开始制作这位偶像的视频，就先确认一张正面胸像；把它固定为人物基准，再派生角度照、全身照和每个镜头的场景首帧。