小美ai模特怎么保持连戏？定妆照加特征清单的笨办法
不兜圈子：小美ai模特想跨批次长一张脸，靠的是一组定妆照加一份写死的特征清单，光背提示词必崩。依据是我9月初给一个女装店定的「小美」，到现在出了六批图，像本人的比例稳定在七成上下。你先做的事只有一件：把定妆照定下来，再动正式出图。
小美ai模特这类固定虚拟人设，最难的不是好看，是连戏。客户要的不是九张不一样的美女，是同一个人穿了八件不同衣服。我第一版就栽在这上面：提示词抄在备忘录里，每批照着写，结果发际线一批一个样，客户直接问我是不是偷偷换了人。
后来我把「靠记」全改成「靠文件」。定妆照加特征清单，两样缺一个都不行。说实话这套办法土，但9月初跑通之后，返工量肉眼可见地掉下来了。
定妆照怎么定：三视角一组，只留一张当锚点
定妆照一次出齐三视角，正面半身、左右侧脸、全身各留一张，最后只定一张正面当锚点图。其余的存档备查，不参与垫图。
9月3日那天我陪客户定的妆。流程是先放宽泛词出两轮，每轮20张，让客户圈出「气质对」的五六张，再对着圈出来的细调。脸型这关最耗时间，客户一开始要「鹅蛋脸偏瘦」，出来的图下巴尖得像网红，改到「圆润鹅蛋脸、脸颊有肉」才点头。
定妆照出完别急着开工。我会放一天，第二天再看还顺不顺眼，顺便让客户确认三件事：发型分缝、眉形、脸上有没有痣。这些都是后面写进清单的料。锚点图挑正面半身那张，光线匀、表情松的，别挑笑得太开的——笑起来脸变形，垫图连戏会跟着飘。姿势也要挑个站直的，手叉腰比剪刀手靠谱，后面换衣服时身体轮廓更好接。
还有一个坑：定妆别用纯白背景。白底下AI会把人往证件照方向收，后面出棚拍图时脸的立体感接不上。我用浅灰背景定的妆，之后换景换灯都好接。
特征清单写什么：能写死的别靠脑子记
特征清单是一段固定提示词，把脸型、眉、痣、肩宽这类不变项逐条写死，出每批图时原样粘贴。批与批之间变的只有衣服和场景。
我的小美清单现在11条。脸型两条（圆润鹅蛋脸、脸颊有肉），五官四条（眉形平缓、左眉尾一颗小痣、鼻头圆润、唇色豆沙），发型三条（黑长直、中分、发尾齐肩），体态两条（肩宽正常、按165身高算比例）。左眉那颗痣是我特意加的，它是最便宜的连戏锚点——有痣和没痣的图，客户一眼就能分出是不是小美。
痣也有麻烦。小尺寸的痣AI经常画丢，10张里大约丢4张。我的处理是先不管，选图阶段把丢痣的筛出来，用局部重绘补回去，单张补一次十几秒，比整张重抽划算。
清单写完要冻结。9月中旬我手痒把「豆沙唇」改成「正红唇」想试试新色，结果那批图客户认不出来，整批打回。话说回来，改特征不是不行，得当成一次换妆走正式流程，让客户点头，不能我自己顺手改。
跨批次一致性：垫图强度定一个数，抽卡比例心里有数
每批图都用锚点图垫底，参考强度冻结在一个固定档位，出10张按3张可用的比例预留时间。强度别批批调，调一次全批跟着抖。
我这边垫图强度固定用中间档，大概对应0.5上下的参考权重，各家工具叫法不一样。高了脸是像了，衣服和姿势全被锚点图带跑；低了脸又开始飘。这个数我做过三档对比，中间档10张里像本人的7张上下，两头都更差，就再没动过。
崩法有规律。发际线最容易飘，其次下巴变尖。这两处崩了别整张重抽，局部重绘压回去就行。真整张崩的（脸型整个换了人的那种）大概占一成，认栽换一张，别硬修。还有个细节：同一批里别混用两套提示词模板，我混过一次，前五张和后五张像两个批次出的，客户挑图挑得直皱眉。
排期上我按每批10张、可用3张来报时间。客户赶大促那周要24张能用的，我就老老实实排80张的量，分四天出。这个比例是我从9月到现在的六批图里攒出来的，比任何「提升一致性」的技巧都顶用。
回到开篇那句话：小美能不能长一张稳定的脸，不看出图工具，看出图流程。定妆照定锚点，特征清单锁不变项，垫图强度冻结成数，剩下的交给抽卡比例。三步都土，六批图跑下来，没让我返过一次大工。
常见问题
小美中途想换个发型，连戏会不会废掉？
会断一截，但有救。换发型等于动特征清单里的三条发型项，改之前让客户确认，改之后先把新发型补定一张锚点图，再接着出图。我9月下旬换过一次锁骨发，头两天成片率掉到五成，一周后又回到七成，等于重新养了一次。
定妆照需要让客户签字确认吗？
留个书面确认，聊天记录截图也行。定妆是整个流程的合同，后面所有批次都以它为准，口头确认过的妆，改版时容易扯皮。我当时让客户回了句「就这张了」，后面省掉很多事。
两家店能不能共用一个小美？
我不建议。一是撞脸风险，同一张脸出现在竞品店里，客户和平台都可能来找麻烦；二是两家店上新节奏不同，特征清单迟早被改得分叉，最后变成两个连戏都护不住的半成品。想省成本，不如共用一套定妆流程，人分开养。
锚点图文件丢了怎么办？
先翻历史批次里成片率最高的几张，挑正面半身的顶上。但要有心理准备，替身锚点的连戏会差一档，我用成片顶过一次，像本人的比例从七成掉到五成多。所以锚点图和特征清单我现在都存两处，云端一份，本地一份。