如何在 GPT Image 2 中保持角色與產品的多圖一致性
參考圖、身分錨點、角色設定表——真正能在多次生成中穩住同一身分的技術。
為什麼一致性這麼難
GPT Image 2 每次生成都是一次獨立取樣。模型對它上一張為你畫的圖毫無記憶——它會重新讀一遍你的 prompt，然後畫出一個全新的解讀。像「一位棕髮年輕女性」這樣的描述，對應著數百萬張合規的臉，所以兩次執行會給你兩個恰好都符合文字描述、卻完全不同的人。
因此，一致性不是你提一次要求就能拿到的東西。它要靠你去工程化地消除歧義來實現：要麼用像素鎖定身分（參考圖），要麼用一段異常具體、反覆貼上的文字描述鎖定身分。模糊的 prompt 會漂移；過度具體的 prompt 才穩得住。
技巧一 —— 參考圖（最強的槓桿）
GPT Image 2 接受參考圖。當你把同一張參考圖傳入每一次生成時，你就不再是讓模型去發明一張臉——而是讓它去保留一張臉。這是迄今為止在一組圖裡讓人物、吉祥物或產品保持完全一致最可靠的方式。
把 prompt 寫成對參考圖的「變換」，而不是對它的全新描述：
Using the provided reference image, keep the subject's face, hairstyle, and outfit 100% identical. Only change the scene to a sunlit Parisian café at golden hour. Same person, same clothing, new environment. Photorealistic, 50mm lens, shallow depth of field.真正起決定作用的短語：「keep … 100% identical」「only change …」「same person」。你是在明確告訴模型哪些維度被鎖定、哪些是自由的。
技巧二 —— 身分錨點（純文字一致性）
當你無法使用參考圖時——比如要從零生成一個全新角色——就建構一個身分錨點：一段固定的、超級具體的屬性描述，逐字貼進每一個 prompt。把它當作角色的 DNA 串來對待。
弱描述把太多東西交給了隨機。強錨點釘死了那些模型本來會隨機化的特徵：
- 臉：精確的年齡、臉型、膚色、辨識度特徵（一顆小痣、雀斑、一道疤）——辨識度強的特徵比通用特徵錨定得更牢
- 頭髮：精確的顏色、長度、質感，以及一個具體的髮型（「凌亂的高馬尾，額前兩縷散落的碎髮」），而不僅是「棕色長髮」
- 服裝：一套招牌穿搭，細到材質和版型——即便臉略有抖動，反覆出現的服裝也會讓人讀成同一個角色
- 一個始終如一使用的簡短角色名——給主體命名，等於給了模型一個可以掛載特徵的單一概念
然後在每個 prompt 頂部複用這段錨點，只在它下面變換場景。錨點越罕見、越具體，模型就越少自由發揮。
技巧三 —— 一次成型的角色設定表
與其生成十張圖、寄望它們能對上，不如生成一張包含你所需全部視角的圖。GPT Image 2 在結構化的多格版面上很強，所以一張角色三視轉身設定表能讓每個角度都完美一致——因為它們都是在同一次繪製中畫出來的。
Character reference sheet for a single original character on a clean neutral background. Show, in one image: front view, 3/4 view, side profile, and back view, all the SAME character with identical face, hairstyle, and outfit across every pose. Add two facial expression close-ups (neutral and smiling). Consistent proportions, model-sheet style, even lighting, no text labels.把得到的這張設定表本身當作後續場景生成的參考圖。你實際上是從無到有引導出了一個穩定的身分。
技巧四 —— 迭代，別重來
當一張圖已經對了 90%，別扔掉重搖。把它作為參考圖餵回去，要求做一次外科手術式的修改：「same image, but change only the jacket color to deep green; keep everything else pixel-identical.」每一輪都保留有效的部分、只改一個變數。從文字重頭開始會把你剛剛消除掉的隨機性全都重新引入。
常見失敗與修復
- 臉在多次執行間漂移 → 從文字描述切換到參考圖；單靠文字很難讓一張臉在多張圖裡穩住
- 服裝每次都變 → 把服裝寫進身分錨點，並描述材質＋版型，而不僅是顏色
- 參考圖被忽略 → 把 prompt 明確寫成一次變換（「using the provided image, keep X, change only Y」），而不是一段新描述
- 角色「像親戚但不是同一個人」→ 你的錨點太通用了；加一兩個真正有辨識度、模型能抓住的特徵
- 多格設定表裡各格不一致 → 在 prompt 裡寫明「the SAME character」，並減少每張圖的格數
一句話總結
想要最強的鎖定就用參考圖。沒有參考圖時用身分錨點。用角色設定表一次性引導出一個新身分。對接近成功的圖做迭代，而不是重搖。一致性是被消除的歧義，不是某個魔法關鍵詞。
Try these GPT Image 2 prompts
