AI 把我的虚构角色生成为名人的脸

我的虚构公主，生成的 10 张照片全都长着西班牙 Princess Leonor 的脸。

这个角色本来不该像她。

提示词描述的是一名 23 岁的金发蓝眼女性，眉毛处有一道疤痕。这些外貌细节很明确。模型却还是忽略了它们，选择了“Princess Leonor”这个称呼所对应的身份。

虚构角色与现实中的名人同名，头衔也相同。这个组合压过了提示词里的其他内容。

专有名词并不是中性信息

我原本把角色名当作整理资料用的信息。对我来说，它只是说明这组照片属于哪个虚构人物。

图像模型却把它当作身份指令。

模型可以把真实人物与姓名关联起来。提示词一旦包含其中某个姓名，模型学到的面孔就会与文字里的外貌描述竞争。往往是姓名胜出。

强化身份的头衔会让这种影响更强。“Leonor”带来一种关联，“Princess Leonor”则把范围缩向那位已知的公众人物。加上一个虚构王国，也没能阻止这种匹配。

即使并没有刻意要求生成名人，也会发生这种事。作者完全可以独立创造角色，却恰好选中了模型认识的某个人的名字。

因此，这和普通的面孔漂移不同。这 10 张图并不是对同一位虚构女性的 10 种随机诠释，而是反复选中了一个真实身份。

我从创建角色身份的提示词里删掉了身份标签

修正从角色写真组的第 1 张图开始。

角色的视觉身份就是在第 1 张图里建立的。这时，还没有现成的角色参考图可供模型遵循。如果我写上虚构姓名，模型只能把它关联到自己已知的信息。

所以，第 1 张图的提示词改为纯描述。

我删掉角色名，删掉姓氏或家族名，删掉虚构王国，也删掉头衔。

剩下的，是我真正想看到的人：年龄、头发、眼睛、辨识特征、服装、取景，以及这张肖像所需的其他可见细节。

第 1 张成功的照片成为图像 01，也就是身份锚点。

姓名仍然保留在生成提示词之外。它可以继续出现在文件名和角色档案里。从提示词里删掉它，并不意味着认不清角色，而是把制作管理信息和视觉指令分开。

照片 01 之后，由图像承载这张脸

之后每一张照片，我都传入照片 01 作为面部参考。

提示词通过图像指明人物，并加上：

the same woman/man as the reference image, identical face

其余文字只描述这个镜头需要的变化。

维持连贯性的依据因此改变。姓名不再要求模型回忆某个人，而是由锚点图明确展示：哪张脸必须保持一致。

这个区别也解释了，为什么在项目后期，使用姓名可能是可以接受的。

在章节画面中，角色名可以指向已经训练好的角色参考。身份在这条画面提示词之前就已建立，姓名只是帮助请求对应到那个现成的参考。

但在最初的写真生成阶段，这种参考还不存在。同一个名字，没有虚构身份可以检索，反而可能把现实中的名人带进来。

所以，这条规则针对的是身份创建阶段，并不是禁止在所有提示词中给角色命名。

我加了文字检查和图像检查

启动一组角色照片生成之前，我会搜索角色提示词里的专有名词。

实际的检查关卡，是用 grep 查找那些并非语法要求、却以大写字母开头的单词。结果中不应出现用作身份标签的角色名、家族名、王国名或头衔。

这项文字检查，可以防止已知的提示词错误。

但它不能证明生成的面孔是原创的。提示词里可以没有可疑姓名，结果却仍不符合要求。返回的图片必须经过视觉检查。

一张有辨识度的名人脸，往往在图片返回时就很明显。这次就是如此。生成后，任何文字校验器都发现不了这种相似，因为问题在输出画面里。

两项检查各有用途。扫描提示词，防止意外加入身份指令。检查图片，确认模型实际生成了哪张脸。

我现在遵守的规则

创建虚构角色的身份时，我不会在图像提示词里使用角色的专名、头衔、家族或王国。

照片 01 只用描述，不带身份参考。面孔确认正确后，照片 01 就成为后续所有图片的锚点。参考图负责保持连贯性，文字只描述变化。

只有角色已有经过训练、且生成系统能够使用的参考时，姓名才会重新进入提示词。

下次生成虚构角色写真前，先搜索身份创建提示词里的专有名词。把它们从照片 01 的提示词里删掉，只凭外貌描述生成面孔，再用这张图维持后续整组照片的身份一致性。

---

文中的每个解决办法，都是我先犯错才换来的。错在我的电影里，总比错在你的品牌上好。