Midjourney 6.1 人物一致性实战：从提示词到商业落地的5个技巧

打破“随机性”魔咒：为何 Midjourney 6.1 成为一致性关键

对于许多使用 Midjourney 进行商业创作的团队来说，最大的噩梦莫过于“同一张脸，画了十张却是十个人”。在早期的 V5 版本中，虽然光影和材质有了显著提升，但人物的面部特征（如眼角弧度、鼻梁高度）在多次生成中往往会出现微妙的漂移。Midjourney 6.1 的引入，特别是其对 Character Reference (人物参考) 机制的优化，使得跨镜头、跨场景的人物一致性成为可能。然而，仅仅上传一张参考图是不够的，理解模型如何解析面部特征并将其映射到新场景中，才是实现商业级交付的关键。

技巧一：精准锁定面部特征，建立“黄金参考图”

在使用 --cref 参数前，选择一张高质量的参考图至关重要。商业落地中，通常建议使用正面、光线均匀、无遮挡的肖像作为基准。Midjourney 6.1 对面部几何结构的解析能力比前代更强，但它依然依赖参考图中的细节密度。如果你的参考图是侧面或光影复杂（如赛博朋克风格的重度阴影），模型可能会错误地将阴影误判为面部结构的一部分。

在实际操作中，建议先单独生成一组高保真度的“基准肖像”，提取其中面部特征最稳定的一张，再作为后续所有场景图的 --cref 输入。这能确保模型抓取的“锚点”是纯粹的五官比例，而非环境噪声。

技巧二：提示词分层法——区分“环境”与“身份”

很多新手容易犯的错误是将人物描述和场景描述混在一起，导致模型在权衡冲突时丢失面部特征。在 6.1 版本中，建议采用“身份锚定 + 环境叠加”的分层提示词策略。

• 身份锚定层：在提示词开头清晰定义人物的核心特征，例如 "portrait of [Specific Person Name/Feature], realistic skin texture, neutral expression"。
• 环境叠加层：随后再描述背景、服装和光影。例如 "wearing business suit, sitting in modern office, soft window light"。

这种结构有助于模型将 --cref 提取的面部向量与后续的环境向量解耦，减少因场景复杂度高而导致的面部“糊化”现象。

技巧三：利用 --cw 参数微调一致性权重

Midjourney 6.1 引入了 --cw (Character Weight) 参数，允许用户控制人物参考图的强度。默认值通常为 100，但并非所有场景都适用此标准。

1. 特写镜头 (Close-up)：可以将 --cw 提高至 150-200，强制模型更严格地贴合参考图的面部细节，适合头像、肖像画创作。
2. 全景/远景 (Full Body/Wide Shot)：建议将 --cw 降低至 50-80。因为在远景中，面部占比小，过高的权重会导致面部与身体比例失调，或出现不自然的“贴图感”。

通过 A/B 测试不同权重下的生成结果，找到特定场景下的最佳平衡点，是商业批量生产中的必经之路。

技巧四：后期“瑕疵修复”工作流

即便使用了最佳参数，AI 生成的图像仍可能出现细微的手指错误或背景逻辑漏洞。在商业落地中，纯靠一次生成完美出图是不现实的。高效的工作流应包含局部重绘 (Inpainting) 环节。利用 Midjourney 的编辑功能或配合 Photoshop 的生成式填充，针对眼睛模糊、发丝杂乱等区域进行局部修复。重点在于保持修复区域的光照方向与主图一致，避免“补丁感”。

技巧五：风格统一性的“语义桥梁”

人物一致不仅指五官相同，更指艺术风格的一致性。如果你在商业项目中需要保持同一角色的不同造型（如换装、换发型），务必在提示词中嵌入全局风格描述。例如 "photorealistic, 8k, cinematic lighting" 应作为不变的前缀或后缀存在于所有指令中。这能防止模型在生成新造型时，突然跳变到插画或3D渲染风格，从而保证整个系列作品在视觉语言上的统一，便于后续的品牌化使用。

结语

Midjourney 6.1 的人物一致性能力已经跨过了“可用”的门槛，迈向“可靠”的阶段。掌握上述五个技巧——从黄金参考图的建立到权重的微调，再到风格语义的统一——创作者便能将 AI 图像生成从随机抽奖转变为可控的生产流程。无论是为虚拟偶像设计多套服装，还是为故事板生成连贯的角色序列，这些实战经验都将成为你商业落地的核心竞争力。