LitMemoAI 漫畫角色每格都換臉？從角色表到 ControlNet／IP-Adapter／LoRA 的鎖臉解法
用 AI 生漫畫，最讓人崩潰的不是「崩壞、爆肢體」，是「同一人物，這格跟下格換了張臉」——髮色跑了、瞳色變了、臉型換了，湊不出角色前後一致的一頁（キャラ一貫性）。 這不是 AI 壞掉，是它的本質：每次生成都在潛在空間（latent space）重新抽樣一個符合你描述的角色，而不是「複製你上次那個角色」。所以鎖臉的關鍵，是疊一套正交的技術棧：一組錨管「角色身分（臉／特徵）」，另一組管「姿勢／構圖」，兩邊分開鎖、互不干擾。這篇拆解：角色表當參考源、文字錨＋Tag 權重、ControlNet 鎖姿勢＋IP-Adapter 鎖臉、煉角色 LoRA、ADetailer 自動補臉，外加多角色同框的防污染。
為什麼 AI 生圖總是記不住角色
先搞懂根源。手繪靠畫師「記得」角色長怎樣；AI 沒有這個記憶——每次生成都是潛在空間裡的一次隨機抽樣，就算提示詞（prompt）一樣，只要種子（seed）、角度、場景不同，就抽出一個「大致符合但細節不同」的角色。
所以問題不是「AI 記性差」，是你沒給它足夠的約束去複製上一個角色。而且要分清一件事：「角色是誰」和「角色在做什麼」是兩回事，要用不同的錨分開鎖——很多人把兩者混在一個提示詞裡硬拼，結果換個姿勢臉就崩。下面的技術棧就是在把這兩軸拆開、各自下錨。
AI 漫畫角色一致性的技術棧
錨 1：先做「角色表」，剪出乾淨的參考源
最常見的錯是跳過角色設計、直接生分格，每格都在漂。正確第一步是先把角色定死：生成（或挑選）一張滿意的角色定裝，整理成角色表（キャラ表／character sheet），把髮型、瞳色、服裝、配色固定下來。
但有個實務坑：別直接把「三視圖／turnaround」整張丟給 AI 當參考——那種張著手、前後側並排的圖丟進 IP-Adapter 或 i2i，AI 會把三個角度的特徵混在一起、生出畸形多肢體。正確做法是從角色表剪出「單一正面、乾淨背景的高清臉／半身圖」當參考源。這張乾淨的參考源，是後面所有錨的原點。
錨 2：文字錨——具體特徵＋Tag 權重＋Negative
把角色特徵寫成一組固定、具體、可複製的提示詞，每次都帶。重點在具體 + 權重：
- ❌ 模糊：「短髮女生、可愛」——每次自由發揮
- ✅ 具體＋權重：
(amber eyes:1.2), shoulder-length black hair, side ponytail, sailor collar＋ Negative Prompt 扣掉不要的特徵（如blonde, long hair）
Tag 權重（(特徵:1.2)）讓關鍵特徵在抽樣時被強化，Negative 把容易跑掉的方向擋掉。但文字錨再細，AI 還是會飄——它只是最底層、成本最低的錨，一定要疊下面的圖像錨。
錨 3：鎖臉 vs 鎖姿勢——ControlNet 和 IP-Adapter 是兩件事
這是整套技術棧的核心，也是新手最常搞混的地方。「圖像參考」其實有兩種完全不同的技術，管的是不同的軸：
- i2i（image-to-image）：基於你給的圖「重繪」，會同時強綁構圖和姿勢。重繪幅度（denoise）開高，臉會飄；開低，姿勢換不掉。所以 i2i 適合「微調同一張」，不適合拿同一個角色去生不同姿勢的新分格。
- IP-Adapter／InstantID／PuLID：擷取參考圖的臉／特徵向量注入生成，做到「鎖臉但不鎖姿勢」——這才是跨格維持同一人物的主力。餵它錨 1 剪好的乾淨正面臉。
- ControlNet（OpenPose／Lineart／Depth）：鎖的是姿勢和構圖——你分鏡（コマ割り）畫好的動作、鏡位，用它固定下來。
正解是正交組合：ControlNet 鎖這一格的姿勢／構圖 ＋ IP-Adapter（或 LoRA）鎖角色的臉／身分。一個管「在做什麼」、一個管「是誰」，兩軸分開鎖，你就能讓同一個角色擺任意姿勢、進任意場景，臉還是同一張。
錨 4：煉專屬角色 LoRA——最牢的錨，給高頻主角
如果一個角色要出現幾百格（連載主角），每格手動貼 IP-Adapter 也累。這時值得下最牢的錨：煉一個專屬這角色的 LoRA（俗稱煉丹）——用這角色的多張圖訓練，之後生成掛上它，角色的長相就「內建」進模型。
這是進階、成本較高的做法（要備訓練圖、花算力），但對高頻主角，一次煉好、之後每格都穩，長期最省力。配角、路人不必到這步，用角色表＋文字錨＋IP-Adapter 就夠。LoRA 一樣可以跟 ControlNet 疊，鎖臉＋鎖姿勢。
錨 5：ADetailer／FaceDetailer 自動補臉——收尾的一致性
再多錨，遠景小臉、複雜構圖還是會偶爾糊掉或跑掉。收尾別再手動一格一格拉 Inpainting 局部重繪了——現在的標準是 ADetailer（SD WebUI）／FaceDetailer（ComfyUI Impact Pack）：生成時自動偵測臉部、局部重繪，還能在重繪時掛上角色 LoRA，把臉補回一致。把它設進生成流程當固定一環，跑掉的臉自動被修回來，不用你每格手動救。
多角色同框：用 Regional Prompting 防特徵污染
多角色同框是純提示詞最容易崩的地方——兩個角色的特徵會互相污染（A 的紅髮沾到 B）。解法不是只「給各自參考圖」，而是分區：用 Regional Prompting／Attention Couple／Latent Couple 把畫面分成區域，各區套各自角色的提示詞和 IP-Adapter，讓 A 的特徵只作用在 A 的區域。這樣多角色同框，各鎖各的臉、不串味。
Before / After：每格重新抽 vs 正交鎖定
| 沒有技術棧（❌） | 正交錨定（✅） | |
|---|---|---|
| 參考源 | 整張三視圖亂丟、爆肢體 | 剪單一正面乾淨臉當參考 |
| 文字 | 模糊提示詞 | 具體特徵＋Tag 權重＋Negative |
| 鎖臉/鎖姿勢 | 混在一起、換姿勢就崩 | ControlNet 鎖姿勢＋IP-Adapter 鎖臉 |
| 高頻主角 | 每格手動貼 | 煉角色 LoRA 內建 |
| 收尾 | 手動一格格 inpaint | ADetailer 自動補臉 |
| 多角色同框 | 特徵互相污染 | Regional Prompting 分區 |
三個常見誤區
- 把「是誰」和「在做什麼」塞進同一個提示詞：換姿勢臉就崩。要 ControlNet 鎖姿勢、IP-Adapter/LoRA 鎖臉，兩軸分開。
- 整張三視圖直接當參考：AI 把多角度混成畸形。剪出單一正面乾淨臉／半身當參考源。
- 一致性靠事後手動 inpaint 硬修：慢又易引入新問題。用 ADetailer/FaceDetailer 自動偵測補臉，把校正做進流程。
治本：把這套技術棧自動化，不用自己接一堆節點
上面這套（角色表→文字錨→ControlNet＋IP-Adapter→LoRA→ADetailer→Regional Prompting）技術上都做得到，但你會發現一個真相：要自己在 ComfyUI 接這一整串節點、調參數、管每個角色的參考源和 LoRA，門檻高到讓大部分人放棄。 手動的天花板不在技術，在「維護這套流程」本身。
LitMemo 的漫畫生圖把這套鎖臉技術棧包成開箱即用：你在角色管理定好角色（表、特徵、參考源），生每一格時系統自動帶上這個角色的錨並前後格互相參照（雙向錨定），你只管畫分鏡、指定這格誰在做什麼——鎖臉、防同框污染、跨格一致由系統處理，不用你接節點、調 denoise、煉丹。把「角色一致性」從「自己維護一整套 ComfyUI 工作流」變成「選好角色就穩」。
小結
AI 生漫畫角色不一致，不是 AI 記性差，是它每次都在潛在空間重新抽樣——你要用一套正交的技術棧把「臉」和「姿勢」分開鎖。
鎖臉的關鍵：剪乾淨的角色表當參考源、具體特徵＋Tag 權重、ControlNet 鎖姿勢＋IP-Adapter 鎖臉、高頻主角煉 LoRA、ADetailer 自動補臉、多角色用 Regional Prompting 分區。 兩軸分開、層層下錨，同一個角色就能擺任意姿勢、進任意場景，還是同一張臉。