LitMemoAI 漫画角色每格都换脸？从角色表到 ControlNet／IP-Adapter／LoRA 的锁脸解法
用 AI 生漫画，最让人崩溃的不是「崩坏、爆肢体」，是「同一人物，这格跟下格换了张脸」——发色跑了、瞳色变了、脸型换了，凑不出角色前后一致的一页（キャラ一貫性）。 这不是 AI 坏掉，是它的本质：每次生成都在潜在空间（latent space）重新抽样一个符合你描述的角色，而不是「复制你上次那个角色」。所以锁脸的关键，是叠一套正交的技术栈：一组锚管「角色身分（脸／特征）」，另一组管「姿势／构图」，两边分开锁、互不干扰。这篇拆解：角色表当参考源、文字锚＋Tag 权重、ControlNet 锁姿势＋IP-Adapter 锁脸、炼角色 LoRA、ADetailer 自动补脸，外加多角色同框的防污染。
为什么 AI 生图总是记不住角色
先搞懂根源。手绘靠画师「记得」角色长怎样；AI 没有这个记忆——每次生成都是潜在空间里的一次随机抽样，就算提示词（prompt）一样，只要种子（seed）、角度、场景不同，就抽出一个「大致符合但细节不同」的角色。
所以问题不是「AI 记性差」，是你没给它足够的约束去复制上一个角色。而且要分清一件事：「角色是谁」和「角色在做什么」是两回事，要用不同的锚分开锁——很多人把两者混在一个提示词里硬拼，结果换个姿势脸就崩。下面的技术栈就是在把这两轴拆开、各自下锚。
AI 漫画角色一致性的技术栈
锚 1：先做「角色表」，剪出干净的参考源
最常见的错是跳过角色设计、直接生分格，每格都在漂。正确第一步是先把角色定死：生成（或挑选）一张满意的角色定装，整理成角色表（キャラ表／character sheet），把发型、瞳色、服装、配色固定下来。
但有个实务坑：别直接把「三视图／turnaround」整张丢给 AI 当参考——那种张着手、前后侧并排的图丢进 IP-Adapter 或 i2i，AI 会把三个角度的特征混在一起、生出畸形多肢体。正确做法是从角色表剪出「单一正面、干净背景的高清脸／半身图」当参考源。这张干净的参考源，是后面所有锚的原点。
锚 2：文字锚——具体特征＋Tag 权重＋Negative
把角色特征写成一组固定、具体、可复制的提示词，每次都带。重点在具体 + 权重：
- ❌ 模糊：「短发女生、可爱」——每次自由发挥
- ✅ 具体＋权重：
(amber eyes:1.2), shoulder-length black hair, side ponytail, sailor collar＋ Negative Prompt 扣掉不要的特征（如blonde, long hair）
Tag 权重（(特征:1.2)）让关键特征在抽样时被强化，Negative 把容易跑掉的方向挡掉。但文字锚再细，AI 还是会飘——它只是最底层、成本最低的锚，一定要叠下面的图像锚。
锚 3：锁脸 vs 锁姿势——ControlNet 和 IP-Adapter 是两件事
这是整套技术栈的核心，也是新手最常搞混的地方。「图像参考」其实有两种完全不同的技术，管的是不同的轴：
- i2i（image-to-image）：基于你给的图「重绘」，会同时强绑构图和姿势。重绘幅度（denoise）开高，脸会飘；开低，姿势换不掉。所以 i2i 适合「微调同一张」，不适合拿同一个角色去生不同姿势的新分格。
- IP-Adapter／InstantID／PuLID：撷取参考图的脸／特征向量注入生成，做到「锁脸但不锁姿势」——这才是跨格维持同一人物的主力。喂它锚 1 剪好的干净正面脸。
- ControlNet（OpenPose／Lineart／Depth）：锁的是姿势和构图——你分镜（コマ割り）画好的动作、镜位，用它固定下来。
正解是正交组合：ControlNet 锁这一格的姿势／构图 ＋ IP-Adapter（或 LoRA）锁角色的脸／身分。一个管「在做什么」、一个管「是谁」，两轴分开锁，你就能让同一个角色摆任意姿势、进任意场景，脸还是同一张。
锚 4：炼专属角色 LoRA——最牢的锚，给高频主角
如果一个角色要出现几百格（连载主角），每格手动贴 IP-Adapter 也累。这时值得下最牢的锚：炼一个专属这角色的 LoRA（俗称炼丹）——用这角色的多张图训练，之后生成挂上它，角色的长相就「内建」进模型。
这是进阶、成本较高的做法（要备训练图、花算力），但对高频主角，一次炼好、之后每格都稳，长期最省力。配角、路人不必到这步，用角色表＋文字锚＋IP-Adapter 就够。LoRA 一样可以跟 ControlNet 叠，锁脸＋锁姿势。
锚 5：ADetailer／FaceDetailer 自动补脸——收尾的一致性
再多锚，远景小脸、复杂构图还是会偶尔糊掉或跑掉。收尾别再手动一格一格拉 Inpainting 局部重绘了——现在的标准是 ADetailer（SD WebUI）／FaceDetailer（ComfyUI Impact Pack）：生成时自动侦测脸部、局部重绘，还能在重绘时挂上角色 LoRA，把脸补回一致。把它设进生成流程当固定一环，跑掉的脸自动被修回来，不用你每格手动救。
多角色同框：用 Regional Prompting 防特征污染
多角色同框是纯提示词最容易崩的地方——两个角色的特征会互相污染（A 的红发沾到 B）。解法不是只「给各自参考图」，而是分区：用 Regional Prompting／Attention Couple／Latent Couple 把画面分成区域，各区套各自角色的提示词和 IP-Adapter，让 A 的特征只作用在 A 的区域。这样多角色同框，各锁各的脸、不串味。
Before / After：每格重新抽 vs 正交锁定
| 没有技术栈（❌） | 正交锚定（✅） | |
|---|---|---|
| 参考源 | 整张三视图乱丢、爆肢体 | 剪单一正面干净脸当参考 |
| 文字 | 模糊提示词 | 具体特征＋Tag 权重＋Negative |
| 锁脸/锁姿势 | 混在一起、换姿势就崩 | ControlNet 锁姿势＋IP-Adapter 锁脸 |
| 高频主角 | 每格手动贴 | 炼角色 LoRA 内建 |
| 收尾 | 手动一格格 inpaint | ADetailer 自动补脸 |
| 多角色同框 | 特征互相污染 | Regional Prompting 分区 |
三个常见误区
- 把「是谁」和「在做什么」塞进同一个提示词：换姿势脸就崩。要 ControlNet 锁姿势、IP-Adapter/LoRA 锁脸，两轴分开。
- 整张三视图直接当参考：AI 把多角度混成畸形。剪出单一正面干净脸／半身当参考源。
- 一致性靠事后手动 inpaint 硬修：慢又易引入新问题。用 ADetailer/FaceDetailer 自动侦测补脸，把校正做进流程。
治本：把这套技术栈自动化，不用自己接一堆节点
上面这套（角色表→文字锚→ControlNet＋IP-Adapter→LoRA→ADetailer→Regional Prompting）技术上都做得到，但你会发现一个真相：要自己在 ComfyUI 接这一整串节点、调参数、管每个角色的参考源和 LoRA，门槛高到让大部分人放弃。 手动的天花板不在技术，在「维护这套流程」本身。
LitMemo 的漫画生图把这套锁脸技术栈包成开箱即用：你在角色管理定好角色（表、特征、参考源），生每一格时系统自动带上这个角色的锚并前后格互相参照（双向锚定），你只管画分镜、指定这格谁在做什么——锁脸、防同框污染、跨格一致由系统处理，不用你接节点、调 denoise、炼丹。把「角色一致性」从「自己维护一整套 ComfyUI 工作流」变成「选好角色就稳」。
小结
AI 生漫画角色不一致，不是 AI 记性差，是它每次都在潜在空间重新抽样——你要用一套正交的技术栈把「脸」和「姿势」分开锁。
锁脸的关键：剪干净的角色表当参考源、具体特征＋Tag 权重、ControlNet 锁姿势＋IP-Adapter 锁脸、高频主角炼 LoRA、ADetailer 自动补脸、多角色用 Regional Prompting 分区。 两轴分开、层层下锚，同一个角色就能摆任意姿势、进任意场景，还是同一张脸。