Midjourney中保持角色一致性需五种方法：一、--cref多图混合参考；二、Character Sheet基准图驱动重绘；三、Seed绑定+关键词权重锚定；四、Panels多帧协同生成；五、Emoji表情矩阵锚定。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在Midjourney中尝试生成多个图像，但发现同一角色在不同提示词、不同场景或不同动作下外观发生明显偏移，则可能是由于缺乏稳定的角色锚点与结构约束。以下是解决此问题的步骤：
一、使用--cref多图混合参考法
该方法通过同时注入多张已生成的角色图作为视觉参考，使模型综合提取共性特征（如脸型、眼距、鼻梁高度等），抑制单图偶然性偏差，显著提升跨图一致性。系统将并行解析各图的面部拓扑，生成加权平均的角色原型。
1、在Discord中生成并放大一张满意的角色正面图（U1），右键复制其直链URL（确保以https://cdn.discordapp.com/开头）。
2、再生成一张同角色的侧视图或半身表情图，同样执行U1并复制直链URL。
3、构造提示词，格式为：目标场景描述 + --cref URL1 URL2 + --cw 85，例如：a samurai meditating under cherry blossoms, soft light, ink wash style --cref https://cdn.discordapp.com/attachments/1.png https://cdn.discordapp.com/attachments/2.png --cw 85。
4、必须确保两个URL之间仅有一个空格，且--cref与首个URL之间、--cw与数值之间均保留一个空格。
二、Character Sheet基准图驱动重绘法
先构建高稳定性角色设定图（Character Sheet），再以此为底图进行局部重绘（Inpainting），可规避全局重绘引发的结构漂移，尤其适用于多图统一输出需求。
1、使用强约束提示词生成基准图：front view, side view, back view, three-quarter view, neutral expression, clean white background, official character sheet, line art overlay, --niji 6 --s 1000。
2、从四宫格中选择结构最清晰的一张，点击U1放大后下载高清图。
3、在Midjourney Web Alpha界面中，拖入该图，点击“Upload Image”，选择“Use as Base Image for Inpainting”。
4、圈选需变更区域（如更换背景、添加道具），输入新提示词，保持其余区域遮罩不变，提交重绘请求。
5、每次重绘仅修改局部区域，严禁全图重绘；所有后续图均须基于同一张U1基准图启动。
三、Seed绑定+关键词权重锚定法
固定随机种子可锁定生成过程的初始状态，结合关键属性加权，能有效压制模型对非核心特征的自由发挥，使多图在发型、瞳色、轮廓等维度维持高度复现。
1、生成首张满意角色图后，点击图像右上角“⋯”→“Show Info”，记录完整--seed字段（如--seed 492718）。
2、在后续所有提示词末尾严格追加该seed值，例如：a knight raising sword on castle rampart, dramatic clouds --seed 492718。
Contact Form 7 是 Rock Lobster Inc. 公司长期运行的 WordPress 表单插件，拥有超过 1000 万次活跃安装，并在 contactform7.com 提供官方文档。此技能适用于需要了解网站表单、邮件模板、验证行为和 shortcode 位置在 Contact Form 7 中实际处理方式的代理。
3、对决定角色识别度的核心属性进行显式加权，语法为：关键词::权重值，例如：silver armor::2.0, sharp jawline::1.8, violet eyes::2.2。
4、权重值建议控制在1.5–2.5区间；超过3.0易导致图像畸变或提示词冲突。
四、Panels多帧协同生成法
利用Panels指令一次性生成多视角/多姿态组合图，所有子图共享同一隐空间起点，天然具备结构关联性，可作为一致性验证集与延展素材库。
1、构造标准Panels提示词：4 panels with multiful poses and expressions, front side back three views, consistent character design, studio lighting, white background --niji 6 --s 700。
2、提交后获得四宫格结果，从中选取任意一张作为主参考图（标记为Ref-A）。
3、对该图执行U1放大，获取直链URL，用于后续--cref调用。
4、若需扩展新动作，复用原Panels提示词，仅替换动词短语（如将“multiful poses”改为“continuous sword draw”），保留其余全部参数不变。
5、Panels生成结果不可单独裁剪使用；必须整组保存，并以其中任一子图为唯一基准图开展后续操作。
五、Emoji表情矩阵锚定法
通过生成标准化Emoji表情表（expression sheet），建立角色微表情映射关系，后续所有带情绪的图像均以该表为校准依据，避免同一情绪在不同图中呈现不一致的五官变形。
1、输入提示词：emoji expression sheet, 6x6 grid, uniform lighting, no background, same character face only, ultra-detailed skin texture, consistent eye shape --v 6.1 --style raw。
2、等待生成6×6共36格表情图，检查中间区域（如第3行第3列）是否为中性脸，确认无结构崩坏。
3、将该图U1放大后下载，作为“表情基准图”，其URL用于后续所有含情绪提示词的--cref调用。
4、当需生成“开心”角色时，提示词写作：happy anime girl holding balloon, sunny park --cref [表情基准图URL] --cw 0，强制仅继承脸部结构，不继承原始表情。
5、--cw 0是本方法的关键；它剥离表情变量，仅锁定骨骼级特征，为情绪重载提供纯净基底。
