角色外观偏差主因是--cw参数设置不当；该参数仅作用于角色外貌且需配合--cref，在v6/niji6模型中取值0-100，数值越高对垫图特征复用越严格。
☞☞☞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☜☜☜
如果您在使用 Midjourney 生成视频帧或连贯图像序列时发现角色外观在不同画面中出现明显偏差，则很可能是 --cw 参数未合理设置 所致。以下是针对角色权重（--cw）在视频类任务中的具体应用方式：
一、理解 --cw 的作用范围与限制
--cw（character weight）仅控制角色外貌特征的参考强度，不干预背景、构图或光照等非角色要素。该参数仅在启用 --cref 时生效，且仅适用于 V6 和 Niji 6 模型。其数值区间为 0 至 100，不可设为负数或超过100。
1、当 --cw 设为 100 时，AI 将严格复用垫图中的脸部结构、发型轮廓、服装款式与配色；
2、当 --cw 设为 50 时，AI 会保留面部基本比例与发型主干，但允许服装纹理、配饰细节及部分肢体姿态由提示词主导；
3、当 --cw 设为 0 时，AI 仅锁定面部五官相对位置与肤色基调，其余所有角色元素均按提示词自由生成。
二、视频帧一致性下的 --cw 分级调试法
为保障多帧间角色视觉连贯，需对同一角色垫图配合不同 --cw 值进行批量测试，再择优组合。此法避免单值硬套导致动作僵化或风格断裂。
1、准备三组提示词，均含相同动作描述（如“running through forest, dynamic pose, full body”）和统一 --cref URL；
2、分别附加 --cw 100、--cw 65、--cw 0 生成三批各4张图像；
3、逐帧比对脸部相似度、发丝走向稳定性、衣摆运动逻辑是否自然；
4、选取每组中角色辨识度最高且动作最舒展的图像，构成初始视频帧序列。
三、混合 --cw 与提示词锚定协同法
单独依赖 --cw 易造成肢体比例失真或姿态重复。需将关键身体部位、服饰部件以高权重提示词显式约束，降低 --cw 过高引发的形变风险。
1、在提示词中前置加权标记，例如“(slim waist:1.3), (flowing red scarf:1.4), (asymmetrical bob cut:1.5)”；
2、搭配 --cw 70 使用，使 AI 在维持基础角色骨架的同时响应提示词强化项；
3、禁用模糊表述如“some clothes”“a hairstyle”，全部替换为具象名词+风格限定；
4、若生成结果中某部件（如耳环）始终缺失，可临时将 --cw 降至 40 并增加“(gold hoop earrings:1.6)”再次运行。
四、跨帧 --cw 动态插值法
针对视频中角色由静转动、由近及远等状态变化，可对不同镜头分配差异化 --cw 值，模拟真实拍摄中焦点与景深变化带来的细节衰减。
1、特写镜头（面部占比＞60%）使用 --cw 90～100，确保微表情与皮肤质感稳定；
2、中景镜头（腰部以上）使用 --cw 60～75，平衡服装动态与面部识别；
3、全景/远景镜头（全身或带环境）使用 --cw 20～40，释放肢体动作自由度，同时防止角色“塑料感”过重；
4、所有帧必须共用同一 --cref URL，且提示词中动作动词保持时态一致（全用现在分词或全用过去式）。
五、规避 --cw 常见失效场景
--cw 在特定提示结构下易失效，需主动识别并重构输入。典型失效信号包括：同一垫图下多次生成出现截然不同的瞳色、发色或手指数目。
1、检查提示词是否混入冲突描述，例如同时出现“bald head”与“long black hair”；
2、确认 --cref URL 指向图像为单角色、正面/三分面、无遮挡、分辨率≥768×768；
3、禁用“photorealistic”“ultra-detailed skin pores”等超写实类词汇，此类词会覆盖 --cw 对动漫/插画风角色的调控效力；
4、若使用多图 --cref，必须确保所有 URL 中角色为同一人、同视角、同光照方向，否则 --cw 将随机偏向某一张图的特征。
