必须前置身份锚点：首行严格使用“a professional [职业] portrait of [性别]+[年龄段], front-facing, upper body, sharp focus on eyes”格式，删尽模糊形容词，并补全发根、耳廓、下颌线等可验证物理特征，仅开放性别年龄、发型发色、服饰三处动态槽位，负向词须加“no face swap, no identity drift”，controlnet需用高清正脸图配face_parsing预处理器与0.75权重。
☞☞☞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☜☜☜
固定角色身份锚点必须前置
要在LiblibAI中让同一角色在多张图中保持五官、脸型、发型等核心特征稳定复现，不能靠反复重绘或手动修图，必须从正向提示词最开头就植入不可替换的身份锚点句式。
第一步：在正向提示词框顶部第一行，严格输入格式为“a professional [职业] portrait of [性别]+[年龄段], front-facing, upper body, sharp focus on eyes”。例如“a professional indie game artist portrait of male+32-38, front-facing, upper body, sharp focus on eyes”。
【职业、性别、年龄段三者必须写实，不能用“创意人士”“成熟男性”这类模糊表述，否则AI会随机组合西装/眼镜/咖啡杯等默认符号，导致角色每次生成都像不同人】
第二步：删除所有与该角色无关的泛化形容词。比如删掉“帅气”“有气质”“阳光自信”，这些词会触发CLIP编码器调用不同美学向量，直接瓦解锚点稳定性。
绑定物理特征到像素级细节
仅靠身份锚点还不够——AI会把“male+32-38”理解成32岁到38岁之间的任意一张脸。要锁定具体长相，必须补全三项可验证的物理特征，且每项都要能被肉眼对照判断是否一致。
方法一：填入发根状态+耳廓轮廓+下颌线夹角
例如：“tightly curled black hair with visible scalp at crown, left ear slightly protruding, jawline angle 112°, slight shadow under right zygomatic bone”。这里“visible scalp at crown”是关键控制点，漏掉会导致AI默认生成浓密厚发，整张脸比例失衡。
方法二：用疤痕/痣/皱纹等永久性标记做校验锚
例如：“small mole 0.3cm left of upper lip, faint vertical forehead crease when relaxed, healed scar across right eyebrow arch”。这类描述必须带尺寸、方位、状态三要素，否则AI会当成风格修饰词忽略。
动态槽位只允许替换三处
角色固定≠完全不能换装或换姿势。真正的灵活控制，是在保证身份不变的前提下，只开放三个可安全替换的动态槽位，其他全部锁死。
① 【人物性别与年龄区间】→仅限填“male/34-37”或“female/29-33”，不可写“中年女性”或“青年男性”；
② 【发型与发色】→必须含发根状态+长度分区+动态细节，如“buzz cut with 1.5mm stubble at nape, temple fade starting 2cm above ear, silver-gray hair at temples”；
③ 【服饰特征】→拆解为面料+穿法+磨损，如“worn indigo denim jacket→left sleeve torn at elbow seam→buttonhole thread fraying at collar”。
这三项之外的所有内容，包括背景、光照、构图、镜头参数，都必须与首张成功出图的提示词完全一致。哪怕把“soft studio light”改成“diffused studio light”，都可能触发不同光影权重路径，导致瞳孔高光偏移0.2毫米——肉眼难察，但连图对比时立刻暴露。
负向提示词必须加入角色崩坏专属项
普通负向词如“deformed, blurry, text”对固定角色无效，它们防的是通用畸变，不是角色漂移。要阻止AI悄悄替换成相似但非同一人的脸，得加针对性抑制指令。
方法一：在负向提示词末尾追加“no face swap, no identity drift, no alternate version of same person, no similar-looking but different individual”。这组短语专攻CLIP对“相似度”的误判逻辑，强制模型放弃用近邻向量替代原锚点。
方法二：如果已出现过某次失败样本，直接提取其面部特征反向写入负向词。例如某次生成中鼻子变塌、眉骨变平，就加“(flat nasal bridge:1.4), (low supraorbital ridge:1.3)”。括号加权后，模型会主动避开该解剖结构区域。
【注意：不要在负向词里写“same person”或“identical face”，CLIP不识别这种正向绑定指令，反而会因语义冲突导致解析失败】
启用ControlNet锁定面部结构
当角色需要频繁更换动作或表情，又必须严守五官位置时，仅靠提示词已不够。此时必须开启ControlNet，用真实人脸图反向约束生成过程。
第一步：准备一张该角色高清正面照（PNG格式，纯白背景，无阴影，分辨率≥768×768）；
第二步：进入生图页→点击「高级设置」→开启ControlNet→上传这张图；
第三步：预处理器选【face_parsing】, 模型选【control_v11p_sd15_face】；
第四步：将ControlNet权重设为0.75，低于0.6控形失效，高于0.8则表情僵硬失真。
这一步做完，即使你把提示词里的“smiling”改成“shouting”，AI也会优先保住所上传人脸的骨骼拓扑结构，只是微调口型和眼角弧度——这才是真正意义上的固定角色。
