Image 2.5双参考图实战：如何稳定跑通连续四格故事

做 AI 绘画这些年单张图的“好看”早就不是难点真正让人头秃的是连续画面的一致性。尤其是四格故事这种形式第一格完美第二格开始“换脸”到第四格基本就是另一个人了——这种翻车我经历过太多次。所以 Image 2.5 上线双参考图功能的时候我第一反应就是拿它来验证一个真问题能不能用双参考图跑通连续四格故事实测跑完之后结论是能跑通而且比我想象的稳。但整个过程不是那种“一键生成爽图”的体验里面有几个参数逻辑和节奏控制需要自己摸。这篇文章就是把我的完整复盘写下来包含双参考图的控制逻辑、我实际用的分镜流程、参数设置以及三个让我返工率极高的坑和对应的排查思路。如果你也在用 Image 2.5 做多格内容、系列角色图或者短篇故事漫画这篇应该能帮你少走不少弯路。1. 连续四格故事为什么是块硬骨头1.1 四格故事的画面诉求拆解很多人觉得四格故事不就是“生成四张图再拼起来”吗真不是。单张图只需要满足一个场景、一个氛围、一个主体但四格故事是同一批角色、同一个世界观、同一个画风连续推进一段叙事。它就要求几个维度同时成立角色一致性人物的五官、发型、服装、体型在四个画面里必须对得上不能第二格换了个发型、第三格换了件衣服。环境延续性四个画面虽然可以是不同景别、不同机位但空间逻辑要通不能第一格是白天街道第二格突然变成室内。叙事递进感每一格得有“剧情推进”而不是简单复读。比如第一格人物走着第二格发现东西第三格紧张第四格爆发——画面之间要有情绪和动作的连贯。风格统一性四张图拼在一起色调、光影、笔触得像是同一个人、同一个工具、同一批次画出来的。这四条单拎出来哪一条都不难难的是同时满足。而传统工具链里它们往往互相打架。1.2 以前的方案为什么总在“第四格崩坏”在 Image 2.5 之前我做四格故事常用的手段无非是下面这几类各有各的硬伤第一种是单参考图垫图。把第一格生成结果作为后续所有格子的参考图。问题在于误差会累积第二格轻微走样第三格参考的就是那个“已经走样”的第二格到第四格基本就放飞了。这也是“第四格崩坏”的最常见来源。第二种是靠提示词硬控。在每格描述里把角色外貌写一遍什么“棕色卷发、蓝色眼睛、黑色皮夹克”。问题是你写得再细模型也只能给个大概方向而且描述越多画面越容易被其他元素干扰。第三种是局部重绘修补。先生成大致构图再手动锁定区域修脸、修衣服。这个方法精度可以很高但成本极大一张图可能来回修十几轮四格下来就是几十轮叙事节奏早断了。第四种是训练 LoRA 或者角色一致性模型。效果最好但门槛和资源消耗也最高为了一个小短篇去微调一个模型大多数时候不划算。所以双参考图这个功能出来之后我意识到它可能正好打在这个痛点上解决了“一个参考维度不够用”的问题。只是没想到它的正确打开方式跟我想的不太一样。2. 双参考图与单参考图的控制逻辑差异2.1 单参考图管不住的两个维度先说单参考图为什么不够用。模型的参考图机制本质上是让生成过程“模仿”这张图的某些特征。但一张图里包含的信息太多了人物外貌、服装、背景环境、色调、构图、光影、画风……你丢一张图进去模型只能从中“猜测”你最在意的是哪个特征。这就导致一个问题当你想同时锁住“角色是谁”和“画面氛围是什么”的时候单参考图做不到精确分工。你给一张角色站姿参考图模型可能学走了人物的脸也可能学走了背景的色调甚至学走了构图的透视角度——到底学哪个存在随机性。我给个生活化类比单参考图就像你只给厨师看了一张成品菜的照片他分不清你更在意的是“这道菜”本身还是“这个摆盘方式”。双参考图则是把“菜是什么”和“摆盘风格”分开给了两张照片控制逻辑瞬间清晰了。2.2 双参考图的分工逻辑角色参考图与环境参考图分离Image 2.5 的双参考图简单说就是可以同时上传两张参考图让模型在生成时同时参考。但关键问题不是“能不能传两张”而是两张图各管什么、权重怎么安排。我实测下来比较顺手的搭配方式有两种角色参考图 上一格生成结果角色参考图负责锁定人物长相和服装细节上一格生成结果负责延续光影、色调、画风和空间关系。这种搭配最适合“逐格推进”的连环叙事因为我希望每一格都跟上一格是同一个世界。角色参考图 环境概念图角色参考图管人环境概念图管场景风格。适合做系列插画或者角色在不同地点游历的题材比如同一角色打卡不同城市那种。我在实际测试里第一种方式用得最多因为它天然适合“连续故事”这个场景。但我必须提醒一个细节两张参考图的功能必须严格分离否则模型会陷入“不知道该学谁”的混乱。2.3 起始参考参数与调整思路具体参数上我以手头这个版本为基础给出一个我实测能稳定起步的配置不同版本可能略有差异但思路一致参考图类型建议权重区间作用注意点角色参考图0.7 - 0.9锁定人物外貌、服装、体型权重过低容易“变脸”过高画面会呆板场景参考图或上一格0.4 - 0.6延续色调、光影、画风权重过高会限制机位和构图变化提示词强度按默认即可描述当前格新增内容不要重复描述参考图已有的角色外貌这个区间的核心逻辑是“主次分明”角色参考图的权重必须显著高于场景参考图。因为人脸特征一旦崩了后面再怎么修都难受而场景信息哪怕弱一点只要色调和氛围接得上人眼不会立刻察觉。如果平台支持分别调整两张参考图的权重一定分开调不要图省事设成一样。双参考图的精髓就在于“分开控制”权重拉平等于回到单参考图的老路。3. 我用双参考图跑通四格故事的完整流程3.1 第零步先把故事分镜写清楚这一步很多人会跳过去直接开始生成结果就是“生成一张好看一张连不起来”。我现在的做法是任何多格内容动手之前先画一个分镜表。四格虽然短但也需要明确的起承转合。我这篇测试用的小故事很简单四格剧情大概是一个穿红色风衣的女性在街头收到一封信拆开时露出惊讶表情抬头发现对面站着一个黑衣人随后追上去但黑衣人已经消失在街道尽头。对应到分镜表就是这样格数角色动作景别/机位环境情绪氛围第一格在街角拆信全景侧面视角傍晚街道路灯初亮疑惑、好奇第二格低头看信内容特写正上方视角手中信纸与信封惊讶、紧张第三格抬头看向前方中景过肩视角街道远处逆光警觉、不安第四格追出去黑衣人背影全景纵深透视街道尽头薄雾紧迫、悬念有了这个表后面每一步生成都知道自己在干什么不会跑偏。强烈建议你也这样做哪怕只是脑子里过一遍把关键信息写在便签上都行。3.2 准备一张“干净”的角色参考图角色参考图的好坏直接决定整条链路的稳定性。我踩过的坑是直接拿网上找的图或者之前生成的一张“带背景带道具”的图当参考图结果模型把背景、道具也当成角色的一部分学了进去后面指定新场景的时候就会打架。正确的做法是先把角色参考图清理干净画面中只保留一个主要角色不要有路人、动物、复杂道具。背景尽量简洁纯色背景最佳。如果原图有复杂背景用裁切工具把人物主体抠出来。人物的脸、发型、标志性服装必须清晰可见不要是远景小人、不要被遮挡。比例建议用半身或七分身比纯头像多出服装信息又不会因为全身照导致脸部像素太低。我当时为这个故事生成的参考图描述是“一位三十岁左右的女性红色风衣深棕色短发神情冷静半身像纯灰色背景柔和棚拍灯光。”生成之后挑了五官最清晰的一张裁掉多余背景作为整条链路的角色锚点。3.3 逐格推进时参考图怎么搭配准备工作做完就进入真正的生成环节。我的策略是第一格用单参考图后面每一格用双参考图。第一格为什么要用单参考图因为第一格是整个故事的“视觉基调”它要确立角色在环境中的样子。如果第一格就用双参考图角色参考图和环境参考图之间如果有细微冲突会把问题直接埋进第一格后面全都是带病作业。第一格我输入的角色参考图加上提示词“傍晚城市街道路灯初亮穿红色风衣的深棕色短发女性站在街角拆信表情疑惑侧面全景电影感冷色调。”生成之后检查两件事脸是不是参考图那个人氛围是不是我要的冷调街道只要这两点没问题这张图就作为后续的“画面锚点”。从第二格开始双参考图正式入场角色参考图 第一格生成结果。角色参考图保证“还是这个人”第一格结果保证“还是在同一个世界里”。第二格提示词只写新信息“俯拍特写女性手中展开的信封和信纸纸上写着文字手指微微收紧背景虚化惊讶情绪。”第三格同理参考图改为角色参考图 第二格生成结果提示词写“过肩视角女性猛然抬头看向街道远处逆光中一个黑衣人背影警觉氛围浅景深。”第四格继续推进“纵深构图女性朝街道尽头奔跑黑衣人背影在薄雾中渐远紧迫感。”这样逐格推进的好处是每一格都跟前一格有视觉延续同时又有独立的机位和动作变化叙事感就出来了。3.4 拼图与后期收尾的实用细节四格全部生成之后还有两个收尾步骤很重要拼图方式和文字处理。拼图我建议用最简单的一行四列或者两行两列横版顺序从左到右。平台里的九宫格拼图模板不一定适合四格漫画因为间距、圆角、背景色都会影响阅读节奏。我用的是图片处理软件手动排版四张图统一加细描边或者统一圆角视觉上就是一个完整作品。文字部分我不建议直接在生成时就要求“图上带对白”因为目前的图像模型生成文字还容易出错而且会把画面占掉一块。我习惯的做法是生成画面时留出空白区域比如天空、地面、纯色墙面后期拼图后用文字工具手动添加对白或者旁白。就连气泡也可以用简单几何图形代替干净利落。4. 实际测试中踩过的坑与排查链路4.1 坑一角色“越画越不像”加权重也救不回来第一次跑完第四格我看了眼结果差点没认出来那是开头那个红风衣女性——五官整个“融”掉了更像是另一个人。我一开始的直觉是权重不够直接把角色参考图权重拉到 0.9重跑了一次结果依然不行只是从“完全不像”变成了“有点像但僵硬”。后来我花了点时间逐步排查才意识到问题不在权重而在参考图自身的质量。第一版角色参考图我偷懒直接用了之前一张“角色站在街边”的成图背景里有招牌、路灯、车辆。模型在训练时把这些背景元素也当成了角色的“伴随特征”导致后面每一格都在画面上保留了一部分“街边”的痕迹同时又和提示词里的新环境产生冲突角色脸部反而被这种冲突干扰越往后越失真。解决办法是把角色参考图重新生成一版这次只保留纯色背景、半身像、脸部清晰然后把背景全部裁掉。重新跑了整条链路脸的稳定性立刻上了一个台阶。这也印证了那个原则双参考图的前提是每张参考图本身足够“干净”。4.2 坑二四格像“四胞胎”镜头感全丢了第二个坑比较有意思。第一版四格出来人物一致性好了但第二、三、四格几乎都是同一个角度、同一个构图的正面视角——看起来就像同一张图反复微调叙事感完全没了。一开始我怀疑是模型本身不会变机位后来才发现是参考图的锅我把“上一格生成结果”的权重拉到了 0.6而上一格的结果不仅是“色调和环境的锚”还把构图透视也带了过来。模型为了“参考”把正面视角也一并延续了。排查思路分两步第一步把场景参考图的权重从 0.6 降到 0.4第二步在提示词里主动写明机位术语“俯拍特写”“过肩视角”“纵深构图”。这里有个细节值得注意提示词中的机位描述在双参考图模式下非常关键因为参考图负责的是“世界统一”提示词负责的是“镜头运动”两者必须分开管。调整之后四格的视角终于有了明显变化全景、特写、过肩、纵深叙事节奏回来了。这个坑也让我明白了一个平衡点场景参考图权重不能太高超过 0.5 就容易把构图也锁死。4.3 坑三提示词里的新环境被参考图“吞掉”第三个坑发生在第四格。我明明在提示词里写了“街道尽头薄雾纵深透视”生成结果却还是第一格的街道场景只是把人物缩小了放在中间。远处的薄雾、纵深感完全没体现。我最初以为是模型没听懂后来把参考图换掉了才发现问题出在角色参考图里保留了太多背景细节。因为我的角色参考图虽然是纯色背景但服装和人物周围还是带了一点环境光影模型在生成“人物”的同时把那种环境感也延续了过来导致新的场景描述施展不开。处理方式很直接把场景参考图上一格换成第一格的裁剪版——只保留第一格的天空、街道、远处建筑这些环境部分把人物主体裁掉。这样双参考图就变成了“角色参考图管人、环境裁剪图管场景”两者信息完全不重叠。重跑之后第四格的薄雾街道一下就出来了。这也是双参考图一个容易被忽略的原则两张参考图的信息重叠越少控制效果越好。如果两张图都包含了“人环境”模型就会被两份互相矛盾的信息拉扯。4.4 养成一个参数记录习惯最后分享一个排查习惯每次生成之后把当次用的提示词、参考图、权重数值记录在表格里。不要嫌麻烦因为出问题的时候最快的定位方式不是“再试一次”而是回看上一次成功和失败之间的变量差。我当时就用了一个简单表格轮次参考图组合角色权重场景权重提示词要点结果评价第一版角色第一格0.80.6正面视角人物崩构图重复第二版干净角色第一格0.90.4加机位描述人物稳定构图仍偏重复第三版干净角色环境裁剪0.850.45机位环境描述稳定通过这个习惯帮我省了很多反复试错的成本。每次只改一个变量不要同时动权重和提示词否则最后根本不知道是谁起的作用。5. 双参考图的边界与进阶想法5.1 双参考图适合与不适合的场景用完整条链路之后我对双参考图的定位有了更清晰的认识。它最适合的场景是同一个主角色在多个场景、多个镜头下的连续性内容——比如四格故事、连环插画、角色在不同城市游历的系列图。它解决的核心问题是“单张图的特征学偏”让模型在生成时有了明确的“角色锚点”和“风格锚点”。但它也有明显的边界。如果画面里同时出现多个重要角色比如四格故事里第一格有主角第二格又多了一个反派第三格两人同框——双参考图就会比较吃力因为两个参考图承载不下“两个角色的同时约束”。这种情况下我的建议是先用双参考图分别生成“主角单人画面”和“反派单人画面”再通过局部重绘或者合成的方式把两人放进同一格而不是指望参考图一次性搞定。另外双参考图对“概念发散型创作”也不是很友好。如果你只是想“随便生成一张好看的图”双参考图反而会限制灵感和意外惊喜让人觉得画面太“板”。5.2 进阶系列化角色与跨批次复用测试完四格故事之后我发现双参考图还有一个非常实用的延伸用法把角色参考图做成“项目资产”跨批次复用。比如我在这次测试里生成的红色风衣女性参考图后续如果我想做这个角色的其他短篇故事可以直接复用同一张角色参考图配合新的环境参考图。这样做的效果是不同批次生成的四格故事放在一起看能明显感觉到是“同一个角色的不同篇章”——角色形象完全一致省去了每次重新锁定形象的痛苦。我现在的做法是在本地建一个“角色图库”每个角色保存三张最优参考图正面半身、全身、侧面特写。下次用的时候直接挑最合适的那张不用重新生成。对于更长的故事六格、八格、甚至连环画我建议用“关键帧策略”先用手里的双参考图把第 1 格、最后一格和中间的转折格先生成出来建立故事的关键节点然后再用“上一格结果 关键帧结果”反推补足中间的画面。这样比从第 1 格一路顺推更不容易在长链路里失控。5.3 关于这套流程的个人经验总结这次用 Image 2.5 跑通四格故事我自己最大的收获是参考图功能不是“传两张图进去就完事”关键是想清楚每张图负责什么、权重怎么定、信息怎么避免重叠。如果让我给一个最核心的建议那就是第一张参考图管人第二张参考图管环境两者信息越独立、控制越精准。有了这个认知之后四格故事只是一个起点连续短篇、系列插画、角色合集都可以用同一套逻辑往下扩展。而且这套思路不挑具体工具版本哪怕以后 Image 2.6、Image 3.0 出来参考图的核心控制逻辑大概率还是这个方向。最后再分享一个小技巧。如果你在某一格反复生成都达不到想要的效果不要硬试。我一般会停下来重新审视这一格在分镜表里的“情绪任务”——有时候不是画面不行而是这一格的剧情动作写得不够具体。提示词里加上一个具体的动作动词“推开”“攥紧”“转身”比加一堆形容词管用得多。这也是我踩过好几次坑之后才慢慢悟出来的AI 绘画要的是具体动作不是氛围词堆砌。