在繪本、分鏡腳本或反覆使用的活動插圖中，角色臉部的一點小變化就可能破壞整體連貫性。GPT Image 2.6 consistent character 工作流程始於一個清楚的角色錨點。將它儲存下來，每個新場景都上傳同一張原始圖片，重複描述可辨識特徵，並只改變場景或動作。如果某一格出現偏移，請先對照錨點編輯該格，再繼續製作。本指南展示 Mara 的錨點與兩個場景，提供確切提示詞，並附上五點檢查，幫你判斷這組圖是否可直接使用。
重點摘要
- 儲存一個乾淨、未裁切的錨點，顯示角色的臉、身體、服裝與風格。
- 每個新場景都上傳該原始錨點，並在每次提示中重複身分細節。
- 一次只改變設定或動作，然後並排檢查所有畫面。
- 用範圍狹窄的編輯修正特定錯誤；參考圖片不保證輸出一模一樣。
「一致角色」實際上代表什麼
對插畫系列而言，一致性意味著讀者不必依賴圖說，就能在每一格認出同一個人。臉部通常承載大部分辨識度：臉形、眼睛顏色、鼻子與特殊標記。頭髮與標誌性物件則提供另一個線索。身體比例、服裝與算圖風格有助於連貫性，但它們回答的是略有不同的問題。角色可能保留外套，臉卻變了；也可能保住臉，但下一頁突然像另一本書。
在建立場景前先設定身分規則。在此範例中，Mara 有鵝蛋臉、深棕色眼睛、小巧圓鼻、鼻樑上有五顆雀斑、黑色短捲髮，以及左眉上方有一撮白色捲髮。她的芥末黃雨衣與藍綠色圍巾屬於這個特定系列。圖書館書架與花園小徑則不屬於。這項區分能告訴編輯要保護什麼，也讓你有公平的方式評判每次輸出。
OpenAI 的圖像提示指南建議重複使用角色參考，並在不同場景重複外觀限制。其圖像生成指南也指出，反覆出現的角色可能在不同生成之間失去視覺一致性。請把錨點當成強烈指示，然後檢查輸出。它是可用的參考，不是保證每顆雀斑都落在同一像素的承諾。有一則社群討論描述漂移早在第二張圖就出現；這個經驗說明了實際問題，儘管它不是模型基準測試。
製作繪本時，請在生成十頁之前先定義你的容忍度。水彩顏料略有變化通常無害。鼻子不同、白色捲髮消失，或臉部輪廓改變，都可能讓角色讀起來像另一個人。當計畫中的情節需要換裝，請把服裝從身分鎖定中移除，並讓臉部線索保持更嚴格。在這裡，兩個場景都固定服裝，因此測試能隔離設定與動作的變化。
建立一個可重複使用的角色錨點
撰寫身分鎖定
有用的錨點是一眼就能看懂的參考圖片。畫面只顯示一個人，全身可見，並有清楚的四分之三臉部視角。讓主體周圍留有足夠空間，使手、腳、外套與頭髮不被裁切。淺色、單純的背景讓角色容易檢查，也避免場景物件意外變成她身分的一部分。請儲存原始輸出，而不是裁切過的縮圖。
在開啟模型前，先寫下精簡的身分鎖定。選擇幾個既明顯又可辨識的特徵。「親切的年輕女子」太籠統，無法稽核。「鼻樑上有五顆雀斑，左眉上方有一撮白色捲髮」則提供可觀察的檢查點。左右描述要以圖中角色為準，然後仔細檢查鏡像輸出。若要做長系列，請在製作筆記中記錄已核准的錨點檔名與確切文字鎖定，讓不同編輯都從相同來源開始。
| 在此三幀組合中保持固定 | 允許改變 |
|---|---|
| 鵝蛋臉、深棕色眼睛、圓鼻、五顆雀斑、白色捲髮 | 地點、背景物件與天氣 |
| 黑色短捲髮與自然身體比例 | 姿勢、手部位置，以及可見四分之三視角內的目光 |
| 芥末黃雨衣、藍綠色圍巾、藍色長褲、棕色靴子 | Mara 拿著書做什麼 |
| 柔和墨線、溫暖低飽和水彩、紙張紋理 | 仍符合共用色盤的局部光線 |
這是本範例的製作規則，不是聲稱模型有專用的身分鎖定開關。你在每次執行時提供參考與文字。不要加入許多在分鏡尺寸下看不見的微小特徵。白色捲髮與雀斑在這裡很有價值，因為你能在最終圖片中檢查它們。
生成並儲存錨點
開啟 Atlas Cloud 的 GPT Image 2.6 Sunburst 文字轉圖像模型 來製作第一幀。選擇高品質、高複雜度、PNG 輸出、一張圖片，以及 1536×864 的橫向畫布（如果你目前的 playground 提供這些控制項）。執行前請確認已提交的設定；在動態表單中，輸入的值可能會回復。使用以下提示詞，逐字照用：
plaintext1Create one original character for a children's picture-book storyboard, shown alone in a clear full-body three-quarter view. 2 3Identity: Mara is a young adult with an oval face, dark brown eyes, a small rounded nose, five light freckles across the bridge of her nose, short black curls, and one distinct white curl above her left eyebrow. Keep her facial proportions natural and easy to recognize. 4 5Outfit: mustard-yellow raincoat, teal scarf, dark blue trousers, brown ankle boots. No hat. 6 7Style: hand-painted watercolor illustration with soft ink outlines, warm muted colors, and visible paper texture. Plain pale-cream background. Center the full character with hands and feet visible. 8 9Output: one landscape 16:9 image. No other people, no text, no logo, no watermark.
角色錨點：將這張原始圖片用作每個新場景的參考。
核准前請先檢查生成的圖片。如果五顆雀斑不清楚，或白色捲髮位於錯誤的一側，現在就修正錨點。之後的每一頁都會繼承這個選擇帶來的不明確性。將未修改的 PNG 保留為你的主要參考，並以不同於場景檔案的名稱命名。如果之後改變 Mara 的設計，請從新的已核准錨點開始新系列，不要混用不同修訂版。
將同一角色放入兩個新場景
兩個場景都使用 GPT Image 2.6 Sunburst 編輯 playground。關鍵輸入是已儲存的錨點，而不只是角色的文字描述。每次執行都上傳原始錨點；若有提供，選擇相同的高品質與高複雜度控制項，並要求一張 1536×864 的 PNG。如果介面只提供不同尺寸，請記錄實際提交的尺寸，並讓兩個場景保持一致。相同取景能讓視覺檢查更容易。
這兩段提示詞刻意重複大部分身分鎖定。這種重複很有用：每個請求都應自成一體，即使你相隔數小時才建立畫面，或由另一個人執行第二個請求。不要假設模型會記得先前的獨立生成。將確切提示詞與每次輸出一起儲存，這樣你就能把偏移追溯到指令變更、不同參考，或模型自身的變化。
場景 1：改變設定
上傳原始錨點並貼上圖書館提示詞。Mara 保持相同服裝與水彩處理。新資訊是地點，以及在低書架旁的動作。低書架有助於讓她全身入鏡，使這一幀能與錨點比較。提示詞也要求可見的四分之三臉部，因為遠距離背面視角會遮住這項練習要測量的特徵。
plaintext1Use the uploaded image as the identity, outfit, proportions, and watercolor-style reference for Mara. Create one new landscape 16:9 picture-book scene: Mara stands inside a small neighborhood library, reaching for a book on a low shelf. Show her full body and keep her face visible in a three-quarter view. 2 3Preserve her oval face, dark brown eyes, small rounded nose, five freckles, short black curls, white curl above her left eyebrow, mustard raincoat, teal scarf, dark blue trousers, and brown boots. Preserve the soft ink outlines, warm muted palette, and paper texture. 4 5Change the setting and pose only. Do not introduce another character, redesign Mara, add text, add a logo, or add a watermark.
圖書館場景：將 Mara 的臉、白色捲髮、圍巾與雨衣與上方錨點比較。
用兩種尺寸檢查圖書館輸出。以完整尺寸檢視時，數一數雀斑並確認白色捲髮的方向。以讀者在你的書或分鏡中會看到的尺寸檢視時，問問 Mara 是否仍讀起來像同一個人。細節可能技術上存在，卻太小而無法承載辨識度。如果圖書館變得過於繁複並使 Mara 縮小，請要求更簡單的構圖，同時保留錨點與身分文字。
場景 2：改變動作
使用同一張原始錨點開始新的編輯。不要只上傳圖書館結果作為參考。把場景一接續到場景二，可能會把小錯誤一路帶下去，也更難判斷是哪張圖片建立了角色。花園提示詞同時改變環境與動作，同時固定她可見的臉、服裝與水彩處理。
plaintext1Use the uploaded anchor image as the identity, outfit, proportions, and watercolor-style reference for Mara. Create one new landscape 16:9 picture-book scene: Mara walks through a garden after light rain, holding a closed book against her chest. Show her full body and keep her face clearly visible in a three-quarter view. 2 3Preserve her oval face, dark brown eyes, small rounded nose, five freckles, short black curls, white curl above her left eyebrow, mustard raincoat, teal scarf, dark blue trousers, and brown boots. Preserve the soft ink outlines, warm muted palette, and paper texture. 4 5Change the setting and action only. Keep Mara recognizable as the exact same original character. No other people, no text, no logo, no watermark.
花園場景：設定與動作改變，而 Mara 的主要視覺特徵仍可見。
闔上的書讓她的手有明確任務，卻不會引入第二個人或新設計元素。立即將花園畫面與錨點比較，再與圖書館畫面比較。兩種比較都很重要。花園圖片可能本身看起來連貫，卻仍讓 Mara 的臉或外套顏色偏移。如果這一幀通過，將它存成獨立輸出；原始錨點保持不動，供之後每一頁使用。
若要做更長的系列，這個模式能逐頁擴展：輸入原始錨點、改變一個場景、檢查輸出。這不要求故事永遠使用同一姿勢。一旦身分穩定，就可以刻意改變角度或服裝，並在提示詞中指明這些變更，再對照其餘固定特徵檢查。把那當成新的受控變化，而不是在承諾同一套服裝的系列中默默改變。
另外三個已發布的角色一致性案例
以下圖片組來自 OpenAI 的 GPT Image 2.6 圖像提示指南。它們是已發布的範例，不是 Mara 提示詞的額外執行，也不是為本文生成的輸出。在該指南中，每個右側圖片都標示為 GPT Image 2.6 Sunburst；指南列出中等品質與 1024×1536 畫布。下方的提示簡述概述已發布的請求，而非逐字引用。請使用連結指南取得確切來源提示詞與輸入圖片。這三個案例測試不同變更，不是實測成功率。
案例 1：延續森林英雄的故事
第一張圖片建立一位戴綠色兜帽的水彩英雄。第二張則在雪地救援場景中重複使用角色參考。模型： 參考與編輯均使用 GPT Image 2.6 Sunburst。提示簡述： 介紹一位原創森林幫手，有綠色兜帽、棕色靴子、腰間小包與柔和的水彩處理；接著展示同一位英雄在冬季風暴後幫助一隻松鼠，同時保留臉、比例、服裝與色盤。設定與動作改變，因此請比較這組圖中的兜帽形狀、頭髮、臉、小包與靴子。
來源：OpenAI 的森林英雄參考與延續。左：角色參考。右：已發布的 GPT Image 2.6 Sunburst 冬季場景編輯。
案例 2：換衣服但不換人
這個範例使用美術館肖像作為身分輸入，並以另附的服裝圖片作為衣著參考。模型： GPT Image 2.6 Sunburst Edit。提示簡述： 將提供的夾克、上衣與靴子套用到人物身上，同時保持她的臉、頭髮、身形、姿勢、美術館背景、取景與光線一致。服裝變更是刻意為之；臉或鏡頭角度改變則屬於偏移。已發布的圖片組讓你能並排檢查這兩類細節。
來源：OpenAI 的身分保留服裝範例。左：身分參考。右：已發布的 GPT Image 2.6 Sunburst 服裝編輯。
案例 3：將肖像移入動作場景
同一張美術館肖像成為一名女子在黃昏時分於營地逃離熊的身分參考。模型： GPT Image 2.6 Sunburst Edit。提示簡述： 將參考人物置入可信的戶外逃脫場景，具自然色彩與光線，並改變她的活動、服裝與表情以符合情境。這比服裝編輯更難檢查身分，因為臉是在不同表情與視角下重繪的。請比較可辨識的臉部結構，而不是期待笑容不變。
來源：OpenAI 的人物置入新場景範例。左：身分參考。右：已發布的 GPT Image 2.6 Sunburst 營地編輯。
修正偏移，而不重新設計場景
偏移常出現在看似小到不值得提及的細節：Mara 的臉變得更圓、雀斑消失、髮際線移動、白色捲髮換邊，或藍綠色圍巾變成藍色。先判斷場景本身是否可用。如果姿勢與設定有用，集中編輯會比生成全新場景更適合作為第一步。如果角色只占幾個像素，或構圖遮住她的臉，請以更清楚的取景重新生成場景，因為局部編輯幾乎沒有可見證據可依據。
若要進行範圍狹窄的修復，請將有問題的場景上傳為 Image 1，並將已核准的錨點上傳為 Image 2。在提示詞中標明它們的角色。如果介面未清楚顯示上傳順序，請確認縮圖，並在執行前明確描述角色。本範例針對臉與頭髮，因此要求模型保留手、書、設定、光線與構圖。視需要將「圖書館」替換為「花園」。
plaintext1Image 1 is the scene to repair. Image 2 is Mara's approved identity anchor. 2 3In Image 1, correct only Mara's face and hair so they match Image 2: oval face, dark brown eyes, small rounded nose, five freckles across the nose, short black curls, and the white curl above her left eyebrow. 4 5Preserve Image 1's pose, clothing, hands, book, garden or library setting, composition, lighting, watercolor texture, and all other details. Do not add or remove objects. No text or watermark.
狹窄的指示會縮小要求變更的範圍，但不會強制進行完美局部編輯。檢查整個修復後的畫面，包括背景與書。修復可能還原了臉，卻改變手、物件或裁切。若發生這種情況，請判斷值不值得再做一次集中修復，或從錨點重新執行場景是否更乾淨。將遭拒的輸出留在工作資料夾，但不要讓它成為下一個身分參考。
發布前檢查整組圖片
將錨點、圖書館與花園輸出放在相同顯示尺寸下。以錨點為標準，先掃描三張圖片中的同一項特徵，再移到下一項。這種逐列檢查法比單獨評判每張圖片更能可靠抓到偏移。它也能區分可容忍的光線變化與角色身分變化。
比較三張輸出中相同的臉部標誌、標誌性捲髮、服裝、比例與水彩處理；這些圖片應受評判，不應被假定為完美。
| 五點檢查 | 偏移徵兆 | 下一步行動 |
|---|---|---|
| 臉：形狀、眼睛、鼻子、雀斑 | 輪廓不同或缺少可辨識的雀斑 | 對照錨點修復臉部，然後檢查整個畫面 |
| 頭髮與標記：短捲髮、左側白色捲髮 | 捲髮消失、換邊或髮長改變 | 只修復頭髮；如果鏡像身分改變辨識度，就拒絕 |
| 比例：頭、軀幹與四肢比例 | 角色看起來老很多、年輕很多、高很多或體型不同 | 如果整個人物都偏移，請以更清楚的全身取景重新生成 |
| 服裝：外套、圍巾、長褲、靴子 | 標誌性顏色或服裝形狀改變 | 如果臉與場景通過，只編輯服裝 |
| 風格：墨線、低飽和水彩、紙張紋理 | 某一幀讀起來像不同媒材 | 從錨點重新編輯，或使用風格鎖定重新生成場景 |
如果角色在最終顯示尺寸下仍讀起來像 Mara，就接受姿勢、表情與局部光線造成的自然差異。在這個固定服裝的系列中，拒絕換臉、缺少標誌性標記或明顯服裝變更。不要只因提示詞要求一致性，就稱一組圖片「一致」。記錄哪些通過、哪些經過修復。這條小小的稽核軌跡，能在之後某一頁讓你質疑先前錨點時派上用場。
選擇模型、設定與預算
GPT Image 2.6 Sunburst 還是 GPT Image 2.6 Flare？
OpenAI 將 GPT Image 2.6 Flare 描述為較小的模型，適合對速度敏感的工作；並將 GPT Image 2.6 Sunburst 描述為基礎模型，適合更多細節或精確編輯。這裡的角色工作流程在錨點與兩次編輯都使用 GPT Image 2.6 Sunburst，因此範例不會把模型行為與場景變更混在一起。當周轉時間很重要時，GPT Image 2.6 Flare 是值得測試的模型，但在把系列移到它之前，請用相同錨點、提示詞、設定與五點檢查做同類比較。單憑模型名稱無法告訴你你的特定角色是否會通過。
在時間與預算允許下使用最高細節設定，但請確認 playground 實際接受了什麼。1536×864 的橫向畫布提供空間容納全身主體與背景。PNG 能讓主要錨點保持完整，以便重複上傳。如果介面只提供相近的橫向尺寸，請全程使用相同已提交尺寸，並更新製作筆記。解析度能幫助讀者看見細節，但清楚的臉與受控的取景，比人物很小的較大圖片更重要。
每次執行成本是多少？
開始前，請查看 playground 中的預估成本，以及目前的 Atlas Cloud 模型定價。公開定價頁面依圖像 token 計費 GPT Image 2.6 Sunburst，文字輸入、圖像輸入與圖像輸出各有不同費率。因此，文字轉圖像錨點與參考圖編輯需要分開估算。該頁面發布的 1536×1024 範例不是本指南所提 1536×864 畫布的報價，實際用量也可能與執行前數字不同。
預算請包含一個錨點、兩次場景編輯，以及可能的修復。在角色可行之前，每次請求保留一個輸出；多個候選會讓總額更難追蹤。在製作報告寫下每張圖片數字前，記錄每個完成的請求與其顯示成本。如果選定尺寸或控制項無法使用，請使用實際提交的設定與其預估，而不是沿用無關的價格範例。發布前重新確認定價，因為模型供應情況與費率可能改變。
下一個有用的動作是核准單一 Mara 錨點，然後用那個確切檔案執行兩段場景提示詞。在擴展分鏡前，將三張圖片放在五點表格旁。這能讓 GPT Image 2.6 consistent character 從充滿希望的提示詞，變成可重複的檢查流程。
常見問題
GPT Image 2.6 會在獨立執行之間記住角色嗎？
不要依賴獨立執行之間的記憶。每個新場景都上傳已核准錨點，並重複可辨識細節。保留原始檔案，這樣即使先前場景改變，你仍能重現之後的頁面。
我可以在不失去角色臉部的情況下改變服裝嗎？
可以，你可以要求更換服裝，同時保留錨點的臉部特徵，但要檢查結果。說明哪些衣物可以改變，以及哪些臉、頭髮、比例與風格線索必須保留。在適合的頁面中一致使用新服裝。
長時間的圖片系列該用 GPT Image 2.6 Flare 還是 GPT Image 2.6 Sunburst？
先從符合你截止期限的模型開始，然後用它測試相同的角色與兩場景提示詞組。在 OpenAI 的指南中，GPT Image 2.6 Sunburst 是細節與精確編輯選擇；GPT Image 2.6 Flare 則是速度選擇。用相同檢查表比較你自己的輸出，而不是假設某個名稱就能保證連貫性。
參考圖片能保證像素級相同的臉部特徵嗎？
不能。姿勢、表情、角度或光線改變都會自然改變像素，生成也可能仍改變可辨識細節。用參考引導身分，然後檢查並修復在最終顯示尺寸下重要的任何偏移。
