【免费下载链接】flowkitAI agent can create video content better than you. No reason why you do it manually in google flow!项目地址https://gitcode.com/gh_mirrors/flowkit/flowkit点击查看免费下载FlowKit 是一个让 AI agent 自动制作视频的开源系统它解决新手做 AI 视频最头疼的问题角色一致性。通过内置的参考图系统同一个角色在几十个场景里保持相同的脸、发型和服装真正做到跨场景不崩脸。本文带你弄懂参考图系统的底层原理并给出 3 个实用的防崩脸技巧。一、为什么 AI 视频总是崩脸传统 AI 生图是无状态的每次调用模型它都只看到你的文字提示词看不到上一次生成的结果。于是同一个戴眼镜的白大褂医生第 1 个场景是圆脸第 3 个场景变成方脸服装颜色也悄悄变了——这就是新手常说的崩脸。FlowKit 的思路很直白先给每个角色生成一张标准照之后所有场景生成都把这张标准照作为参考图一起交给模型。参考图就像演员的定妆照模型每次对表人物自然稳定。二、参考图系统是怎么工作的整个系统由 3 个环节组成代码都集中在 agent/sdk/services/ 目录下。2.1 角色是一等公民而不是一段文字FlowKit 里的角色是独立的数据库实体定义在 agent/models/character.py 中关键字段包括字段作用image_prompt描述角色外貌的提示词脸型、发型、服装、体型reference_image_url参考图地址media_id图片在 Google Flow 中的 UUID 编号后续引用的锚点新建角色时写一份详细的外貌描述就是给后面的参考图打地基。2.2 批量生成参考图一次定妆全程复用执行技能命令/fk-gen-refs project_id后系统为项目中每个还没有参考图的实体发起生成请求详见 skills/fk-gen-refs.md。核心逻辑在 agent/sdk/services/operations.py 的generate_reference_image方法中有两个巧妙设计按实体类型自动选比例人物类character、creatures生成竖版全身像地点类location生成横版环境照强制标准构图人物参考图会附加 portrait full-body, head-to-toe, front-facing, centered全身、从头到脚、正面居中的构图约束保证每张定妆照信息量一致模型容易比对。图片生成后FlowKit 会把它上传回 Google Flow 换取一个 UUIDmedia_id并写入数据库。这个 UUID 才是后续所有场景认人的钥匙。 如果角色参考图已经存在比如你自己上传的图系统走快速路径跳过生成直接注册拿media_id不浪费配额。2.3 场景生成时自动挂载参考图这是不崩脸的关键一步。每个场景创建时可以声明character_names列表即本场景出场了哪些角色场景提示词里甚至不需要反复描述人物外貌。当场景图片生成时agent/sdk/services/media_resolver.py 的resolve_references函数会做自动解析场景的 character_names → 匹配项目中的角色按 name 或 slug 匹配 → 取出每个角色的 media_id → 作为 character_media_ids 附在生成请求上这些参考图最终作为 imageInputs 传给 Flow。在 agent/services/flow_client.py 的注释里写得很清楚*character_media_ids are attached as reference images,which is what keeps an entity the same across scenes附加参考图正是让实体在场景间保持相同的原因如果某个角色还没有media_id参考图未生成系统会直接暂停并提示Waiting for reference images宁可排队也不带伤上阵从机制上杜绝漏挂参考图。三、跨场景不崩脸的 3 个实战技巧技巧 1按依赖分波次生成别跳步场景图片生成技能/fk-gen-images project_id video_id内置了波次调度详见 skills/fk-gen-images.md波次场景类型请求类型Wave 1根场景ROOT全新生成Wave 2续接场景CONTINUATION基于父场景图编辑同一波内的场景互相独立、可并行下一波必须等上一波完成。这套调度避免了子场景在父场景还没出图时就开跑的一致性事故。技巧 2续接场景用编辑而不是重新生成这是 FlowKit 防崩脸最核心的设计。对于叙事上连续的场景chain_type 为 CONTINUATION系统不是重新画一张新图而是把父场景的成品图作为 BASE_IMAGE底图把角色参考图依次排在其后作为 REFERENCE 输入顺序为[父场景图, 角色A, 角色B, ...]。环境、光线、人物站位都是在上一个镜头的基础上自然演进的而不是从零重掷一次随机骰子。效果对比很直观——同一个医生角色在手术室、访谈室等不同场景里始终是同一个人技巧 3视频阶段也带上参考图r2v很多人只给图片挂了参考图结果镜头一切起来人物又变了。FlowKit 在视频生成阶段支持reference-to-videor2v模式把角色的media_id直接传给generate_video_from_references见 agent/sdk/services/flow_provider.py 的_run_video_refs让模型在运动过程中也持续对照定妆照面部在转头、低头等动作下依然稳定。四、遇到安全过滤拦截怎么办参考图生成可能触发PUBLIC_ERROR_UNSAFE_GENERATION错误通常是提示词过于指向真实公众人物。skills/fk-gen-refs.md 内置了一套渐进去特征化方案按顺序尝试第一轮改为左侧 3/4 侧脸视角靠轮廓、发型、服装保留辨识度第二轮仍失败就改成纯背面全身剪影第三轮最后手段只保留发型、体型、服装等通用特征。规则很克制只修改真正失败的实体已生成的参考图不动。这样既能过审又最大限度保住人物特征。五、真实案例50 个场景两张脸零漂移FlowKit 官方展示过一个 50 场景的纪录片项目。医生角色横跨手术室、访谈室 4 个完全不同的场景眼镜、白大褂、面部特征全部一致脱北者角色则从重症监护病房一路到首尔街头光照和背景天差地别但面部始终没有漂移——这正是一次定妆、全程复用机制的实际效果。六、快速上手三步建立你的角色一致性流程建项目、建角色为每个角色写一份详尽的image_prompt脸型、年龄感、发型、体型、标志性服装这是定妆照质量的决定性因素跑流水线依次执行/fk-gen-refs定妆→/fk-gen-images场景图→/fk-gen-videos视频每个场景记得在character_names里挂上出场的角色看看板在 FlowKit Dashboard 里实时监控每个场景的状态与产出总结关键点一句话核心原理每个角色一张定妆参考图后续所有生成自动挂载识别锚点角色图片注册后的 UUIDmedia_id最强技巧续接场景走编辑而非重生成进阶技巧视频阶段也用 r2v 参考模式兜底方案安全拦截时渐进去特征化改写提示词角色一致性不是玄学而是一套定妆照 自动引用 链式编辑的工程体系。把 FlowKit 的参考图系统用起来你的 AI 视频也能做到几十镜不崩脸。赞分享【免费下载链接】flowkitAI agent can create video content better than you. No reason why you do it manually in google flow!项目地址https://gitcode.com/gh_mirrors/flowkit/flowkit点击查看免费下载相关推荐LumenX 角色资产生成实战角色三视图、场景定调图与道具参考图如何锁定人物一致性LumenX 角色资产生成实战角色三视图、场景定调图与道具参考图如何锁定人物一致性 LumenX Studio 是一个 AI 短漫剧一站式生产平台能把小说文长篇小说角色怎么管才不崩AI 小说作家角色卡与人物关系实用清单长篇小说角色怎么管才不崩AI 小说作家角色卡与人物关系实用清单 长篇小说写到几十万字角色性格漂移、关系记串、状态前后矛盾几乎是必然。AI 小说作家AI NSeafile分布式系统一致性保障最终一致性与强一致性场景选择Seafile分布式系统一致性保障最终一致性与强一致性场景选择 在分布式系统中数据一致性是确保系统可靠性和正确性的核心挑战。Seafile作为高性能文件同步存储后端上一篇让AI帮你造硬件Muse Gadget SDK Muse Code一句话构建刷写固件上手指南下一篇深入解析 yapf 的 _ylib2to3为 Python 格式化器定制的 lib2to3 语法解析分支创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考