一致性角色生成器

解决什么问题

当你用文生图模型连续生成同一个角色的多个动作或表情时，通常会得到一组「看起来像不同人」的独立图片。这种视觉不连贯性在制作角色设定集、分镜或连续动作视频时是致命伤。每次重新描述特征不仅效率低，且难以保证发型、配饰、服装细节的像素级复现。

本技能摒弃了「多次独立生成」的思路，转而采用锚点 + 派生的工作流，强制模型在统一的视觉基准上做变化。

工作原理

该技能的核心逻辑分为两个阶段：

1. 确立权威参考帧：

- 模式 A：若没有参考图，通过文生图生成一张全身、正面、定义清晰的 anchor 图，锁定角色的身份、服装和画风。
- 模式 B：直接使用用户提供的 reference image 作为唯一标准。

1. 图生图派生：

- 所有后续帧都基于这张锚点图生成。
- 在调用生成工具时，设置 input_fidelity 为 "0.85"（字符串格式），控制模型保留多少原始特征。
- 仅修改姿势、动作或表情的提示词，而身份和服装描述保持原样。

对于视频任务，技能会先生成一组静态关键帧，然后利用图生视频工具对相邻帧进行插值动画，确保整段视频中主体特征的一致性。

技术细节与注意事项

• 保真度控制：如果需要角色表情严格固定（如念口型），需将 input_fidelity 调高至 0.90 以上；若需要展示不同情绪，则保持在 0.85 左右，并在派生提示词中明确期望表情。
• 严格串行：严禁在同一消息上下文中并发调用多个图像生成工具。必须遵循「生成 -> 重命名 -> 下一张」的串行逻辑，否则极易因文件名冲突导致输出互相覆盖。
• 工具加载：ImageGen 与 VideoGen 属于延迟加载工具，调用前务必使用 ToolSearch 加载 Schema，否则会触发校验错误。
• 环境依赖：视频合成环节不依赖系统 ffmpeg，而是使用内置的 imageio-ffmpeg 方案，解决了环境配置痛点。