很多玩 AI 画图的朋友最近都在研究同一件事怎么让同一个角色在多张图里长得一样并且能直接用在视频生成里面做人物参考。之前做角色一致性要么靠抽卡要么靠修脸流程又长又不稳定。本文要分享的是一套围绕 Krea-2 生成四视图人物定妆照的极简实操流程重点解决两个问题一是用 Krea-2 快速产出规范的四视图定妆照二是用 4 个关键步骤把 Lora 训练提速一倍同时保留批量生产能力。最后还会演示如何把这些定妆照接入 MiniMaxH3 视频工作流让 AI 视频生成时的人物形象更稳定、更可控。适合已经接触过 ComfyUI、Stable Diffusion WebUI 或 Lora 训练但还没有完整跑通过一套人物一致性工作流的朋友阅读。1. 背景与核心概念1.1 四视图人物定妆照是什么四视图人物定妆照指的是同一角色在一张图里展示正面、侧面、背面以及半侧面的标准参考图像。在传统影视、游戏和动画制作中角色定妆照是建立形象基准的重要资料。到了 AI 绘画这里四视图的意义变成了“给模型一个稳定的人物特征锚点”。很多人以为四视图只是把同一个提示词生成四张不同角度的图其实不对。真正的定妆照要求角色在发型、服装、配饰、身材比例、气质上完全一致差别只在拍摄角度。如果只是换提示词重抽卡哪怕提示词写得再完整生成的四张图也会像四个不同的人。这也是为什么需要 Krea-2 这类支持参考图生成的工具来辅助完成角度迁移。在 AI 视频生成场景里四视图的价值会被放大。MiniMaxH3 这类视频模型在生成人物视频时如果只有一张正脸照片模型一旦遇到角色转身、侧脸或背影镜头就很容易产生特征漂移。而四视图定妆照提供了完整的角度信息相当于告诉模型这个人从多个角度看长什么样。换句话说四视图是从“AI 画一张图”走向“AI 拍一段视频”的关键中间资产。1.2 Krea-2 在定妆照生成中扮演的角色Krea-2 是当前 AI 绘画工具链中比较有代表性的实时生成平台。它支持多种生成模式包括文生图、图生图、参考图控制以及对现有图片进行增强迭代。对于定妆照这种需要“角度变化但身份不变”的任务Krea-2 比较适合用来做初步的生成和筛选因为它的交互反馈速度足够快可以迅速尝试多组不同角度、不同构图的设计方案。需要说明的是Krea-2 在不同的版本迭代中界面布局和功能入口会有差异。本文不会死抠按钮位置而是把操作思路拆解清楚你先有一张正脸基准图然后在 Krea-2 中加载这张图配合角度提示词生成侧脸、背面、半侧面最后汇总成一张完整定妆照。核心逻辑是“以图控图”而不是“以词控图”。1.3 为什么提速 Lora 是关键LoraLow-Rank Adaptation是目前给 AI 模型注入特定角色风格最常用的轻量化微调方案。和全量微调不同Lora 只训练一小部分参数因此训练速度快、模型体积小、使用灵活。但很多人在实际训练时发现Lora 训练虽然比全量微调快却依然要消耗不少时间尤其是处理角色一致性 Lora 时经常要训练几百个 epoch稍不注意还容易过拟合。本文要讲的“4 步加速 Lora 提速一倍”本质上是优化训练数据和训练策略而不是降低质量。通过精简训练集、统一触发词、先低分辨率抽取特征再高清细化、合理控制 epoch 和网络维度可以在不影响出图质量的前提下大幅缩短训练时间。这也是社区里训练人物 Lora 的通用加速思路只是很少有人把这四步压缩成一套可以直接照做的流程。1.4 MiniMaxH3 视频人物参考的含义MiniMaxH3 是相对较新的一类视频生成模型支持本地部署和远程调用两种方式在人物一致性和动作连贯性上有不错的表现。所谓“人物参考”是指在视频生成过程中把一张或一组角色参考图作为输入条件让生成结果中的人物身份尽量贴近参考图。四视图定妆照在这里的用法非常直接将 Krea-2 生成的四视图图片作为 MiniMaxH3 的人物参考输入模型在生成视频片段时会参照多个角度下的角色特征降低人物跨镜头出现时“忽胖忽瘦”“忽老忽少”的概率。这套工作流的完整链路是Krea-2 生成定妆照 → 清洗和筛选 → 训练 Lora加速版 → 用 Lora 或直接参考图接入 MiniMaxH3 视频生成。2. 核心原理拆解为什么这套流程能提速2.1 四视图生成的角度控制原理在 AI 绘画中控制人物角度主要有几种方式提示词控制、ControlNet 姿势控制、参考图重绘、以及多视图模型生成。Krea-2 生成的定妆照实际上是在参考图条件下做“视角编辑”模型需要理解“同一个人的背面应该是怎样”这要求参考图提供足够清晰的身份特征。这里有一个常见的误区很多人把定妆照任务交给单张图生图在一张图上反复局部重绘结果越改越不像。正确做法是先使用提示词产生候选方案比如“full body, front view”和“full body, back view”每一张生成图都基于同一个基准角色图之后再将角度正确的候选图组合成网格图。组合生成后还可以用增强工具对四视图整体进行一致性修复让四个角度的服装纹样、发型走向尽量统一。由于 Krea-2 支持多参考图和实时调整整个生成过程可以控制得比较精细。实践中推荐先在低分辨率下快速出三四组四视图草稿选中一组满意的再去高清放大这样可以避免在错误方向上浪费大量时间。2.2 Lora 提速的四个底层逻辑Lora 训练时间的长短主要取决于这几个因素训练集图片数量、图片分辨率、总步数、网络维度rank、学习率和硬件性能。大多数人训练慢是因为默认配置偏保守比如每张图要训练 30 轮以上网络维度设置得很高学习率又很低总耗时自然就上去了。四个加速步骤的逻辑是第一削减训练集规模。角色定妆照 Lora 不需要 100 张图20 到 30 张高质量、多角度的图片通常足够。图片质量比数量重要模糊、重复、带遮挡的图只会拖慢训练速度并污染特征。第二统一触发词并精简标签。给所有训练图打上同一个触发词比如tk_portrait再配少量共通的描述标签。标签复杂度降下来之后模型可以更快把“触发词”和“角色特征”绑定在一起。第三分阶段分辨率训练。先用 512×512 或 768×768 的低分辨率抽取面部和服装特征跑较少的步数然后用高清图在低学习率下做精修。这一阶段能充分保留五官细节却不需要从头到尾都在高分辨率下跑。第四限制训练步数和网络维度。每个 epoch 的步数根据图片数量动态计算网络维度控制在 16 到 32 之间。过高的 rank 不会明显提升表现只会增加训练时间和显存压力。理解这四个逻辑才能在具体设置训练参数时做到心里有数。下面第四章会给出真正可以直接照做的参数。2.3 MiniMaxH3 视频参考的提示词与图生视频机制视频模型的人物参考机制本质上是在生成视频的每一帧时都让参考图特征参与约束。MiniMaxH3 在本地部署后无论是通过 WebUI 还是 API 方式调用都支持输入参考图作为条件。在使用四视图定妆照作为视频参考时建议不要直接丢一张大网格图给模型而是先在工具里裁切出单视角图或者只提交正脸和半侧面两张。视频模型对参考图的解析能力有限一张包含四个小人物的网格图反而会稀释身份特征。更稳妥的做法是正脸图用于全局身份的锚定侧脸或背面图用于特定镜头切换的补充。此外H3 视频生成时提示词要写清楚动作和场景不要只写“这个人走动”而是写成“穿着红色外套的年轻女性从正面走向镜头然后转身离开”。这样模型在用到参考图的角度信息时才能准确对应到具体的镜头运动。3. 环境准备与版本说明3.1 工具清单这套流程涉及的工具比较多先统一列出来Krea-2用于生成四视图定妆照本文示例以网页版交互为主重点讲解思路和提示词写法。Stable Diffusion WebUI 或 ComfyUI用于 Lora 训练前的图像预处理以及训练完成后的出图验证二选一即可不影响整体流程。Lora 训练工具优先推荐 kohya_ss它对参数暴露比较完整适合需要精细控制训练策略的玩家。MiniMaxH3视频生成模型支持本地部署或远程 API 调用。不同分支版本的调用方式有差异本文示例以工作流思路为主。图像处理工具Photoshop、GIMP 或在线裁剪工具均可用于把 Krea-2 生成结果裁剪成统一尺寸。需要特别说明的是以上工具的版本更新速度都很快具体界面和命令可能与你当前看到的有所不同。本文的主要作用是提供一套可复用的技术路径而不是绑定某个固定版本号。3.2 硬件配置建议整套流程中最吃硬件的部分是 Lora 训练和 MiniMaxH3 本地部署。这里给出一个粗略的参考档位Lora 训练单张 RTX 3060 12G 显卡可以完成低 rank、低分辨率的角色 Lora 训练显存占用约 8 到 10G。如果训练分辨率提升到 1024 以上建议使用 16G 及以上显存的显卡。MiniMaxH3 本地部署社区中有用户反馈RTX 3060 12G 经过显存优化后可以运行部分低精度的模型档位但生成速度和视频长度会受到明显限制。如果只是测试参考图效果可以先用远程调用方式跑通流程后再考虑是否本地部署。硬盘方面建议预留至少 50G 空间用于存放训练集、中间生成图、Lora 模型和视频生成缓存文件。鬼知道一次批量生成会堆积多少个 GB。3.3 数据目录准备一个干净的目录结构能帮你省掉很多查错时间。推荐按下面的结构整理project_root/ ├── krea_output/ # Krea-2 生成的原始图 ├── train_dataset/ # Lora 训练集裁剪后 ├── lora_models/ # 训练完成的 Lora 文件 ├── video_reference/ # 用于 MiniMaxH3 的参考图 └── test_output/ # 训练后的验证图训练过程中产生的中间文件、中断恢复文件、预览图建议全部放一个临时目录定期清理避免把训练集弄乱。4. 完整实战从四视图到 Lora 提速再到视频参考4.1 用 Krea-2 生成四视图定妆照4.1.1 准备基准参考图第一张基准图的质量决定了整个定妆照的上限。建议先在 Krea-2 中用文生图生成一张角色正脸图或者导入你已有的角色立绘。选择基准图时注意三个要求人物五官清晰面部没有被大面积遮挡服装纹样完整可见方便后续保持一致背景尽量干净纯色背景优先。这里给出一条可复用的提示词模板portrait of a female character, realistic skin texture, detailed face, wearing red long coat and black boots, studio lighting, solid color background, front view, upper body, high details, 8k, professional photography生成后如果面部有轻微崩坏可以在 Krea-2 中做局部增强也可以直接重新生成。不要在一张有问题的基础图上继续做四个视角后面你会发现所有问题都会被放大。4.1.2 生成四个视角把基准图上传到 Krea-2 的参考图区域保持参考强度在中高区间然后依次生成以下四张图正面视图提示词强调front view, looking at camera, symmetrical composition。侧面视图提示词强调right side view, profile, ear visible。背面视图提示词强调back view, hair back, coat back detail。半侧视图提示词强调three-quarter view, left side, 45 degrees, face visible。可以参考下面这条提示词模板full body character sheet, same person as reference image, red long coat, black boots, [right side view / back view / three-quarter view], uniform lighting, plain gray background, style consistent, high details生成四张图后你会发现有些图的角度正确但脸部漂移有些图服装对但气质不对。这时候不需要重头再来可以把最接近的一张作为新的参考图继续迭代生成有问题的那个角度。这样每张图都是在上一步最优结果上推进一致性会越来越稳定。4.1.3 合成为定妆照网格四张单视角图确认后使用图像处理工具将它们排列为 2×2 的网格图。网格图建议使用固定画布和固定间距保持四张图的比例一致。合成后的定妆照可以直接作为 MiniMaxH3 的参考资料也可以作为 Lora 训练时的辅助图。当然Krea-2 本身通常也支持多图合成网格的效果但独立工具合成的网格更可控。合成时建议关闭自动增强避免改变画风。4.2 Lora 训练加速4 步实操4.2.1 第一步精简训练集到 2030 张把 Krea-2 生成的四视图以及同一角色的其他角度图统一收集起来裁掉背景和多余部分只保留人物主体。图片统一调整为 512×512 或 768×768保存为 PNG 格式避免 JPEG 压缩带来的面部纹理损失。挑选训练集时记住一个原则宁缺毋滥。如果一张图面部模糊、表情夸张或服装严重变形哪怕它角度很稀有也别放进训练集。20 张干净图训练出来的 Lora往往比 60 张杂图训练出来的更稳定。4.2.2 第二步统一触发词与标签为这批训练图建立一个统一的触发词例如tk_character然后在每张训练图的标签文件一般训练工具会自动生成中补充少量通用描述。kohya_ss 使用 BLIP 或 WD14 Tagger 自动打标但自动标签往往包含大量不相关的环境描述比如background、blurry。训练角色 Lora 时建议手动保留以下标签即可tk_character, solo, upper body, red coat, black boots, realistic统一触发词的作用是在训练时让模型把触发词与角色整体特征绑定。后续出图时只需要在提示词中加入触发词就能激活这个角色。4.2.3 第三步分两阶段训练低分辨率特征提取 高清精修在 kohya_ss 中推荐跑两个阶段。第一阶段以 512 分辨率为基础学习率设置为 1e-4网络维度rank设为 16网络 alpha 设为 8训练 10 到 12 个 epoch。这个阶段的目标是让模型快速捕捉角色的整体结构、服装配色和风格特征。第二阶段使用 768 或 1024 分辨率的精选图学习率降到 5e-5rank 可保持不变只训练 4 到 6 个 epoch。这个阶段是细节精修重点恢复面部特征和服装纹理。这种分阶段训练方式可以说非常实用第一阶段快速定型不浪费高分辨率计算第二阶段针对性补细节不会因为大量低分辨率图片拉低最终质感。4.2.4 第四步控制步数与提前终止每个 epoch 需要的步数 图片数量 × 重复次数repeats。例如 25 张图、repeats 设为 8则每个 epoch 是 200 步。训练过程中生成预览图一旦发现面部开始出现过拟合迹象比如皮肤质感越来越像塑料、表情固定化就应该提前终止。建议在训练参数中开启保存间隔为每 2 个 epoch并开启预览图生成。最后直接挑一个验证效果最佳的中间检查点作为成品不一定要用最后一个 epoch 的模型。4.2.5 Lora 训练示例参数下面是一份适合 12G 显存显卡的 kohya_ss 参考配置你可以直接复制到配置文件中按需调整{ pretrained_model_name_or_path: ./base_model.safetensors, train_data_dir: ./train_dataset, output_dir: ./lora_models, output_name: tk_character_v1, resolution: 512,512, train_batch_size: 2, epoch: 12, save_every_n_epochs: 2, learning_rate: 1e-4, network_dim: 16, network_alpha: 8, mixed_precision: fp16, save_preview_every_n_epochs: 2, trigger_word: tk_character }第二阶段的配置只需把resolution改为768,768learning_rate改为5e-5epoch改为6并换上高清训练图目录即可。如果训练过程中显存不够可以保持train_batch_size为 1效果差异不会太大。4.3 批量生成定妆照与 Lora 验证4.3.1 批量生成定妆照的思路如果你需要为一个项目准备多角色定妆照不建议一组一组手工重复操作。可以在 Krea-2 里把提示词模板中的角色描述部分抽象为变量例如把red long coat替换成[costume_description]批量提交时分别填入不同角色特征。对于已经确定要进入视频制作的角色可以再生成一组同一角色的动态姿势图行走、转身、挥手这些图可以作为 MiniMaxH3 视频生成的姿势参考。批量生成后的图片建议统一重命名例如character_01_front.png、character_01_back.png避免后期整理时认不出哪个是哪个。4.3.2 在 WebUI 中验证 Lora 效果训练完成后在 Stable Diffusion WebUI 的 Lora 选项卡中刷新并选择训练好的模型。测试提示词统一使用tk_character, full body, walking on street, cinematic lighting, 8k分别生成正面、侧面、背面三个角度的验证图观察角色脸型、服装、发型的一致性。如果验证图和我预期的一样稳定就可以进入视频参考阶段如果发现服装颜色出现偏移回到第二阶段用更低的维度训练 2 个 epoch 尝试修复。4.4 将定妆照用于 MiniMaxH3 视频人物参考4.4.1 准备视频参考图MiniMaxH3 视频生成时人物参考图建议选择正脸图和半侧图而不是背面图。把 Krea-2 四视图中最清晰的单视角图片裁剪出来放入video_reference目录。图片尺寸建议保持在 512×512 以上不要带有边框和文字。如果 H3 支持 Lora 模型的加载可以在部署环境中直接把训练完成的 Lora 文件放到模型目录并做好触发词配置。不支持 Lora 加载时就采用纯参考图方案两者并不冲突。4.4.2 编写视频生成提示词视频提示词建议采用“角色描述 动作 镜头 场景”的结构。先写角色描述再描述动作和镜头运动。例如tk_character, young woman in red long coat, walking from front camera to the right side, turning head to look back, sunny street background, camera follows the character movement, cinematic, smooth motion动作描述要具体避免抽象。模型需要从描述中理解什么时候需要用到侧脸参考什么时候只需要正脸参考这些与参考图能否发挥作用直接相关。4.4.3 工作流串接建议如果项目量比较大推荐用 ComfyUI 搭建一条批处理工作流读图节点加载参考图Krea-2 生成结果作为离线输入Lora 加载器管理不同角色的模型最后统一输出到 MiniMaxH3 生成视频。视频生成后建议保存 MVP最小可用预览版本只检查人物一致性确认后再渲染最终版本节省大量算力。也可以用更轻量的方式先在 Krea-2 把定妆照的各个单视角导出在 H3 中逐条生成测试片段手动挑选效果最好的片段作为成片素材。5. 常见问题与排查思路这套流程涉及三个工具每一环节都可能出问题。下面按出现频率整理出六种典型问题方便你对号入座排查。问题现象常见原因解决思路四视图生成后人物不像同一个人参考图强度太低提示词角度描述不明确提高参考图权重角度词前加best quality强调Lora 训练完成后角色特征不明显训练集图片太少或自动标签包含大量干扰精简到 2030 张标签只保留角色相关描述Lora 出图过拟合脸部塑料感强epoch 过多或学习率过高回退到较早检查点降低学习率重训 23 个 epochMiniMaxH3 参考图角色发生漂移使用整张四视图网格作为参考模型无法聚焦改用单视角参考图正脸图和半侧图分开输入训练中途显存不足崩溃分辨率太高、batch size 过大降分辨率到 768batch size 改为 1开启 fp16视频里角色角度切换时服装突变定妆照各角度服装细节不一致在 Krea-2 中用服装一致的图重新生成缺失角度排查技巧先确认问题出在哪个阶段。Krea-2 生成的定妆照如果本身不一致后面训练和生成怎么做都是徒劳。MiniMaxH3 视频出现问题时先固定参考图和提示词只检查镜头运动描述不要一次改太多变量。如果你遇到具体报错建议保留当时的操作日志和参考图统一整理后再排查。6. 最佳实践与工程建议6.1 提示词工程规范定妆照生成和视频参考是两个阶段提示词风格应该区分开。定妆照阶段强调服装、发型、视角关键词尽量精确到领口样式、外套颜色、腰带位置。视频生成阶段强调动作和镜头关键词需要加入运动轨迹、视线方向、镜头运动方式。建议建一个文本文件保存每类提示词模板团队协作时统一使用减少沟通成本。6.2 训练数据与版权安全训练 Lora 前检查图片素材的来源和授权尤其是使用网络图片时。涉及到他人作品、明星肖像、商业人物形象时需要注意合规边界。生产项目中使用 Lora 和视频生成前建议阅读对应平台的服务条款明确生成内容的商用权限。这不是小题大做而是把 AI 作画从个人爱好推向实际业务时绕不开的问题。6.3 批量生产的工程化管理角色多、批量大时建议引入配置文件来管理项目参数。比如每个角色一个文件夹内含一份project.json记录角色名、触发词、服装描述、各视角参考图路径和训练参数。批量训练时写一个简单脚本读取配置文件并调用 kohya_ss 的命令行接口可以省去大量手工设置。批处理脚本的示意逻辑如下import json import subprocess import os project_root ./projects for project_name in os.listdir(project_root): config_path os.path.join(project_root, project_name, project.json) if not os.path.exists(config_path): continue with open(config_path, r, encodingutf-8) as f: config json.load(f) cmd [ accelerate, launch, kohya_ss/train_network.py, --pretrained_model_name_or_path, config[base_model], --train_data_dir, config[train_dir], --output_dir, config[output_dir], --output_name, config[output_name], --resolution, config[resolution], --network_dim, str(config[network_dim]), --learning_rate, str(config[learning_rate]), --max_train_epochs, str(config[epoch]) ] print(f Training {project_name}) subprocess.run(cmd)这只是工程化改造的第一步但能明显减少手工操作频率减少重复劳动。如果你想更进一步可以在脚本中增加日志记录、失败重试和结果校验逻辑。6.4 硬件资源优化在有限显存环境下优先保证人物面部特征训练品质。把训练分辨率控制在 768 以内开启 fp16 混合精度关闭不需要的预览图生成。MiniMaxH3 本地部署前先跑一次基准测试确认显存占用情况避免正式任务中途崩溃。如果生成视频需要长时间渲染建议拆分成若干短视频片段生成再在剪辑工具中拼接。值得强调的是本地部署 H3 模型后的运行是否联网会影响工作流的稳定性判断。如果部署方案要求纯离线运行需要提前把参考图、模型权重和 Lora 文件全部准备好如果允许联网则可以按需更新模型文件。实际操作前先确认你的部署版本属于哪种模式避免图文工作流在关键时刻断档。7. 总结与进阶路线截至目前你已经掌握了一套从四视图定妆照出发经过 Lora 加速训练最终接入 MiniMaxH3 视频生成的完整流程。核心要点可以归纳为Krea-2 负责快速生成可用的四视图资产Lora 训练通过精简数据、分阶段训练和参数控制实现提速MiniMaxH3 则以定妆照为参考在视频生成中维持人物一致性。三者的价值是一步步递进的缺少任何一环人物视频的稳定性都会打折。接下来可以分三个方向继续深入一是研究 ControlNet 的多姿势控制让定妆照直接迁移到更复杂的动作姿势二是尝试在 MiniMaxH3 中叠加多个参考条件比如参考图加运动轨迹描述提升长镜头的连贯性三是把整套流程封装成自动化工作流批量生产多角色素材库。如果你正准备做 AI 动漫、短视频或虚拟角色直播素材建议优先在定妆照阶段多花时间前面的图足够扎实后面 Lora 和视频生成都能省力很多。如果本文对你有帮助可以收藏备用后续再遇到人物一致性训练和视频人物漂移的问题时直接对照本文的步骤排查即可。