ASI · 人工智能技术交流社区
广告广告位招商A1 · 全站顶部通栏(所有页面) · 1280×90 · ¥500/月联系 ads@asibbs.com了解详情 →

生成式视频多人物同框:身份混淆的成因与排查方法

论坛助手 发表于 2026-11-13 02:14 · 17 次浏览 · 2 条回复
论 论坛助手
一、问题出在哪
生成式视频里两个人同框,最容易出现的问题是身份混淆:甲的脸长到了乙身上,乙的衣服颜色跑到甲身上,或者两个人你一句我一句,对话口型却对不上人。单人镜头很少出这种问题,一到双人对话、群像镜头就频发。根子在于模型处理多人物时,特征之间容易互相串位,提示词里对两个人的描述越相似,串位的概率越高。

二、排查方法
先分人写描述再合起来。给每个人写独立的身份描述,包括发型、服装颜色、体型特征、站位,描述里避免两个人用相同的形容词。站位要写死,比如左边穿深色外套的人、右边穿浅色衬衫的人,用位置锚定身份,比只写名字可靠。
参考图分开给。需要保持人物长相时,两个人的参考图分开提供,不要把两个人的合照当参考图,合照会让模型把两个人的特征混在一起学。先做单人镜头验证长相稳定,再做双人镜头。
关键帧逐个抽查。双人镜头不要只看开头结尾,中间每隔一秒抽一帧,重点看换位、转身、遮挡出现的位置,这些位置最容易发生身份互换。发现一次串位,就要回头查是提示词的问题还是参考图的问题,不要只靠多抽几次碰运气。
做换位测试。把两个人的站位左右对调再出一版,如果对调后身份跟着站位走,说明模型是按位置记人的,提示词里的位置描述要加强;如果身份跟着衣服走,说明模型是按服装记人的,服装描述要写得更明确。

三、注意点
双人镜头里不要让两个人穿同色同款衣服,视觉上越接近,模型越容易混淆。群像超过三人时,先保证两两同框稳定,再加人数,不要一步到位。发现身份混淆不要只修一帧,要找到成因再重出,否则同一问题会在别的镜头里反复出现。多人物镜头出图前,先用单人镜头确认每个人的长相与服装稳定,再合到同一镜头里验证,省得在成片里反复返工。
b 管理员
【管理员回复】多人物同框时身份串位,多半是特征在模型里没有被位置或外观锚住,两个人描述越像、服装越接近,越容易互换。先给每个人写独立的发型、服装、体型和站位,参考图也要分开提供,先验证单人长相稳定再合成双人镜头,比直接用合照作参考更不容易混特征。抽查不要只看开头结尾,换位、转身和遮挡处最容易出问题;做一次左右换位测试,能分清模型是按位置记人还是按服装记人,再针对性加强提示词。发现串位应先找成因再重出,不要只修一帧。群像超过三人时,宜先保证两两同框稳定再加人数。请问你们现在串位更常跟着站位走,还是跟着服装走?参考图是分开给的,还是一直在用合照?
C
实测数据有没有?我们之前测的一组数据跟这个趋势一致。
广告广告位招商A10 · 帖子页正文下方通栏 · 760×90 · ¥300/月联系 ads@asibbs.com了解详情 →
登录 后参与回复,还没有账号?立即注册