knowledge-vault/discussions/creative/在路上/在路上-video5-人物一致性调研.md

1

阅读交接文档。 主文档： handoff/2026-06-24-on-the-road-style-reference-handoff.md

辅助 context/manifest： review-context.md
review-file-manifest.json

里面包含了新会话必须阅读的资料、当前结论、五个核心镜头不是实际图生图的证据、人物锚板已清理状态、风格锚板下一步、以及不要继续做什么。

目前进展：

• 人物和风格目录已经清理，相应规则已经提炼
• 增加了C:\Users\wangq\Documents\Codex\video-workbench\projects\2026-06-23-在路上\intake\阶段五-人物一致性单镜.md

下一步工作是准备开始s14、s33、 s21、s05、s25等镜头的测试工作。

先对齐思路。

已读完交接、context/manifest，以及当前项目状态。当前应以后续两个新提交为准：8cad957 已完成风格规则和清理，4a2fe78 增加了人物一致性单镜骨架。也就是说风格锚板下一步已经不是“再清理”，而是用 style-prompt-master.md 进入 per-shot 执行。

我的对齐建议：

1. 五个镜头作为“人物一致性验证组”，不要按 s14/s33 这种最难近脸镜头先做。按新增文件建议走：S-05 → S-21 → S-14 → S-25 → S-33。先锁背影、背包、外套、动态，再靠近脸。
2. 当前 s05/s14/s21/s25/s33 目录里只有 broad-run 的 sNN-v1-image.png，没有 prompt/brief。下一轮应做 v2：sNN-v2-brief.md、sNN-v2-prompt.md、之后才是 sNN-v2-image.png。
3. 每个 v2-prompt 必须有 Reference Inputs：风格模块、active style reference、人物 reference、reference role、以及“实际生成路径是否能 attach image references”。
4. 现在 gpt-image-2 mode check 仍是 B-or-C，Garden 未启用、无 API key。当前可做 prompt/spec；但如果生成路径不能真实附加人物 PNG，就不能把生成结果当人物一致性验证。
5. S-05/S-21 用背影/步行动作 refs；S-14/S-25/S-33 用 side/front identity crops 加 master anchor。active 人物来源只用 character-reference-registry.md，不用 archive。
6. 不继续 s35，不覆盖 broad-run v1 图，不把五个已接受核心镜头当 image-reference 成功证据。

我建议下一步先创建这五个 v2 brief/prompt 文件和引用矩阵，不生成图；等你确认可用的真实 reference-capable 生成路径后，再按顺序执行图像测试。

2

停止镜头的后续工作。

实际生成路径是否能 attach image references 等你确认可用的真实 reference-capable 生成路径后，再按顺序执行图像测试

我们之前的文生图、图生图调研工作成果没有总结下来 我们这次重新做调研，完了做总结，不至于以后每次你都说不知道行不行。

在investigations新开一个本次的调研活动。 就以s14为例，你用skill准备一个生图提示词，然后：

1. 引用人物锚板，生成
2. 引用人物的具体图片来生成

不考虑文生图。 生成后做个检查。 同时我也参与检查。

最后根据调研结果，再来判断，如何修改相应的规则。

---

你根据这个，首先设计一下调研。

明白：停止镜头生产。这里不是继续修 s14，而是做一次“参考图输入能力”实证调研。

调研目标 建立一个可复用结论：当前可用生成路径是否能真正使用人物参考图，以及“人物锚板 vs 具体人物图片”哪种更适合身份一致性镜头。

推荐方案 用 s14 做双臂测试，不做纯文生图基线：

组别	参考输入	目的
A	visual-system/characters/character-anchor-v2-codex-posture-test.png	测人物锚板能否把整体身份、服装、背包、姿态带进场景
B	visual-system/characters/character-anchor-v2-side-reference-crop-tight.png	测具体半侧脸参考能否稳定年龄、眼镜、发型、胡茬、脸部气质

两组使用同一个 s14 prompt core：城市边缘阴影、半侧脸、疲惫但不塌、不是人像写真。唯一变量是 reference input。

关键门槛 生成调用必须有真实图片输入证据。只在 prompt 里写“参考某某路径”不算 attach image reference，不算通过能力测试。

如果当前工具调用没有图片附件/文件输入参数，本次调研应先记录为“当前路径不具备可证实 reference-capable 能力”，然后再决定是否改用人工附件、外部工具或 Garden/API 路径。

拟建调研目录 investigations/2026-06-24-s14-reference-capable-generation/

建议文件结构：

README.md
s14-reference-test-plan.md
prompts/
  s14-anchor-board-reference-prompt.md
  s14-side-crop-reference-prompt.md
generation-log.md
outputs/
  s14-anchor-board-reference-v1.png
  s14-side-crop-reference-v1.png
reviews/
  s14-anchor-board-reference-review.md
  s14-side-crop-reference-review.md
comparison-and-user-review.md
summary-and-rule-implications.md

检查口径 我先做本地检查，不直接改规则。你参与最终判断。

检查项：

• 是否真实使用了参考图，而不是 prompt-only；
• 是否保留 50 岁左右中年感；
• 是否有黑色矩形眼镜、深色稍乱头发、胡茬；
• 是否和锚板人物像同一个人；
• 是否保留深色长外套 / 背包肩带；
• 是否仍是城市压力下的短暂确认镜头，不变成人物写真；
• 哪个参考输入更适合后续 s14/s25/s33 这类半侧脸镜头。

调研后的规则修改 只有调研总结完成后，再决定是否改：

• character-reference-registry.md 的选图规则；
• style-prompt-master.md 的 Reference Inputs 要求；
• VIDEO_WORKBENCH.md 的图生图 / reference-capable 执行规则；
• 后续五镜测试顺序和 prompt 模板。

我建议按这个设计执行。确认后我先创建 investigation 目录和测试计划，再用 gpt-image-2 Skill 准备两份 s14 reference prompt；生成步骤等到确认有真实图片 attach 证据再动。

3

好的，同意这个调研设计。 你开始准备这个调研，中间过程我不参与。 结果你还要补一份你的调研结论。 我检查你的结论，两张生成的图，给出最终决策。

调研已完成，规则还没改，等待你检查后决策。

本次新增调研目录：
investigations/2026-06-24-s14-reference-capable-generation

两张生成图：

Arm A：人物锚板参考

Arm B：侧脸裁切参考

我的结论写在：
summary-and-rule-implications.md

核心判断：这次不是纯文生图。两次都是先把真实参考图加载进上下文，再用 image_gen 生成；结果也明显继承了黑框眼镜、发型、胡茬、长外套、背包等特征。更精确地说，目前验证的是 host built-in reference-by-visible-context，不是 Garden/API 的显式文件上传。

我建议：s14 这类半侧脸镜头优先用具体侧脸裁切图；人物锚板更适合作为辅助参考，用来稳服装、背包、整体气质。等你检查两张图和结论后，再决定是否把这条规则写进 registry / style-prompt-master / VIDEO_WORKBENCH。

验证已做：11 个调研文件存在；两张输出均为 1672x941 PNG；Git diff 只涉及 investigations/README.md 和新增 investigation 目录。

4

可以得出以下结论：

• 验证了如何得出有效果图的成功通道/方式：
  1. 生成Prompot：用Gpt Image 2 Advisor 模式
  2. 生成图片：先把真实参考图加载进上下文，再用 image_gen 生成
• 现在及将来都是用这个成功通道，不用API
• 不论锚板还是裁切，新图都保持了很好的人物一致性
• 对于近景，优先选择裁切图；远景，优先选择锚板
• 由于在路上项目大多数是风景、航拍这类远景，对人物形象的要求不高，只要一致就可以，所以目前所有裁切图都是从人物锚板中裁切，并做背景透明后的成果。以后类似的，都可以用这种方式；如果对人物形象要求高、近景多的，可以考虑裁切图利用图生图，借助锚板生成高分辨率的。

---

现在需要你提炼这个结论，

1. 作为本次调研的最终结论
2. 形成video-workbench的全局规则，避免每次都问不知道能不能参照，参照啥这些

---

5

之前的交接主文档： handoff/2026-06-24-on-the-road-style-reference-handoff.md

交接辅助 context/manifest： review-context.md
review-file-manifest.json

目前进展：

• 人物和风格目录已经清理，相应规则已经提炼
• 增加了C:\Users\wangq\Documents\Codex\video-workbench\projects\2026-06-23-在路上\intake\阶段五-人物一致性单镜.md，这个文档原先计划是用于做后续人物一致性的镜头测试的
• 完成了人物一致性的初步调研，并提炼了保持人物一致性办法的规则

基于目前进展，由于会话有压缩，哪些信息已经丢失了，你得自查一下。 重新整理一份交接文档，我将在新会话中继续优化流程

已重新整理一份新交接，并生成了对应 context/manifest：

• 主交接：2026-06-24-on-the-road-workflow-continuation-handoff.md
• 新会话索引：review-context.md
• 文件清单：review-file-manifest.json

交接里重点补了三件事：压缩后哪些信息不能再靠聊天记忆、旧交接中哪些开放问题已被 S14 调研关闭、下一阶段应转向“流程优化”而不是重新研究能否引用图片。也明确写了：风格目录已经清理，style-prompt-master.md 已存在；人物一致性五镜现在应作为 per-shot 流程压力测试，不再用于证明 reference-capable 路径。

验证已跑：

• context builder：PASS，13 个 source roots，32 个 included files，0 blocking errors。
• lifecycle scan：PASS，0 blocking，0 warnings。
• git status --short 显示这些仍未提交：AGENTS.md、VIDEO_WORKBENCH.md、investigations/README.md、新 handoff 目录、S14 investigation 目录。