上周朋友托我整理一套跑团角色的人物卡我顺手用 GPT Images 2.5 把角色立绘、三视图、表情集和道具图一起出完连卡面上的中文排版、角色名和状态标签都直接让模型渲染出来了。整个过程比我想象中顺利得多但踩过的坑也不少。这篇就把我用 GPT Images 2.5 做人物卡与角色设计的完整思路写下来包括选型理由、提示词结构、角色一致性控制方法以及二十几次实测里的翻车记录和修复链路给同样在做原创角色、游戏人设或自媒体素材的人做个参考。1. 让文字和排版一起进画面GPT Images 2.5 在人物卡上的独特优势1.1 人物卡最卡脖子的从来不是“画人”而是“文字与版式”做人物卡和单纯画角色立绘是两回事。立绘只需要一个好看的人站那儿人物卡却要在一张图里塞进角色形象、名字、称号、属性标签、背景描述的固定位置。传统绘图模型也能画人但一旦要求它渲染出清晰、正确、位置固定的中文文字出图质量立刻下降好几个档次。我用 Midjourney 做过类似的卡最痛苦的就是文字问题。英文短词偶尔能蒙对中文基本是鬼画符。Stable Diffusion 可以用 ControlNet 加排版模型勉强做但配置成本和学习曲线都很高得同时维护 LoRA、字体模型、区域控制一套东西。GPT Images 2.5 最让我意外的地方是它对“图像里的文字”有真正的理解能力不光是画出文字笔画还能按照提示词里的位置关系把角色名、小标题、注释行放对地方。这一个能力直接把我做人物卡的工作流压缩了一大半。1.2 核心选型逻辑原生多模态模型比“画图工具”更适合做设计稿很多人把 GPT Images 2.5 当成 Midjourney 的平替这个定位其实不太对。Midjourney 擅长氛围、光影和风格化但它的核心逻辑还是“从噪声里生成一张好看的图”文字是附加能力。GPT Images 2.5 更像一个“会画画的助手”因为底层是原生多模态模型对描述的理解能力更强能够执行带条件的布局指令。我在选型时主要从三点考虑。文字渲染人物卡上的角色名、阵营标签、技能名必须是可读的模型需要能按引号内容逐字输出。布局控制告诉它“左上角放称号、右下角放名字”它大概率会照做这在以前需要多次重绘或者手动合成。角色记忆同一角色连续生成多张图时只要在一个对话里保持角色设定输入人物特征能保持得相当稳定。这三个能力组合在一起意味着我可以在一个窗口里连续完成“人物主卡—三视图—表情集—场景卡”的整套物料而不是每张图另起炉灶、手动统一人设。1.3 首张人物卡提示词一个可以直接抄的模板第一次上手时我先拿一张最简单的卡试水。核心思路是给模型明确的信息层次先说人物是谁再说姿势和五官细节接着是环境、风格最后是卡片上的文字排版。提示词参考如下。一张纵向比例 3:4 的角色人物卡。 角色守夜人“沈砚”30岁男性黑色短发左眼下方一道细疤青色虹膜穿深灰色军装外套领口有银色猫头鹰徽章。 动作半身像朝左侧四分之三侧身神情冷静。 背景雨夜城楼后方一盏暖黄色灯笼暗青色调。 风格厚涂半写实电影感布光细节集中在脸部和服装材质。 卡片排版左上角用复古金色字体写“守夜人”右下角竖排写“沈砚”两个汉字人物下方有一行浅色小字“戍卫北境第十七年”。 不要添加除上述文字外的任何字幕、水印或品牌标识。这一版生成出来人物造型和整体氛围非常在线文字也只错了一处“戍卫北境第十七年”里的“第”字多了一笔。整体可用度大概有七成手动修一下就能用。比起以前用别的工具动辄几小时修图这个速度已经让我满意了。2. 同一张脸不能被第二次遗忘角色一致性的控制逻辑与操作锚点2.1 为什么同一角色跨图容易“变脸”单张人物卡很容易做难的是让同一角色出现在下一张图里时还是那个人。GPT Images 2.5 每次生成都会根据当前提示词重新采样如果提示词里只有“一个穿军装的男人”模型会随机挑一张符合描述的脸下一张随机出另一张脸气质完全对不上。要解决这个问题得理解一个基本规律模型的一致性来自“足够多的确定性描述”而不是来自“它记住了角色”。你描述得越详细、越固定它在不同采样里能胡来的空间就越小。我第一次尝试时只写了“守夜人沈砚黑发疤痕”结果四张图出了四张完全不同的脸连年龄都不一样。后来把特征写成固定清单一致性立刻好很多。2.2 角色描述块把每张图的提示词前部固定成同一段我现在的做法是给每个角色建立一个“角色描述块”后续每张图都把这段原样复制到提示词最前面不做任何改动。以沈砚为例这段长这样。角色锚点沈砚男性30岁左右黑色微长发青色虹膜左眼下有一条竖直的细疤眉毛浓且走势下压鼻子挺直嘴角习惯性向下抿。服装永远是深灰色双排扣军装外套银色猫头鹰扣章黑色皮手套。这段里的每个词都在做同一件事限制模型可选择的范围。眉毛走势、嘴角习惯、面部细节越具体随机采样的区间就越小。后面接不同任务时我只需要在角色锚点之下换掉动作、场景和排版要求。比如做表情集时写“同一角色四宫格表情面板愤怒、微笑、沉思、警觉保持五官与服装完全一致”做三视图时写“同一角色正面、侧面、背面三视图站姿纯色背景保持发型和服装细节完全一致”。这个方法的本质是“用确定性较高的特征描述抵消采样随机性”。根据我的实测十张图中能稳定住核心五官的概率大概在六到七成比不写锚点的不到一成提升明显。2.3 同一个对话线程是大杀器让 GPT Images 2.5 “看”着前一张图继续除了提示词锚点还有一个几乎不花钱就能用的技巧不要开新对话。同一主题的生成任务尽量放在同一个对话框里连续发。GPT Images 2.5 会参考前文的图像上下文让它接着上一张继续画一致性会大幅提升。比如我先让它生成沈砚的标准半身像确认满意之后下一条消息直接说“保持这个角色不变现在让他站在城墙缺口前全身像能看到完整军装外套和靴子”。这一轮出来的结果脸型、发型、眼神基本继承下来了。我把它当成“对话线程角色绑定法”配合前面的角色锚点一起用是目前成本最低、效果最直观的一致性方案。2.4 用“参考图路径”把主卡作为视觉基准还有一个更可靠但稍微麻烦一点的办法把已经生成好的角色主卡当作视觉基准用图片上传功能让模型参考这张图再继续生成。GPT Images 2.5 能读图你把主卡上传进去告诉它“以这张图里的人物造型为准生成他的三视图”输出结果通常会比纯文字更稳。这样做的一致性已经足够应付角色物料生产不需要额外训练 LoRA。3. 从一张主卡到整套角色卡ZHO 的六卡工作流与提示词拆解3.1 一套完整的人物卡物料应该包含哪些第一次做人物卡只需要一张立绘卡做完就发现不够用。角色设计如果要用到桌游、小说插图、视频分镜或者个人 IP 运营里至少要有一套“可复用的基础物料”。我在这轮项目里把整套流程定为六张卡。主卡半身像加文字排版用于展示页、封面、头像。三视图正面、侧面、背面用于设定稿、建模参考、服装细节确认。表情集四到六宫格表情用于对话、日常内容更新。动作卡一到两个标志性动作用于战斗场景、宣传海报。道具卡角色随身武器的独立细节图用于装备说明、商城展示。场景卡角色站在特定环境里的全身图用于跑团封面、章节题图。每一张卡都复用同一个角色锚点整套出来之后看起来才像一个角色。3.2 主卡实操先跑版式再锁定角色做主卡的时候我习惯分两步走第一步关掉文字要求只出人物图确定形象第二步再把文字排版要求加回去。第一步的提示词很简单就是角色锚点加上“半身像、暗色背景、电影光、3:4”。生成五到六张选出最符合人设的一张上传到对话里作为后续参考基准。第二步这样写保持这张图的人物和构图不变为它添加卡片版式左上角写“守夜人”右下角写“沈砚”人物下方的左侧加一行小字“戍卫北境第十七年”。字号不要压到人脸上文字颜色用暗金色与整体青黑冷色调协调。这里有个很重要的细节模型会默认使用衬线和无衬线的混合字体如果你不指定“古典衬线字体”或“手写风格”它可能给出现代感很强的字体。做角色卡时我会追加一句“字体风格为古籍书法风格不要现代黑体”。3.3 三视图和表情集锁定角色后的批量衍生三视图的提示词写法如下。同一角色锚点全身三视图正面、正右侧面、正背面三格纵向排列在同一张竖图里。人物保持站姿双臂自然下垂头部平视服装、发型、配饰细节三格完全一致。背景是纯浅灰色不需要文字。这里要注意模型对“侧面”的理解偶尔会变成“四分之三侧”所以我会补充“是正90度侧面能看到耳朵和外轮廓”。如果它还是画错就返回上一步把参考图重新上传再强调一遍。表情集我做成四宫格用词要具体到情绪名称并且强调“面部表情变化五官结构不变”。如果连续两次表情雷同我会把格子顺序写出来比如“左上愤怒、右上微笑、左下沉思、右下警觉”模型会更听话。3.4 道具卡与场景卡角色资产的延展道具卡不需要出现人物但需要和角色绑定所以我把角色锚点里“服装”相关的部分简化成“属于沈砚的配饰”再重点描述物品本身。一件军用短刀刀鞘为深棕色皮质银色护手上刻有猫头鹰图案放在深色木桌上背景虚化油画风格暖色侧光。这种描述在 GPT Images 2.5 里出图成功率很高。重点是给它一个“大空间里的特写”意识强调材质的触觉感比如皮革纹理、金属反光、刮痕。场景卡我让角色和环境产生互动“沈砚站在北境城墙的缺口处身后是雨雾中的森林风吹起外套下摆背影略侧。”场景卡适合用于封面和横幅不需要文字就把版面留白做好。4. 实测翻车现场GPT Images 2.5 做人物卡的高频失败模式与修复链路4.1 翻车样本一手部结构崩坏首轮生成中我放了大量半身像手部只要入画翻车率就很高。最常见的是手指数量不对和关节扭曲。这不是 GPT Images 2.5 特有的问题几乎所有生成模型都怕手。关键是处理方式第一尽量把手藏在服装口袋、交叉在胸前或背部第二如果必须要露手我在提示词里明确写“自然放松地放在胸前手指自然并拢”而不是笼统说“手放前面”第三还是不行就换一个不需要手的构图把画面重心放在面部和服装细节上。人物卡绝大多数场景并不依赖手部没必要为了好看强行处理。4.2 翻车样本二文字乱码和排版错位文字是人物卡最容易出问题的环节。实测下来数字、英文、中文三种混排时错误率最高尤其是中文字符多的时候模型会自创一些形似汉字但其实是乱码的字形。修复链路是这样的先精确指定文字内容用引号把话框起来再限制文字数量一张卡上最多三到四处文字如果还是乱码把文字要求删掉先生成干净的人物图再用后续追加的方式让模型单独补字。千万不要在一张图上同时要求台词、标题、注释、签名那样大概率整版乱掉。另外我发现把字体风格描述得越具体出错率越低。“瘦金体风格”“宋体书名风格”这种描述比“好看的字体”靠谱得多。4.3 翻车样本三角色特征漂移连续生成三张之后角色有时会突然换发型或眼神变柔。根源是多轮对话里模型把前一条信息理解窄了。我的修复方法是每轮生成前都重新粘贴角色锚点并且在角色锚点后加一句“以上特征为最高优先级任何动作和环境描述都不能改变五官和服装细节”。实测这句话对稳定性有正面作用。遇到三视图里三个角度衣服纹样对不上的问题我的处理是优先保证发型和面部一致服装细节靠后期补画。设定稿阶段允许一定误差真正要用于建模时再用人工修图统一。4.4 翻车样本四背景元素乱入生成整套卡时模型偶尔会在半身像旁边多画出一把椅子、一个路人或者一条狗。处理方式很简单提示词里加一条“背景中不要出现第二个人、动物或家具”比单纯调整种子更有效。因为 GPT Images 2.5 是理解语言的模型明确排除比似是而非的含糊要求管用得多。4.5 修复工具链的分工GPT Images 2.5 本身就支持反复迭代你不满意哪张图直接说“手的部分重画”“把左上角的字改成‘守夜人’”它会针对性地重绘。这个能力救了很多次。但某些结构性问题比如手指数量总是不对或字体始终乱码迭代十几次也修不好不必死磕。我的原则是利用模型快速迭代把 90% 的问题解决剩下 10% 交给外部工具。人物卡结构问题用 Photoshop 液化处理字体乱码直接截图重做或用生成素材重新合成画幅比例调整用 AI 扩图工具补背景。这样组合下来一张卡最快十几分钟就能出成品。5. 做完一套卡之后还能怎么用人物卡资产的批量复用与扩展5.1 同一角色批量生头像、表情包和封面整套基础物料全部搞定后就要考虑内容产出了。人物卡不是终点而是一个“资产库的入口”。我会把确认形象的那张主卡存成底图后续在同一个对话里让它生成头像版本、表情包版本、竖屏封面版本。只需要在角色锚点后更改画面比例和构图描述就能批量出一整套社交头像适合做小红书主页、公众号封面、品牌周边素材。5.2 建立角色设定文档与提示词资产库做久了就会发现提示词本身也是资产。我给每个角色建一个文档记录三样东西角色锚点描述、生成成功的高质量成图、踩坑后的修正提示词。下次要复用角色时不用重新摸索直接复制锚点几分钟就能重新生成一组新物料。这个习惯对长期创作尤其重要。很多项目断档一个月再回来模型版本可能已经更新原来的提示词会失效。有设定文档在手至少能快速定位是哪一段提示词不兼容了。5.3 版权与合规使用提醒用 GPT Images 2.5 做原创角色时我强烈建议只用完全自创的人物设定不要仿照真实明星、插画师既有角色或受版权保护的卡通形象。AI 内容生成本身是个辅助创作工具但最终的商用权限要看你使用的产品条款和当地规则出图前先查阅服务条款比较稳妥。实际运营时我也只把 AI 生成图作为初稿和素材正式商用前会再人工清一遍版权风险。5.4 后续可以继续延伸的方向这套流程目前已经能稳定支撑跑团人物卡、小说配角立绘、视频封面配图和个人 IP 的角色物料。再往上走还可以把同一角色的全套设定图交给其他工具转成 3D 模型草稿或者用表情集做微信表情包静态帧。核心思路始终是先花两小时把角色的“视觉身份证”做扎实之后所有衍生内容都会变得又快又稳。我实际操作了这么多轮之后最大的感受是GPT Images 2.5 把角色设计的门槛压低了但它并没有消灭设计师的“画面控制能力”。文字排版是否克制、角色特征是否清晰、风格锚点是否统一这些依然是决定成品质量的关键。工具能帮你几秒钟出一张漂亮的图可一套人物卡能不能真正成立靠的还是你想清楚了自己角色是谁。这个思考的时间省不得。