组合本身不复杂，拆开就三步：
- 人脸一致性交给带跨镜头角色记忆的那套，换了机位也还认得出是同一个人；
- 再接一个语音模型，专门管声线；
- 每个镜头里放一句重复的台词当锚，脸和声音两边都靠它对齐。
这么串起来，整段多个镜头切下来脸和声音都不飘了。以前最头疼的就是机位一换人就变脸，配音也接不上，这条线基本能压住。
权重打包了 bf16、fp8、Q8、Q5、INT8 几档，配完整工作流，另外挂了个免费的在线体验。显存吃紧的先拿小档跑跑看，跑完回来说说你那边多长的镜头还扛得住一致性。
脸和声音一起锁这个思路太顶了，做连续分镜就缺这个
多档权重贴心，24G卡终于能上桌了 
1 个赞
码住，回头试Q5
想问下那句锚定台词换语言还稳吗，中文场景担心口型