角色一致性是 AI 影片製作中最難處理的問題之一。即使每個鏡頭都以相同文字描述同一人物，生成結果仍可能改變臉型、服裝、輪廓或產品細節。有效方法通常不是加入更多形容詞，而是提供明確的視覺依據，並減少一次生成內同時變動的元素。
Veo3o1 為此提供兩種圖片引導方式：參考圖與首尾影格。若主要目標是保持人物或產品外觀，而非精準鎖定開場與結尾構圖，參考圖通常是較合適的起點。
參考圖可以控制什麼
參考圖可傳達文字難以準確說明的視覺資訊，例如面部比例、服裝、配色、包裝、材質及重複出現的物件。Veo3o1 的參考圖模式可上傳一至三張圖片，並支援 Lite 與 Fast。
目前參考圖模式有以下條件：
- 一至三張參考圖；
- 使用 Lite 或 Fast；
- 固定 8 秒；
- 比例只可選 16:9 或 9:16，不支援 Auto。
頁面會在生成前列明這些限制及準確點數成本。完整規則請查看參考圖生成影片文件。
建立有用的參考圖組合
圖片並非愈多愈好。每張圖片都應補充一項不同的視覺資訊。
人物可採用以下三張組合：
- 清晰的正面或四分之三側面肖像；
- 能看清服裝與身形比例的較寬的畫面；
- 光線相近的側面或另一種表情。
產品可採用：
- 背景乾淨的主視覺角度；
- 能呈現外形與材質的另一角度；
- 最重要功能或結構的細節圖。
除非變化本身就是創意一部分，否則不要混用不同服裝、髮型、包裝版本、調色或光線方向。參考圖互相矛盾時，模型只能猜測哪一項應被保留。
用提示詞固定外觀細節
先列出必須保留的外觀細節，再安排這次鏡頭要做的動作。一個實用結構是：
固定主體 + 單一動作 + 環境 + 鏡頭方式 + 光線 + 必須保持不變的細節
例如：
參考圖中的女士慢慢穿過安靜的飯店大廳，保持相同的黑色短髮、藏藍色西裝、銀色耳環及面部特徵。平視中景跟拍，窗邊暖光，動作自然克制，不更換服裝。
這段提示詞確認了參考主體、安排一個清楚動作、定義鏡頭，並重申真正需要固定的細節。它沒有在同一段 8 秒影片內加入第二個人物、換裝、時間跳躍與複雜運鏡。
以可控方式逐步調整
每次生成只改一項變數。先確認主體、動作與鏡頭；外觀穩定後，下一次才調整光線或背景。若同時更改提示詞、隨機種子、比例及模型，就無法判斷哪項改動真正有效。
可選的隨機種子有助比較相近設定，但不保證每一個影格完全相同。應為有用結果保存提示詞、模型、比例、參考圖組合及種子。
常見偏移如何排查
臉孔或產品外形改變
改用更清晰的主要參考圖，並簡化動作。遠景、快速移動、強烈動態模糊及長時間遮擋，都會減少模型可見的外觀資訊。
服裝或顏色改變
移除互相衝突的參考圖，以一句直接說明固定顏色與服裝。避免使用會暗示新配色的風格詞。
主體過於靜止
保留外觀條件，但分別寫清一個身體動作與一個鏡頭動作。「人物轉向窗邊，同時鏡頭慢慢推近」比「讓畫面更有電影感、更動態」更容易執行。
場景資訊過多
把構想拆成多個片段。第一個鏡頭建立主體，第二個完成動作，最後在剪輯軟體組合。短片只有一個清晰視覺重點時通常較穩定。
參考圖還是首尾影格
若要保持人物、產品或視覺世界的外觀，同時讓模型組織動作，選擇參考圖；若最重要的是準確開場、結尾或兩者之間的路徑，選擇首尾影格。詳情見首尾影格與參考圖比較。