必须固定Seed值（如12748）并重置流程，分三层写提示词（主体+锚点+动作），用OpenPose或Soft Edge ControlNet绑定轮廓，再通过Latent Upscale与SDXL Refiner强化细节。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要让ComfyUI生成的儿童绘本角色在多页连续画面中保持稳定且一眼可辨，必须绕过默认随机采样带来的面部细节漂移和配色跳跃问题。
用Seed锁定角色核心特征
在KSampler节点中，将seed值从“randomize”改为固定数字，例如【12748】。这一步是后续所有一致性操作的前提——没有固定seed，其他控制全部失效。
每次更换角色描述词后，必须重置seed并重新跑全图流程，不能只改提示词就点“Queue”。否则模型仍会沿用上一轮的隐空间噪声轨迹，导致发型或瞳色突变。
结构化提示词分层写法
把角色描述拆成三层，用英文逗号严格分隔：主体身份 + 固定视觉锚点 + 场景动作。例如：“a 6-year-old girl with braided pigtails and freckles on nose, wearing yellow raincoat with duck-shaped buttons and red galoshes, jumping over a puddle”。
中间“固定视觉锚点”部分必须包含至少两个不可替代的具象元素：比如“duck-shaped buttons”不能简化为“buttons”，“freckles on nose”不能只写“freckles”。缺少具体位置或形态限定，CLIP编码时会模糊匹配到相似但不一致的视觉概念。
避免使用抽象形容词如“cute”“happy”“friendly”——这些词在文本编码器里权重低、泛化强，反而稀释了braided pigtails这类高区分度特征的影响力。
用ControlNet绑定关键部位轮廓
方法一：OpenPose预处理器+全身姿态图。导入一张手绘线稿（仅含角色站立/奔跑/蹲坐等基础姿态），在ControlNet节点中选择“openpose_full”，权重设为0.75。这能强制生成图像严格对齐原始骨架结构，防止同一页内手臂长度忽长忽短。
方法二：Soft Edge预处理器+面部特写图。准备一张该角色正脸简笔画（突出眼睛间距、鼻梁弧度、嘴角上扬角度），ControlNet选“softedge_pidinet”，权重0.6。此法对五官排布稳定性提升最明显，尤其解决“同一角色左右眼大小不一”的高频问题。
【注意：两种ControlNet不能同时启用，否则会因多约束冲突导致画面崩解】
批量生成时用Latent Upscale保持细节密度
第一步：用基础分辨率（如512×512）跑出10张候选图，筛选出最符合角色设定的1张作为“种子图”；
第二步：将这张图的latent tensor输入到“Latent Upscale by”节点，缩放倍数设为2.0，采样器切换为“lanczos”；
第三步：把upscaled latent送入SDXL Refiner模型（而非原基础模型），仅运行20步采样。Refiner模型专精局部纹理强化，能固化雨衣反光质感、雀斑颗粒感等微小但高辨识度的细节。
