在LiblibAI中生成多角色同框图像需角色隔离：每角色独立编号描述、禁用指代词、加括号权重锚定区分特征、量化构图防融合，并用中式负向词精准拦截串脸。
☞☞☞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☜☜☜
在LiblibAI中生成多个人物同框图像时，若提示词未做角色隔离，AI会把不同人物的五官、发色、脸型自动融合，导致串脸、错位、身份模糊——比如“穿蓝衬衫的男人和戴草帽的女人”常被渲染成同一张脸来回切换，根本分不清谁是谁。
先拆开再组装：每人独立成段+编号锚定
第一步：在正向提示词最开头插入「角色1:」，紧接着用中文完整描述第一个人的所有可识别特征，包括发型、脸型、服饰、道具、姿态、皮肤细节，全部绑定在同一编号下。例如：“角色1:齐肩黑发女人，左眉尾有浅疤（2024年咖啡机蒸汽烫伤），穿未系第三颗纽扣的白衬衫，袖口卷至小臂中段，右手食指指甲边缘有微凹痕”。
第二步：换行，写「角色2:」，同样用纯中文描述第二人，**绝不复用第一人的词汇**，尤其避免“同样”“也”“另一位”这类指代词。例如：“角色2:寸头青年，右耳垂穿银环，T恤领口撕裂处露出锁骨下方一颗痣，左手正捏着半截烟，烟灰将落未落”。
第三步：描述完所有角色后，再写共处场景，但仅限空间关系与动作交互，不添加新外貌信息。例如：“两人站在北京朝阳区某联合办公空间B座3楼靠窗工位，角色1低头看手机，屏幕光映在右脸颊；角色2侧身倚墙，目光略高于角色1头顶”。【编号必须用中文冒号+全角符号，误用英文:或顿号会导致模型分词失败】
方法一：用括号权重锁定关键区分项
在角色描述内部，对易混淆部位加括号权重强化。例如在角色1中写“（左眉尾浅疤:1.6）”，在角色2中写“（右耳垂银环:1.5）”。权重值设为1.4～1.7之间，既不过载也不失效。
这一步不能全局加权，只针对真正起区分作用的物理锚点——痣的位置、疤痕时间、耳环材质、纽扣状态等，其他泛泛描述如“好看”“年轻”直接删掉。
方法二：强制错位构图切断视觉融合路径
在提示词末尾统一加构图指令：“角色1位于画面左侧三分之一处，角色2位于右侧四分之一处，中间留白占45%，背景是未关严的百叶窗缝隙透进的光条，光条斜切过角色2右肩但不照脸”。
这种量化位置+遮挡关系的写法，能从采样初期就切断AI把两人五官强行对齐的倾向。如果只写“两人并排站立”，AI默认按人脸模板居中对称排布，混脸风险翻倍。
负向词必须中式精准拦截
把这组负向词整段粘贴进Negative Prompt框：(same face:1.8),(identical features:1.7),(merged五官:1.6),(双人同款发型:1.5),(交叠轮廓线:1.4)。
通用负向词如“deformed, bad anatomy”对串脸问题几乎无效，这组词专治LiblibAI高频崩坏类型，其中“merged五官”和“双人同款发型”是中文训练集里真实存在的token，模型能准确识别并规避。
