在长剧制作过程中，同一角色会因剧情推进经历年龄增长、身份转变乃至季节更替。这些变化往往直观体现在服装与体态上，观众一眼便能察觉“这人怎么突然变样了，但又没完全变样”。要避免这种出戏感，必须建立一套可追溯、可复用且不依赖人工记忆的管理流程。核心逻辑只有一个：为每个角色创建专属ID，并围绕该ID串联所有资产。

建立角色基础档案表

第一步，先创建一份“角色户口本”。新建Excel文件，命名为【角色主档_全剧通用】。首行固定字段包括：角色ID、姓名、初始年龄、出生年份、核心身份、体型关键词、肤色、发色、瞳色、标志性配饰、备注。每个角色占据一行。特别注意，【角色ID必须采用英文+数字组合，例如LY-01、ZX-03，切勿使用中文或纯数字】。后续所有素材命名、图层标签、分镜标注均依赖该ID进行检索。初始年龄填写拍摄开始时的设定数值，例如“17岁”，切勿使用范围或“约”字；出生年份填写具体年份，例如“2006”，这样后期按时间轴推算，便能自动得出各集对应年龄。

服饰资产分级归档

档案建立后，接下来处理服装。在项目根目录下按以下路径创建文件夹：Assets → Characters → [角色ID] → Costume。Costume文件夹内仅存放四类子文件夹：Base（基础常服，如校服、工装）、Seasonal（应季替换款，例如冬大衣、夏短袖）、Status（身份变更款，例如入职西装、婚后旗袍）、Damage（破损、污渍、褪色等状态变体）。每套服装图片的命名必须规范：[角色ID]_[部位]_[状态码]_[版本号].png。例如：LY-01_top_Base_01.png、LY-01_skirt_Seasonal_Winter_02.png。版本号从01开始，每次修改须升级版本，旧版保留不覆盖，以便追溯。

年龄演变时间轴绑定

仅有档案和服装还不够，还需将它们与剧情时间线绑定。打开Timeline工具（Shotcut或DaVinci Resolve的标记功能均可），在主时间轴顶部新建一条轨道，命名为“Age & Outfit”。按剧本场次顺序，在每场戏的开头帧打一个标记，内容格式为：[集数]-[场号] | [角色ID] | [剧情年龄] | [着装状态码]。例如：S03-E07 | LY-01 | 19岁 | Status_Workwear_01。标记打好后，拖拽至对应镜头的起始位置，确保标记帧与角色首次入画帧精确对齐。标记一旦创建，切勿删除，仅允许编辑内容。最后，将标记列表导出为CSV，用Excel打开，通过VLOOKUP函数关联到【角色主档_全剧通用】表中的出生年份，自动计算出该场理论年龄，再与剧情年龄比对。若差值超过±0.5岁，则需立即核查剧本时间线或角色档案。

AI绘图提示词动态注入

完成以上工作后，进入AI绘图环节，需确保模型遵循设定。常见方法有两种：

方法一：在ComfyUI工作流中，于CLIP文本编码节点前添加“字符串拼接”节点。将角色ID作为输入，从JSON配置文件中读取对应的体型、肤色、发色参数，实时注入正向提示词。

方法二：在Stable Diffusion WebUI中启用Dynamic Prompts插件，创建模板：{role_id} {age} year old {body_type} {skin_tone} {hair_color} wearing {outfit_tag}。其中{outfit_tag}由当前时间轴标记中的[着装状态码]映射生成，需提前在mapping.json中定义，例如LY-01_Status_Workwear_01对应“navy blazer with white blouse, black pencil skirt”。

无论采用哪种方法，所有AI生成的图片，其图层命名中必须包含完整的角色ID和状态码。例如PSD中图层命名为LY-01_Face_19yo_Base_01，切勿使用“主角_正面_新版”等模糊名称。

跨集视觉一致性校验

最后一步，也是许多团队容易忽视的环节。建议每周五下午固定进行一次校验。打开最新一集成片工程文件，逐个调出包含该角色的镜头，截图保存为PNG，放入临时文件夹【QC_Check_S04E12】中。使用预先编写的Python脚本，批量提取截图中角色面部的HSV均值、上衣主色RGB、发型轮廓相似度，生成一份比对报告。报告中，偏离设定阈值超过15%的项将以红色标识（例如S04E12_087镜头中，LY-01上衣RGB偏离Base_01标准值高达22%）。收到报告后，立即定位原始AI绘图参数、时间轴标记、Costume文件夹中的对应版本，逐项核对。【只要有一处不一致，即以角色主档表中的初始设定为最终仲裁依据】。这才是确保前后视觉一致性的根本方法。