给一句需求，它自己造出一个角色，然后把这个角色一路用到片尾。Muse 在人物一致性上的表现，被评价为"已经达到较高的水平"。

这条来自 PixelAIGC 的分享，核心不是画面有多好看，而是角色没有在镜头切换时"变脸"。生成一段 60 秒的视频，跨越多个场景，主角始终是同一个人——这件事在 AI 视频里一直不好办。

它先给自己造了一张"角色卡"

Muse 的工作流是这样的：接到需求后，它先自主生成一个统一的角色资产卡，相当于给这个角色定妆。之后的每一个片段，都回头引用这张卡，再拼接成完整叙事。

这个顺序很关键。不是先生成片段再想办法统一人物，而是先把人物的"身份"固定下来，再让各个场景去适配它。场景可以换，人物的身份锚点不动。

素材里提到的效果是：片段之间的过渡自然，叙事保持连贯。换句话说，观众看到的不是几段拼起来的素材，而是一个从头讲到尾的故事。

被拿来测试的是一首宋词

这次生成任务的对象，是秦观的宋词《点绛唇》。Muse 把它转译成了一段 60 秒的视频。

选宋词做测试，难度其实不低。词这种体裁本身就有场景转换和情绪流动，从一句到下一句，画面往往要换地方、换时间、换氛围。人物如果在这个过程中走形，整段视频的叙事就断了。

60 秒不算长，但要在这 60 秒里保持同一个人物、完成多次场景切换、还要让转场不生硬，考验的是模型对"身份"这件事的持续记忆能力。

一致性为什么是道坎

AI 视频生成里，单帧好看不难，难的是跨帧稳定。同一个角色出现在第二个镜头里，脸型、发型、服装细节稍有漂移，观众立刻出戏。

Muse 的做法是把角色抽成一个可复用的资产，而不是每次重新"想象"这个人。这个思路把问题从"每一帧都要猜对"变成了"每一帧都去对齐同一个参照"。

素材给出的判断是，Muse 在人物一致性上已经达到较高水平。这个评价对应的具体表现，就是那段 60 秒视频里的无缝转场和叙事连贯。

从产品角度看，这条路径指向的需求很明确：当创作者想讲一个有主角的故事，而不是生成一堆互不相干的漂亮画面时，角色能不能"记住自己是谁"，决定了 AI 视频能不能真正进入叙事场景。