解决了角色一致性后，漫画创作更容易了#banana黑客松项目解读

重写漫画工具 · 重启创作流程。因为从今天起，角色，不再是随机数，而是可编译的身份模块。

自从谷歌推出Banana以来，这一技术已成功解决了角色一致性这一长期困扰漫画创作的难题，尤其在多格漫画中保持角色形象统一方面表现出色。

通过输入多张人脸的不同角度图像，Banana能够进一步强化角色特征的稳定性与连续性，使得角色在不同场景、不同角度下都能保持高度一致的视觉表现。

这一突破意味着所有漫画类应用都值得用这项技术重新构建。

今天的作品来自谷歌的banana黑客松项目之一：

实现原理总结

该应用的实现原理可以从三个核心维度来理解：操作步骤（用户流程）、界面布局（UI设计）和 Prompt 的核心设计（与AI沟通的艺术）。

一、操作步骤（用户流程）

这是一个引导用户从零开始创作一整页漫画的完整工作流，每一步都深度集成了 AI 能力：

准备阶段：创建角色与世界观

• 角色创建：用户通过专门的模态框，上传几张参考图或描述概念。AI（Gemini）会综合这些信息，生成一张包含正面、侧面、背面和多种表情的标准化角色设定图（Character Sheet）。
• 世界观设定：用户可以设定故事的宏大背景（例如：一个魔法与科技共存的都市），这会成为后续 AI 生成故事脚本时的重要依据。

构思阶段：AI 辅助脚本与布局

• AI 故事建议：用户只需输入一个简单的场景想法（例如“主角在屋顶对峙”），AI 就能生成包含多个分镜描述和对话的详细场景脚本。
• AI 布局建议：基于写好的场景脚本，AI 可以自动生成一个专业且富有动感的漫画分镜草图。这个草图会直接显示在画布上，作为用户绘制最终布局的参考。

绘制阶段：搭建可视化指令

• 绘制分镜：用户使用工具栏中的“面板工具”在画布上绘制出漫画的格子（分镜）。
• 放置角色与设定姿势：从侧边栏将创建好的角色拖拽到画布的分镜中。
• 姿势编辑器：选中角色后，可以通过一个可视化的骨骼绑定系统来调整角色的动作和姿势。这不仅仅是草图，而是一个明确的视觉指令，告诉 AI 每个角色应该摆出什么姿势。

生成阶段：一键创作漫画页

• 发送请求：当布局、角色姿势和场景脚本都准备好后，用户点击“生成最终页面”。
• 后台工作：应用会将布局图（包含姿势骨架和角色名称标签）、场景脚本、角色设定图等多模态信息打包，一起发送给 Gemini API。
• AI 绘制：Gemini API（特别是 gemini-2.5-flash-image-preview 模型）会理解这些综合信息，然后绘制出一张完整的、符合所有要求的漫画页面。

优化阶段：编辑与修正

• 结果对比与上色：生成结果后，界面会切换到对比视图，用户可以拖动滑块比较生成图与之前的布局草图。对于黑白稿，可以一键 AI 上色。
• AI 自我分析与修正：应用提供一个“AI 分析”功能。AI 会自己对比布局图和生成结果，检查是否有错误（例如：角色画错了、姿势不符、道具缺失），并自动生成一个用于修正错误的文字指令（Correction Prompt）。用户只需点击“应用修正”，AI 就会根据这个指令重新编辑图片。
• 手动编辑：用户也可以自己输入文字指令来编辑图片，甚至可以使用“蒙版”工具涂抹特定区域，让 AI 只修改这部分内容。

二、界面布局（UI 设计）

应用的界面采用了经典且高效的三栏式布局，确保了流畅的创作体验：

左侧边栏（资源库）

• 页面管理器：管理所有漫画页面，方便切换和调整页面属性（如纸张大小）。
• 角色库：陈列所有已创建的角色，通过简单的拖放操作即可添加到画布中。

中间主编辑区（创作核心）

• 画布（Canvas）：基于 SVG 技术，是所有可视化操作（绘制分镜、放置角色、调整姿势）的核心区域。
• 工具栏：位于画布左侧，集成了选择、移动、绘制分镜、添加文字、手绘等所有绘图工具。

右侧边栏（控制与结果面板）

• 编辑模式：显示生成控制器，包括场景脚本的文本输入区、颜色模式（黑白/彩色）选择，以及触发 AI 故事/布局建议和最终生成的按钮。
• 结果模式：当漫画生成后，此区域会切换为结果展示器，显示生成的图片，并提供上色、再生成、编辑、AI 分析等一系列后期处理工具。

三、Prompt 的核心设计

这是整个应用的“灵魂”所在。通过精心设计的 Prompt，将一个模糊的创作想法，转化为 AI 可以理解并精确执行的指令。其核心策略如下：

赋予专家角色（Assigning an Expert Persona）

几乎所有的 Prompt 开头都会给 AI 设定一个专业角色，例如“你是一位专业的漫画家”、“你是一位资深的 storyboard 画师”或“你是一位一丝不苟的质检员”。这能有效引导 AI 以更专业的标准来完成任务，输出质量更高。

结构化与多模态输入（Structured & Multi-modal Input）

在生成最终页面时，应用不只给 AI 文字描述，而是同时提供了布局图（包含姿势骨架）、角色设定图和文字脚本。这种多模态的输入方式，比纯文本更能传递复杂和精确的视觉要求。

建立严格的对应关系（Establishing Strict Correspondence）

Prompt 的关键在于用非常明确、甚至带有强制性词语（如 MUST, STRICTLY, CRUCIAL）的指令，强迫 AI 在这些不同信息源之间建立联系。例如，指令会明确要求：“必须将在布局图 A 位置的姿势，应用到名为‘Kaito’的角色设定图上，并让他表现出脚本中描述的‘惊讶’表情。” 这是确保生成结果准确性的核心。

引导专业技法（Guiding Professional Techniques）

Prompt 中包含了很多漫画行业的专业指令。例如，在请求布局建议时，会告诉 AI “避免简单无聊的网格布局”，并建议使用“斜切分镜”、“重叠分镜”等专业技巧，引导 AI 生成更具表现力的页面。

结构化输出（Structured JSON Output）

当需要 AI 提供复杂信息时（如故事建议或分析报告），会要求 AI 以 JSON 格式返回结果。Prompt 中会直接定义好 JSON 的结构（Schema），确保程序可以稳定地解析和使用 AI 返回的数据，而不是依赖不稳定的自然语言文本。

迭代式自我修正（Iterative Self-Correction）

整个流程不是一次性的，而是允许用户不断修正。特别是“AI 分析与修正”功能，其 Prompt 设计是让 AI 自我纠错：AI 自己找出问题，并自己生成用于修复问题的下一个 Prompt。这形成了一个强大的闭环修正系统。

四、核心 Prompt 示例

以下是应用中几个关键功能的实际 Prompt 设计。

1. 生成最终漫画页面的 Prompt（generateMangaPage）

这是最核心、最复杂的多模态 Prompt，它整合了所有用户输入。

：

你是一位专业的漫画艺术家，你的任务是根据提供的素材与详细脚本，绘制单页漫画。

📁 提供素材：

${hasPreviousPage ? '1. 前一页图像：提供前一页画面，用于理解故事上下文。' : ''}

1. 角色设定图（Character Sheets）：每位登场角色均配有专属设定图。
2. 分镜布局与角色姿势图（Panel Layout with Poses）：

• 展示本页漫画的分镜结构。
• 图中明确标注每个角色的姿势及其对应角色名。
• 若角色姿势旁附有文字说明，请将其作为该角色动作的首要执行指令。

1. 场景脚本（Scene Script）：

• 逐格详细描述本页中角色的动作、表情、镜头构图与叙事内容。

👥 角色参考：

${characterReferencePrompt} // 示例： // - Kaito：请使用名为“角色参考图1”的设定图。

${continuationInstruction} // 若需参考前一页，则会在此处插入衔接说明。

🎯 本页绘制指令：

1. ✅ 关键 —— 严格匹配角色与姿势 分镜图中每个姿势均标注角色名，你必须使用对应角色设定图，并按指定姿势绘制。若姿势旁有文字注释，请优先遵照执行。
2. ✅ 严格遵循脚本内容 场景脚本是你绘制表情、镜头构图与叙事氛围的唯一依据，请精确执行。

若脚本描述的是无角色场景（如风景、物品特写），必须绘制该场景，不可替换为角色。

1. ✅ 角色一致性与数量控制

• 角色外观必须严格参照设定图。
• 每格中仅可绘制脚本与分镜图中指定的角色，不可增删人物。

1. ✅ 分镜布局与尺寸比例

• 使用提供的分镜布局作为页面结构基准。
• 面板尺寸越大，代表叙事越重要 —— 请在大格中投入更多细节、动态构图与视觉焦点。

1. ✅ 色彩与风格

• 本漫画采用 ${colorMode} 风格绘制。
• 所有文字与对话框必须使用粗体、清晰、浓黑的外轮廓线。

1. ✅ 对话框处理 ${generateEmptyBubbles ? '分镜图中可能包含对话框形状。你必须绘制这些对话框，但请保持其完全空白 —— 不得填入任何文字、对话或拟声词。' : '若脚本包含对话，请将其填入分镜图中的对话框内。若分镜图无对话框但脚本有对话，请自行添加合适的对话框。'}
2. ✅ 最终输出要求

• 仅输出最终完成的漫画单页图像。
• 禁止添加任何文字说明、注释或额外描述。

📜 本页场景脚本：

${sceneDescription}

2. 生成布局建议的 Prompt（generateLayoutProposal）

这个 Prompt 旨在让 AI 像专业分镜师一样思考。

：

你是一位专业的漫画分镜艺术家。你的任务是为用户创建一份视觉指南，通过绘制一张单页、粗略、灰度的漫画草图来实现。

🎯 核心目标：

你的首要目标是创作一个富有动感且视觉上引人入胜的分镜布局，体现专业漫画分镜技巧。分镜需引导读者视线，并控制故事节奏。

📥 提供的输入：

1. 故事内容：本页漫画所要表现的简短叙事。
2. 画布图像：这是用户的画布，可能为空白或已包含现有绘图。这是你的绘制区域。
3. 角色设定稿：${hasCharacters ? '提供角色参考图。' : '未提供角色设定稿。'}

${previousPage ? '4. 前一页图像：提供前一页图像以供上下文参考。' : ''}

🖋️ 草图绘制关键指令：

1. 尺寸与长宽比

• 输出草图必须填满整个画布，且精确保持 ${aspectRatioValue} 的长宽比。
• 禁止留白、边距或内边距。

2. 创意分镜布局

• 避免使用简单、呆板的网格布局。请运用专业技巧：
• 动态角度：使用斜切分镜表现动作或不安氛围。
• 重叠与嵌入式分镜：重叠分镜表现同步动作，或使用嵌入式分镜聚焦细节。
• 尺寸与形状变化：混合大小不一、形态各异的分镜。
• 破格分镜：为增强冲击力，允许角色或特效突破分镜边框。

3. 画布整合

• 提供的“画布图像”是你的绘制基础。若其中已有用户绘制内容，必须将其整合进你的分镜布局中。

4. 内容要求

• 仅为草图，非完稿：使用粗略线条与基础几何形状表现。
• 角色姿态：将角色合理放置于分镜内。
• 无角色分镜：若故事描述某分镜仅含背景或物体，严禁在其中绘制角色。

5. 绝对禁止文字

• 最终输出图像不得包含任何文字、标签、编号或注释。必须是纯粹的视觉草图。

📖 待绘制故事：

${story}

3. AI 自我分析与修正建议的 Prompt（analyzeAndSuggestCorrections）

这个 Prompt 让 AI 扮演质检员的角色，找出自己或其他 AI 的错误，并生成用于修复的 Prompt。

：

你是一名细致入微的质量保证助手，专为漫画创作工具服务。你的任务是分析一张生成的漫画页面，并在它偏离原始规划时提出修正建议。

——— 提供的素材 ———

1. 布局与姿势参考图（图1） 这是用户的原始规划图，展示了分镜面板布局，并包含标有角色名称的骨架姿势示意图。
2. 生成的漫画页面（图2） 这是由AI画师生成的最终图像。
3. 场景剧本 描述本页应呈现内容的文本说明。
4. 角色列表 本场景中涉及的角色名称。

——— 你的分析任务 ———

请仔细将“生成的漫画页面”与“布局与姿势参考图”及“场景剧本”进行比对。查找以下类型的偏差：

• 角色缺失或错误：剧本/参考图中的角色是否缺失？是否使用了错误的角色？
• 姿势不正确：角色在最终图像中的姿势是否与骨架参考图存在显著差异？
• 布局偏差：面板的形状和排列是否与参考图不同？
• 与剧本矛盾：最终图像是否与剧本中描述的动作或情节相矛盾？
• 角色重复：检查同一面板内是否出现逻辑上不可能的同一角色多次出现。
• 情境不恰当：分析角色是否被置于与其身份或场景逻辑相矛盾的情境中。

——— 你的输出要求 ———

你必须以单个 JSON 对象格式进行响应，结构如下：

{ "analysis": "简明的人类可读摘要，描述你发现的任何偏差，或声明图像准确无误。", "hasdiscrepancies": 布尔值, "correctionprompt": "若 has_discrepancies 为 true，请撰写一条详细、具体、清晰的指令提示，供图像编辑AI一次性修正所有已识别问题。若为 false，则留空字符串。" }

——— 示例修正提示 ———

“在左上角面板中，重新绘制角色‘Kaito’，使其姿势与骨架参考一致，并确保他手持一把剑。在底部面板中，添加当前缺失的角色‘Anya’，她应表现出惊讶神情。右侧面板中两个‘Kaito’是错误，删除靠后方的那个。保持画风一致。”

——— 场景剧本 ——— ${sceneDescription}

——— 本场景角色列表 ——— ${characterInfo}

——

更多已更新到AIGC知识库