试了各种方法，最后用 wan2.2 解决了。

核心思路：

1. 固定 seed（关键！）
2. 详细的外貌描述（写死每个特征）
3. 参考图引导（用第一帧锁定形象）

角色描述模板：

主角：年轻男子，黑色长发束起，白色汉服，
额头有金色印记，眼神坚毅，腰间佩剑。
身高 180cm，体型偏瘦。

wan2.2 参数：

from diffusers import WanPipeline

pipe = WanPipeline.from_pretrained("Wan-AI/Wan2.2")

result = pipe(
    prompt="主角拔剑，剑光闪烁",
    negative_prompt="变形，模糊，低质量",
    num_inference_steps=50,
    guidance_scale=7.5,
    generator=torch.Generator().manual_seed(42)  # 固定 seed
)

现在角色一致性 90% 以上，观众基本认得出是同一个人。