Midjourney角色一致性详解：OREF与CW参数设置完全指南
本文系统讲解Midjourney角色一致性控制的两大核心参数——–cref与–cw的完整用法，涵盖参数原理、版本选型、权重调节与多图融合等关键技巧。通过本文，你可以在不同场景、不同角度下保持同一Midjourney角色的视觉特征稳定统一，轻松解决AI生成角色“换场景变脸”的行业难题。
一、Midjourney角色一致性功能概述
在AI图像生成领域，Midjourney角色一致性一直是设计师和创作者面临的重大挑战。一张完美角色图生成后，想要在下一轮提示词中复现同一张面孔，往往需要经过大量尝试和微调。Midjourney官方推出的角色参考功能，正是为解决这一痛点而生。
1.1 什么是Midjourney角色参考
Midjourney角色参考功能通过–cref（Character Reference）参数，允许用户使用一张已有角色图像作为参考源，在新生成的图像中重现该角色的核心视觉特征。与传统垫图不同，–cref专注于提取和复制角色的面部结构、发型轮廓、服装基础形态等特征，而非影响整体构图或风格。
通俗来说，–cref让Midjourney像导演给演员分配角色一样，“记住”你的角色是谁，并在不同的场景、动作、角度中保持一致的面貌。
1.2 Midjourney角色一致性的核心参数体系
角色一致性的实现依赖于两个紧密配合的参数：–cref和–cw。
| 参数 | 全称 | 核心作用 | 数据范围 | 默认值 | 适用场景 |
|---|---|---|---|---|---|
| –cref | Character Reference | 指定角色参考图像URL，定义角色锚点 | 1个或多个图像URL | 无 | 所有角色一致性生成场景 |
| –cw | Character Weight | 控制参考图像中多少细节被应用到新图像 | 0-100 | 100 | 调节参考强度，支持换装、换发型等场景 |
–cref承担“告诉AI谁是主角”的功能，通过提供一张参考图让系统锁定角色的核心特征；而–cw则像一个调节旋钮，控制这些特征在新图像中的“继承程度”。–cw值越高，新图像越贴近参考图的全貌；–cw值越低，越偏向局部特征而非全面复刻。
1.3 Midjourney角色参考与其他参数的区别
理解–cref与其他参考类参数的差异，是精准控制生成结果的必要前提：
| 参数 | 功能定位 | 参考内容 | 典型应用 |
|---|---|---|---|
| –cref | 角色一致性 | 角色的面部、发型、服装 | 同一角色的多场景延展 |
| –sref | 风格一致性 | 色彩、光影、笔触、材质 | 统一美学风格的批量生成 |
| –iw | 图像权重 | 构图、内容布局、整体视觉元素 | 图像引导的生成控制 |
简单来说：–cref确保“演员”不变，–sref确保“摄影机与导演风格”不变，而–iw则更像提供一个“视觉草稿”。三者互不冲突，甚至可以在同一条提示词中组合使用，实现更高维度的控制。
二、–cref参数深度解析
–cref是整个Midjourney角色一致性功能的核心驱动引擎。理解其工作机制和正确使用方法，是高效控制角色稳定的第一步。
2.1 –cref的技术原理
–cref（Character Reference）是Midjourney在V6模型中引入的角色一致性控制参数。与简单图片垫图不同，它通过深度学习提取参考图中的人物特征向量，包括：面部结构（五官比例与轮廓线条）、发型特征（发色与发量分布）、体型特征（肩宽与身型比例）以及服装风格特征（剪裁逻辑与材质表现）。技术实现上，Midjourney采用“特征解耦”算法，将人物属性分解为多个可独立控制的维度。
这意味着–cref并非简单地对参考图进行“像素级复制”，而是提取可被识别的特征模式，再在新图像中依照提示词的语义进行重新组合。但需要注意，该技术的精度存在天然限制——它不会精确复制参考图中的酒窝、雀斑或T恤标志等极度细节。
2.2 –cref的基本用法
在Discord或网页版的Midjourney中使用–cref，需要遵循以下核心语法：
/imagine prompt [场景描述] --cref [参考图URL]
完整格式示例：
/imagine prompt a knight standing on a castle balcony at sunset --cref https://s.mj.run/abc123.jpg
格式要点如下：–cref参数必须放在提示词末尾，URL与参数之间以空格分隔。URL必须是可直接访问的图片直链，通常使用Discord右键“复制图片地址”生成的https://cdn.discordapp.com/或https://s.mj.run/开头的链接。多个参考图URL可以用空格分隔并列输入。此外，必须注意–cref的位置顺序——若误将–cref放在提示词前面，系统会报错而无法正常执行。
2.3 参考图的选择标准
参考图质量直接决定Midjourney角色一致性的最终效果。以下标准可有效提升成功率：
优选的参考图特征：
- Midjourney原生生成的图像（真人照片易导致五官失真）
- 单主角居中构图，面部无遮挡
- 背景简洁，光线均匀
- 正脸角度优先，结构清晰
- 无损压缩格式，边缘无锯齿
应避免的参考图特征：
- 多人同框（系统无法准确锁定目标角色）
- 极端角度或严重侧脸
- 模糊低清或过度光晕
- 有水印或文字叠加
- 真人照片（官方明确说明非设计目标，且可能产生扭曲）
部分创作者在Niji 7中被问及参考图质量时反馈，V7版本由于更字面化理解指令，对参考图的清晰度要求比V6更高。
2.4 –cref的模型兼容性
–cref的可用性取决于所使用的Midjourney模型版本。以下为截至2026年6月的完整兼容信息：
| 模型版本 | –cref支持状态 | 备注 |
|---|---|---|
| V6 / V6.1 | 完全支持 | 兼容性最佳，官方推荐使用 |
| NIJI 6 | 完全支持 | 适用于动漫风格的稳定角色生成 |
| V7 | 已被–oref取代 | –oref的角色一致性效果优于–cref |
| V8 / V8.1 | —cref已恢复 | 图像提示功能回归，角色参考机制与V6逻辑一致 |
| NIJI 7 | 暂不支持 | 官方正在开发更强大的替代控制工具 |
| V5及以下 | 不支持 | 参数直接被忽略 |
总结：对于追求稳定角色一致性的用户，目前最佳选择是V6.1或NIJI 6（动漫方向）。需要注意的是，–cref在V5或V7默认模式下会被直接忽略。V7用户应转向–oref（Omni Reference），根据参数索引表信息，–oref的角色一致性效果优于–cref。而V8系列已恢复–cref的图像提示功能，用户可再次便捷地使用参考图像引导生成，逻辑与前序版本保持一致。
三、–cw参数全面解析
–cw（Character Weight）是与–cref配套使用的关键参数，它控制参考图像中的多少细节会被继承到新生成的图像中。精确认知和使用–cw，是实现精细角色控制的关键。
3.1 –cw参数的基本定义
–cw的取值范围为0到100，默认值为100。通俗理解，–cw像一个“继承比例旋钮”：–cw 100时，系统会尽可能多地继承参考图中的细节，包括面部、发型和服装；–cw 0时，系统仅聚焦于面部特征，而放开发型和服装的自由变化。
3.2 –cw不同取值的效果详解
下表对–cw在五个关键节点上的效果进行了系统对比：
| –cw值 | 面部继承 | 发型继承 | 服装/体型继承 | 推荐使用场景 | 实测建议 |
|---|---|---|---|---|---|
| 100（默认） | 完全继承 | 完全继承 | 完全继承 | 固定角色的多场景复刻 | 适合出系列图但代价是提示词变动大时易畸形 |
| 80 | 高精度继承 | 高精度继承 | 中高精度继承 | 需要高度一致性但微调动作 | 80以上轻微提示词变动就会导致肢体比例异常 |
| 50 | 保留识别度 | 允许风格化偏移 | 中等程度 | 换装但角色仍可识别 | 保留脸型与眼距，允许发型衣领局部重绘 |
| 30-40 | 结构稳定 | 中等程度 | 低程度 | 表情或视线微调 | 动漫角色微调表情时最自然的区间 |
| 0 | 仅面部骨骼 | 完全放开 | 完全放开 | 为固定角色换全套造型 | 适合大幅改变角色外形的创作 |
–cw 100：系统将同时锁定角色的脸部、发型和服装轮廓。这是最强的一致性设置，适用于需要整体复刻同一角色在不同场景中表现的场景。但要注意，–cw超过80后，轻度提示词变动就容易导致肢体比例异常。
–cw 50：仅在中等强度下保留面部辨识度，允许发型与服装发生合理风格化偏移。这一档适合需要在保持角色身份可识别的同时，探索不同造型变化的创作场景。
–cw 0：系统只锚定面部骨骼结构和五官比例，发型、服饰、配饰、妆容等变量全部放开。这是角色“换装不改脸”的理想配置。值得注意的是，–cw控制的是角色结构继承范围，而不是“相似度滑块”——它不决定五官像不像，而决定哪些部位强制沿用参考图。
3.3 –cw与提示词权重的协同
–cw的设计哲学是“继承范围控制”，而非传统的“影响强度控制”。这让它与其他参考类参数（如–sref搭配的–sw）形成了本质差异：–sw调整的是参考风格对全局画面的影响百分比，而–cw调整的是继承范围——哪些部位参照参考图、哪些部位自由生成。
在一个成熟的Midjourney角色工作流中，建议遵循以下–cw调节逻辑：
- 确定角色需要变更的元素（例如需要换装）→ 选择较低的–cw值（约30-40）
- 需要完整复刻角色既有造型 → 维持–cw 80-100
- 需要在两种方案之间平衡 → 采用–cw 50作为试验起点
实测表明，–cw 30-40是多数动漫角色微调表情和视线方向时最自然的区间，–cw超过80后轻微提示词变动就容易导致肢体比例异常。
四、多图融合与高级技巧
当单一的参考图无法满足复杂创作需求时，–cref的多图融合能力为Midjourney角色一致性提供了更大的发挥空间。
4.1 多图–cref的基本方法
Midjourney允许在同一条提示词中使用多个–cref URL，系统将对多个参考图的角色区域进行加权特征提取并融合。语法格式为：
/imagine prompt [场景描述] --cref URL1 URL2 URL3 ...
例如，如果需要合成多个角色的标志性特征（如角色A的眼睛 + 角色B的发型 + 角色C的制服），可以通过并列输入多个URL实现。
4.2 多图融合的顺序加权机制
Midjourney对多个–cref URL的处理遵循顺序加权原则，而非平均融合。首图的权重最高，后续每增加一个参考图，其基础继承强度自动衰减约20%。
| 参考图顺序 | 权重衰减 | 实际特征影响 |
|---|---|---|
| 第1个URL（首图） | 100%（基准） | 主导五官结构与核心轮廓 |
| 第2个URL | 约80% | 微调肩颈角度、手部朝向 |
| 第3个URL | 约64% | 补充细节修饰 |
| 第4个URL | 约51% | 影响逐渐减弱 |
正确写法示例：
--cref https://s.mj.run/face.png https://s.mj.run/pose.png --cw 75
在此配置中，face.png主导角色的五官结构，pose.png仅微调肩颈角度和手部朝向。如果两图冲突（例如一张脸型偏圆而另一张偏长），系统会自动优先服从首图的特征。
4.3 多角色同框的处理技巧
当需要将多个基于–cref的角色放置在同一个画面中时，直接使用多个–cref参数会产生特征融合（即“混血脸”），而非分别生成多个独立角色。
官方推荐的操作路径：使用Midjourney的平移功能（panning）分别生成多个独立角色，再将它们拼接组合到同一张画布上。具体操作步骤为：先生成一个包含目标角色的基准场景，使用左右平移按钮扩展画布，再在扩展区域通过提示词加入第二个–cref角色。这种方法可以确保每个Midjourney角色的独立性，避免因多图合并导致的面部特征错乱或折中化。
4.4 –cref与–seed的联合使用
–cref可以与–seed参数同时使用以增强稳定性，但需要严格满足两个前提：提示词主体内容不变并且**–cref的参考图URL不变**。
推荐组合示例：
anime boy with red scarf, winter park --cref https://s.mj.run/abc.png --cw 40 --seed 123456
–seed（随机种子）决定了生成过程的初始噪声起点，相同的–seed配合高度相似的提示词，可以有效提升角色在不同生成轮次之间的结构重合度。但需要注意，如果提示词主体或–cref URL发生变化，–seed的稳定性就会被参考图的动态解析所覆盖。
五、模型版本与角色一致性演进
随着Midjourney各版本迭代，角色一致性功能的实现方式和可用性也在持续演进。了解各版本之间的差异，有助于在不同项目中选择最优的Midjourney角色一致性方案。
5.1 各版本角色一致性功能对比
下表对截至2026年6月各主流版本的角色一致性支持情况进行了系统梳理：
| 模型版本 | 角色一致性方案 | 参考方式 | 一致性效果 | 色彩/风格表现 | 推荐使用场景 |
|---|---|---|---|---|---|
| V6 / V6.1 | –cref + –cw | 图像URL参考 | ★★★★ | 色彩丰富，光影层次强 | 所有类型角色，稳定可靠 |
| V7 | –oref（取代–cref） | 图像URL参考 | ★★★★★ | 精准度提升 | 需要最高一致性标准的项目 |
| V8 / V8.1 | –cref已恢复 | 图像URL参考 | ★★★★ | 原生2K高清，色彩自然 | 高清场景、商业设计 |
| NIJI 6 | –cref + –cw | 图像URL参考 | ★★★★ | 动漫专属优化 | 动漫、二次元角色 |
| NIJI 7 | 暂不支持 | 暂无 | 待评估 | 线条干净，扁平化美学 | 等待官方替代方案 |
V7的–oref优势：在V7版本中，–cref已被–oref（Omni Reference）参数取代。根据参数索引表的说明，–oref的角色一致性效果优于–cref。–oref属于Midjourney更广泛的Omni-Reference系统，旨在为用户提供前所未有的角色一致性控制能力。如果项目的首要目标是最高精度的Midjourney角色一致性，V7搭配–oref是目前最推荐的选择。
V8系列的迭代特性：V8.1在图像提示功能上已恢复了–cref的支持，用户可再次便捷地使用参考图像引导角色生成。V8.1还将原生2K高清渲染设为默认模式，使得高清角色素材的生成成本大幅降低。在角色一致性层面，V8.1的–cref逻辑与V6系列基本一致，不涉及–oref式的革新。
NIJI V7的特别说明：NIJI V7目前不支持旧版的–cref功能。官方表示，正在开发更强大的角色一致性控制工具，预计将在后续版本中推出。如果创作项目对角色一致性有严格需求，建议在NIJI方向继续使用NIJI 6模型，直到NIJI V7推出成熟的替代方案。NIJI V7在其他方面均有显著提升，包括更精确的提示词理解、更强的线条表现力和扁平化美学，但在角色一致性方面缺乏官方支持。
5.2 版本选择决策树
| 创作需求 | 推荐模型 | 推荐参数组合 |
|---|---|---|
| 通用角色，追求稳定 | V6.1 | –cref + –cw |
| 顶级一致性，商业项目 | V7 | –oref |
| 高清场景，多用途 | V8.1 | –cref（已恢复）+ –cw |
| 动漫角色，需一致性 | NIJI 6 | –cref + –cw |
| 动漫角色，追求画质优先 | NIJI 7 | 暂缺cref，用提示词+–seed替代 |
六、–cref与–sref的协同应用
在中大型创作项目中，往往需要同时维持角色一致性（即“谁”）和风格一致性（即“像什么”）。–cref与–sref的组合使用正好满足了这一需求，构成强大的双重一致性控制矩阵。
6.1 –sref（Style Reference）简介
–sref是Style Reference风格参考参数的简称，其核心作用是在新生成的图像中复制参考图像的艺术风格（如色彩方案、光线氛围、画面纹理），而不复制参考图像中的主体内容。–sref与–cref最大区别在于作用对象：–cref控制“角色是谁”，–sref控制“画面像什么风格”。
–sref通常配合–sw（Style Weight）参数一同使用，–sw取值范围为0-1000，默认值为100，值越高风格转移越显著。
6.2 组合使用的语法与效果
将–cref与–sref一同使用时，可实现角色和风格的双重锁定：
/imagine prompt a cat in a hat --cref [角色图URL] --sref [风格图URL] --cw 80 --sw 500
这一组合的效果是：Midjourney会按照–cref参考图的角色特征（脸型、发型、体型）生成本次的目标人物，同时按照–sref参考图的风格特征（色彩、笔触、光影）处理整个画面的氛围。角色身份与画面美学均得到了精准控制，同时互不干扰。
6.3 –cref与–sref组合的横向对比
| 组合方式 | 角色一致性 | 风格一致性 | 角色特征权重 | 风格特征权重 | 典型应用 |
|---|---|---|---|---|---|
| 仅–cref | 高 | 提示词控制 | 完全由–cw决定 | — | 同一角色的多场景系列图 |
| 仅–sref | 提示词控制 | 高 | — | 完全由–sw决定 | 同一风格的不同内容生成 |
| –cref + –sref | 高 | 高 | –cw可单独调 | –sw可单独调 | 品牌角色+品牌风格的系列物料 |
| –cref + –sref + –iw | 极高 | 高 | — | — | 需要构图引导的复杂场景 |
对于品牌IP角色，推荐采用–cref加–sref的组合控制方案，在锁定角色的同时确保品牌调性在不同媒介中保持一致。
七、实战案例与工作流优化
理论最终要服务于实际创作。本部分通过电商主图和品牌IP两个实战场景，展示如何在真实工作中搭建高效的Midjourney角色一致性工作流。
7.1 电商主图的批量生成
场景描述：电商平台需要在不同场景（公园、城市街头、海边）中展示同一品牌形象人物，用于产品系列营销素材。
执行步骤：
第一步，生成角色基准图。创建一张清正面、纯白背景、无遮挡的角色全身图像作为–cref参考源。建议提示词结构：
/imagine prompt character sheet, a young female model with long dark hair, front view, neutral expression, plain white background, studio lighting, high quality --v 6.1
第二步，保存参考图URL。从生成的图中筛选结构最稳定的一张，点击放大后右键复制图片地址，获取格式如https://cdn.discordapp.com/…的直链。
第三步，批量生成场景延展。构建带–cref和–cw的多场景提示词：
/imagine prompt a young female model sitting on a park bench under cherry blossoms, natural daylight, soft focus --cref [URL] --cw 80 --v 6.1
/imagine prompt a young female model walking on a busy city street at dusk, neon lights, cinematic --cref [URL] --cw 80 --v 6.1
第四步，微调–cw值。若发现服装在不同场景中过于固化（不利于换装识别），可将–cw降低至50或30-40区间，保留面部特征同时允许服装灵活变化。
7.2 品牌IP角色的系列延展
场景描述：品牌需要为一个虚拟吉祥物制作出在不同场景、不同情绪下的多张宣传图，同时保持角色外观高度一致。
推荐策略：V7 + –oref（或V6.1 + –cref + –seed组合）
| 工作流阶段 | 操作内容 | 参数推荐 | 预期结果 |
|---|---|---|---|
| 角色锁定 | 生成纯白背景角色设定图，复制URL | –v 7或–v 6.1 | 基准参考图 |
| 多场景延展 | 按场景逐一生成，保持–oref/–cref固定 | –cw 80～100 | 角色高度一致的高质量图像 |
| 表情情绪变化 | 降低–cw至30-40，调节提示词情感词 | –cw 30-40 | 保持身份但表情丰富 |
| 品牌风格统一 | 增加–sref参数锁定品牌色彩风格 | –sref [品牌图] –sw 500 | 品牌调性统一 |
7.3 工作流中的常见调试技巧
在反复使用Midjourney角色一致性功能中，以下调试技巧可有效节省时间：
技巧一，URL验证：–cref链接必须以https://cdn.discordapp.com/或https://s.mj.run/开头，其他来源无法被Midjourney识别。常见错误是使用浏览器地址栏显示的URL，需改为右键“复制图片地址”获得正确链接。
技巧二，提示词优先：参考图虽然能固定角色，但文本提示对最终表现力起到同等重要的作用。参考图提供“是谁”的信息，而文本提示告知“在哪里”、“在做什么”以及“环境氛围”等关键内容。两者平衡才能达到理想效果。
技巧三，角色设定图先行：在进入正式的大规模生成前，先投入时间生成一张高纯度的角色设定图（Character Sheet），包含正面、侧面和45度角的标准视觉。后续所有–cref生成都以此设定图作为唯一参考源，有助于最大限度减少不同参考图带来的一致性偏差。
技巧四，混合使用–cw与–seed：对于需要高产出的品牌角色项目，建议在找到理想参数组合后使用/prefer option set保存为一键调用的预设。这样可以大幅缩短重复配置的时间。
八、常见问题（FAQ）
1. –cref参数在V7中为什么无法使用？
V7版本中，–cref已被–oref（Omni Reference）参数正式取代。官方说明中使用–oref可以获得比–cref更优的一致性效果。如果仍在提示词中尝试使用–cref，会被V7的默认模式直接忽略。建议检查当前模型版本，并根据所使用的模型选择正确的参考参数。
2. Niji 7模型能否使用–cref功能？
目前不支持。Niji V7 已移除对旧版–cref功能的支持。官方表示正在开发更强大的角色一致性控制工具，后续将推出替代方案。如果–cref对创作项目至关重要，建议继续使用 Niji 6 模型维持角色一致性。
3. –cw 100和–cw 0的具体区别在哪里？
–cw 100是默认的完整继承模式。在此模式下，Midjourney会尝试继承参考图中的面部、发型和服装三要素，适合需要整体复刻同一角色造型的场景。–cw 0则只关注面部特征，放开发型和服装的自由变化，适合为固定角色进行换装、换发型或换风格等大幅度外观调整。两者的本质区别在于继承范围而非相似度强弱，–cw调节的是“哪些部位被继承”，而不是“相似度有多高”。
4. 使用真人照片作为–cref参考效果不如预期，如何优化？
官方明确说明–cref功能是针对Midjourney自身生成的图像设计的，而非针对真人照片。使用真人照片做参考时，系统可能会出现五官变形或风格错乱的现象。最佳方案是：先用提示词参考真人照片的描述（不直接上传照片），在Midjourney内生成一个AI角色版本，再用这个AI版本作为–cref参考源。
5. –cref能否与–seed同时使用？
可以，但需要严格保持提示词的主体结构和–cref的URL不变。两者同时使用时，–seed可以增加同一角色在不同生成批次之间的结构稳定性，尤其是在进行表情微调、姿态切换等局部优化时效果显著。如果提示词主体内容发生变化，–seed的稳定性将不再有效。
6. 如何在一个画面中放置多个独立–cref角色？
Midjourney本身暂不支持在同一次生成中通过多个–cref生成多个独立角色（多个–cref会导致特征融合而不是独立生成）。官方推荐使用平移功能（panning）来实现：先生成包含第一个角色的场景，使用平移功能扩展画布，再在扩展区域加入第二个角色的提示词。
7. 使用–cref时角色面部特征总是不够稳定，如何改善？
可参考以下改善步骤：确保参考图是Midjourney原生生成的、正脸角度的无遮挡图像；选择V6.1或NIJI 6模型以获得最佳兼容性；适当降低–cw值至80以下以减少约束硬度过高带来的异常；配合–seed参数增加批次间的结构稳定性。如果问题仍未解决，建议从纯白背景的角色设定图重新开始，构建更清晰的参考源。
8. V8.1中–cref已经恢复，是否应与–cw保持相同用法？
是的。V8.1中–cref图像提示功能已全面恢复，其与–cw的配合逻辑与V6系列保持一致。用户可再次便捷地使用参考图像引导角色生成。V8.1将原生2K高清渲染设为默认模式，因此在使用–cref进行角色一致性生成时，输出质量会显著高于此前版本。
9. 处理商业IP项目时，如何将–cref固化为可复用的参数？
使用/prefer option set指令可以将已优化好的一套–cref和–cw参数保存为自定义选项。设置后，后续所有生成只需调用该预设名称，无需重复输入复杂的URL和参数组合，能大幅提升品牌IP角色的批量生产效率。