紅樓夢角色

紅樓夢模擬器是一個會把 120 回演一遍的敘事引擎。角色說話要有立繪、說到傷心處要換一張、場景切換要有背景、每一回要有一張回目圖 —— 全部加起來 833 張，而原著裡有名有姓的人物有好幾百個。

這頁講的是那 833 張怎麼生出來的，以及為什麼中間丟掉過一整批。

62 個有名有姓的角色
#

六十二位紅樓夢角色的全身立繪排成網格，包含寶玉、黛玉、寶釵、熙鳳、賈母、劉姥姥、賈政、妙玉、平兒、晴雯等 — 圖說：62 位。整批共用同一套美術設定 —— 512×768 全身立繪、淡彩、留白背景、右下角一枚朱印 —— 所以放在一起不會有人看起來像從別的故事走錯棚。

每個人八種表情，而且臉以外的地方一動也不動
#

六位角色各八格臉部特寫，橫排依序為平時、笑、正色、驚、困惑、羞窘、怒、泣，每一列的髮型、頭飾、衣領、背景完全相同，只有五官表情改變 — 圖說：橫著看是同一個人的八種情緒。注意髮絲、頭飾、衣領、背景 —— **一個像素都沒變**。變的只有五官。

這是這批跟一般做法最大的差別。

生成模型沒有記憶。你為「黛玉．笑」重寫一次提示詞，它就重新想像一次這個人：換髮型、換臉型、換一套衣服，然後你得到八張互不相干的圖。常見的補救是找一組跨張不變的錨（例如把服裝主色寫死），讓讀者至少認得出是同一個人 —— 這能用，但你仔細看還是會發現人在飄。

這批走的是另一條路：不重畫，只改臉。

每個角色先生一張基準立繪。之後七種表情不是新的生成任務 —— 是把那張基準圖讀回來，用臉部偵測框出五官，只對那一塊重新擴散，然後貼回原圖。框外的像素從頭到尾沒有進過模型。

所以一致性不是「調到很像」，是結構上不可能不像。

代價是姿勢固定了。八張的手勢、站姿完全一樣，情緒全靠臉。對敘事引擎來說這是划算的交換：立繪是配在對話框旁邊的，讀者的視線本來就在臉上。

八種表情是這樣分的：


`portrait` 平時	`laughing` 笑	`serious` 正色
`surprised` 驚	`confused` 困惑	`embarrassed` 羞窘
`angry` 怒	`crying` 泣

沒名字的那幾百個人，靠 16 個原型
#

十六個泛用角色原型的立繪，涵蓋平民男女、僧、尼、官員、書生、貴族的少年少女與成年與老年男女、僕役的少年與成年男女 — 圖說：按「階級 × 性別 × 年齡」切出來的 16 格。小廝甲、婆子乙、來報信的官差 —— 沒有台詞份量卻必須出現在畫面上的人，全部從這裡取。

120 回裡走過的人遠不只 62 個。門房、小廝、婆子、道士、來收租的、來報喪的 —— 這些人有一兩句話，然後就消失了。替他們每人畫一張，成本上做不到；讓他們沒有立繪，畫面上又會缺一塊。

所以切出 16 個原型：階級（平民 / 貴族 / 僕役 / 出家 / 官 / 士）× 性別 × 年齡（少 / 壯 / 老）。每個原型一樣有完整八種表情，所以一個沒名字的婆子照樣可以在挨罵時換成怒、在報喪時換成泣。

這個決定是整批素材裡投資報酬率最高的一個：16 × 8 = 128 張，接住了幾百個角色。

89 處地景
#

十二張場景圖，包含大觀園入口、賈赦房、賈珍房、蘆雪庵、寧國府庭院、榮國府祠堂、榮國府書房、僕役住處、瀟湘館、杏葉渚、尤氏房、真如福地 — 圖說：不是「一個古代庭園」重複用十二次 —— 蘆雪庵是雪、杏葉渚是夏荷、僕役住處有通鋪跟炭爐。地點在原著裡各自有性格，畫面上就得看得出來。

120 回，一回一張
#

八張回目插畫，分別為第 1、16、31、46、61、76、91、106 回，題材從山石通靈、雪中庭院、刺繡、聚賭，到荷塘、月下獨坐、雨中灑掃、殘荷 — 圖說：等距抽的八回。從第 1 回的青埂峰頑石到第 106 回的殘荷 —— 同一套筆法，但季節、光線、人氣多寡一路在走。

講一點做法
#

一、先定裝，再演戲。 每個角色的第一張是「定裝照」：姿勢、服裝、配飾、背景一次決定完。之後七種表情都掛在它下面。這個順序決定了整批的一致性上限 —— 定裝照錯了，八張一起錯。

實際的兩段流程長這樣（本機 GPU 跑 ComfyUI，沒有雲端 API）：

	基準立繪	七種表情
起點	空白 latent 512×768	讀回基準立繪那張 PNG
取樣	全圖，denoise 1.0	只在臉的框內，denoise 0.5
臉怎麼框	——	YOLOv8 臉部偵測 → 外擴後裁下、放大、重繪、羽化貼回
步數	8 步	8 步

denoise 0.5 是整件事的樞紐：留一半原圖。全部重畫（1.0）臉會換人，動太少（0.2 以下）表情推不動。而且重繪只發生在框裡，框外連碰都沒碰到 —— 那才是圖 2 裡髮絲和衣領一個像素都沒變的原因，不是我調得好。

框的處理也有講究：偵測到的臉往外擴一圈、再以三倍範圍裁下來送進模型，最後羽化幾個像素貼回去。擴太少會在下巴留下接縫，擴太多就等於重畫整張。

二、表情提示詞是「加一句」，不是「換一段」。 七種表情的正面提示詞，前面那一整段角色描述（年紀、五官、服裝、畫風）一字不改，只在尾巴接一句表情：

（基準句原封不動）… high-fidelity masterpiece
                  ↑ 到這裡都一樣
, slightly misty eyes, gentle melancholy, restrained sorrow,
  dignified sadness, subtle downcast gaze, composed grief

而且寫的是動作不是形容詞。「悲傷的」會得到一張表情曖昧的臉；「眼睫微濕、視線下垂、神色克制」會得到你要的那張。模型對形容詞的解讀空間太大，對動作的解讀空間小。

三、負面提示詞要擋掉的是「其他情緒」和「用力過猛」。 每一種表情的負面詞都在基準負面詞後面追加兩類東西：其他六種情緒（免得模型混著給），以及那一種情緒的誇張版——

crying  的負面： …, smiling, happy, laughing,
                 exaggerated crying, open mouth wailing, childish expression
angry   的負面： …, smiling, happy, laughing, crying,
                 exaggerated rage, bared teeth, open mouth screaming, childish tantrum

第二類才是關鍵。生圖模型對「哭」的預設是嚎啕大哭、對「怒」的預設是齜牙咧嘴 —— 那是表情符號的語彙，不是這批畫的語彙。這些人是世家子弟，情緒要收著。「不要什麼」在這裡比「要什麼」還吃力氣。

四、八種是從調用端反推的，不是憑感覺定的。 敘事引擎要能自動選表情，它能從一句台詞判斷出來的粒度就是這八種。多做第九種，程式沒有足夠資訊去選它，做出來只會躺在資料夾裡。先看調用端能分辨到什麼，再決定素材要做幾種。

五、素材庫跟 app 分開放。 833 張、快 400 MB，塞進 app bundle 會直接撞到 App Store 的體積限制。所以它是一個獨立的素材倉庫，app 在需要時才去拉。這也讓補圖、換圖不必重新送審。

六、丟掉過一整批。 更早有一版是「20 個角色 × 3 種表情」，走的是工筆半身像加題款、靠服裝主色維持辨識度那條路。它能用，但兩個問題：三種表情不夠敘事引擎分派，而且同一個人在不同表情之間看得出來在飄。現在這批是重做的 —— 保留下來的只有角色名單。

沒講的部分
#

62 個角色的定裝提示詞本身 —— 每個人的「身分區塊」怎麼寫，才在八張之間撐得住
臉框在什麼髮型與角度上會偵測失敗，以及那時候的退路
16 個原型的維度是怎麼收斂成這 16 格的
120 回插畫怎麼從回目文字產生構圖，以及季節與時辰的連續性怎麼維持
實際良率、重跑一張的成本、以及哪一種表情最難生（不是哭）
敘事引擎那端怎麼決定某一句台詞該配哪一種表情

這些參數不是我記在腦子裡的 —— 每張 PNG 都把當初的完整流程寫在自己的中繼資料裡，所以兩年後看到一張圖，直接從檔案讀回模型、種子、提示詞、denoise。這頁的每個數字都是這樣挖出來的，不是憑印象寫的。

這批角色也撐起了一套 LINE 貼圖。想看同一套「先鎖常數、再放變數」用在完全不同的題材上，素材圖庫是同一個想法跑 2,545 次的樣子。

62 個有名有姓的角色#

每個人八種表情，而且臉以外的地方一動也不動#

沒名字的那幾百個人，靠 16 個原型#

89 處地景#

120 回，一回一張#

講一點做法#

沒講的部分#