6款AI小说做图工具实测:从人设到场景,角色一致性、组图生成、一次讲清

写小说的人常遇到一种尴尬：脑内人设清晰无比，但是写到场景的适合就只剩了“古色古香的房间”六个字；

想给角色配张图吧，翻遍相册都找不到一张能对上脸的。

现在AI绘图工具很多，但“能用”和“能给小说用”是两码事。前者看画质，后者看角色一致性、批量出图效率、以及文图之间的流转是否顺手。

· · ·

小菇花了几天时间实测了一圈，筛掉那些需要折腾环境、或者角色每张图都换脸的选项，留下了下面这六个目前稳定可用、且适配小说创作场景的工具，你可以按自己的技术舒适区来选。

如果你不想碰任何参数，只想把一段人设描述扔进去，就能出来一张能用的图，LiblibAI 2.0 是目前国内最省事的选择之一。

它本质上就是一个模型广场加在线生图工作台。对小说作者最实用的点在于：广场里直接有“小说推文”风格分类，涵盖古风、现言、悬疑、仙侠等常见网文题材的预设模型。

你不需要知道什么是 LoRA、什么是采样器，点进一个顺眼的风格，在提示词框里写下“冷面剑修，玄色长袍，眉间一道旧疤，雪中持剑而立”，生成即可。

文图联动的实操价值

LiblibAI 的“做同款”功能对系列化配图很有用。看到一张构图满意的人设图，点“做同款”，系统会自动填入原始提示词和模型参数，你只需要修改发型、服装颜色、背景环境，就能在保持画风统一的前提下产出同一角色的不同场景图。对于需要给主角配十几张插图的长篇作者，这比每次从零写提示词要稳得多。

注意：算力是要收费的，免费额度用完后需要购买，而且出图速度在高峰期需要排队，不适合赶稿时应急。

· · ·

如果说 LiblibAI 胜在省事，那 Nano Banana 2 胜在“记住你的角色长什么样”。这是目前消费级工具里，角色一致性保持能力最突出的一个。

它的正式名称是 Gemini 3.1 Flash Image，核心能力在于参考图编辑和主体保持。具体到小说配图场景：你先生成一张满意的主角正面立绘，存下来。之后要画“主角在雨夜巷子里回头”的场景时，把那张立绘作为参考图上传，再描述新场景，模型会尽力保持同一张脸、同一套服装配色，而不是重新随机生成一个“长得差不多但细看完全不对”的。

文图联动的实操价值

写打斗戏时，你可以在对话窗口里直接说“把上一张图里的人物姿势改成挥剑，背景换成悬崖边，光线调成黄昏”。它支持多轮对话式修改，不需要重新组织完整提示词。对于需要反复调整画面细节的作者，这种“边聊边改”的节奏更接近写作本身的修改习惯。

注意：国内访问需要解决网络问题。免费额度有限，频繁生成需要订阅。参考图数量也有上限，太复杂的多人场景一致性会下降。

· · ·

即梦AI是字节跳动剪映团队的产品，网页端直接可用，对国内作者来说访问门槛最低。它值得放进这个清单的理由，是组图生成能力——这恰好对应了小说作者“一个场景需要多张关联画面”的需求。

根据官方文档，即梦图片生成4.0支持一次性输出最多15张内容关联的图像，涵盖组合、迁移、替换、衍生等多种复合编辑方式。

实操中这意味着：你可以用一段描述让 AI 生成“主角从推门进酒馆、到坐下环顾四周、到窗外有人影闪过”的一组画面，而不是一张一张手动去抠。智能画布模式还支持多图融合与局部重绘，对于需要把角色放进不同背景的作者来说，比反复重写提示词要直观。

文图联动的实操价值

写章节前想预演分镜，把关键场景描述丢进去，选“组图”触发词，一次性拿到多张构图不同的备选图。虽然不能指望每张都直接当成品插图，但用来找画面感、确定这一章的视觉节奏，效率很高。

注意：组图的一致性控制不如单张精细，同一角色跨越多张图时仍需配合参考图功能。部分高级模型需要消耗积分。

· · ·

可灵以视频生成被熟知，但它的图片3.0 Omni模型在小说配图场景里有一个被低估的优势：原生2K/4K输出与系列组图生成，且官方定位中明确强调“强化叙事感”。

从能力表看，Kling Image 3.0 Omni 支持多图参考、组图生成、主体控制，分辨率最高到4K。对于需要把配图用于封面或印刷品的小说作者，4K的意义在于后期裁剪和排版的余量。

更重要的是，可灵3.0系列在官方发布中被描述为“让创作者能够直接组织镜头节奏与叙事结构”，这意味着它在理解“画面要讲什么事”这件事上，比纯美学驱动的模型更下功夫。

文图联动的实操价值

写关键情节时，把“情绪”写进提示词里，比如“诀别前的沉默，两人隔着三步距离，谁都没有先开口，黄昏光线从侧面切过来”。可灵对这类叙事指令的响应，往往比堆砌视觉标签更接近你脑中的画面。

注意：可灵的核心优势在视频端，图片功能的社区生态和预设风格不如 LiblibAI 丰富。部分高级能力需要订阅。

· · ·

前面几个工具解决的是“单张图好不好看、像不像”的问题。但小说配图真正的痛点是连续性：写到第十章，主角换了三套衣服，场景跨了五个地点，你很难靠手写提示词把每一张图都和第一章对齐。

文镜画师的产品思路不同。它把自己定位为“内容项目工作台”，把角色设定、分镜管理、图片生成、提示词批量生成串在同一个项目文件里。你可以先建立角色卡（外貌描述、服装设定、标志性特征），之后每一章需要配图时，从角色卡调用，而不是每次重新打字。

文图联动的实操价值

它的“提示词批量生成”功能对按章节出图很实用。你可以把一章的剧情拆成几个关键场景，批量生成对应的提示词草稿，再逐条微调后出图。对于做连载配图、或者准备把小说改成条漫分镜的作者，这种“先管理、再生成”的流程比一张一张手搓要省力得多。

注意：文镜画师偏向视频和分镜工作流，纯图片生成的精细控制不如前几者直接。更适合已经有明确分镜需求、或者打算把配图做成系列化素材的作者。

· · ·

如果你已经习惯用 ChatGPT 讨论剧情，那 Images 2.0 的价值在于不用切换工具。写到一段场景卡住了，直接把段落贴进对话框：“帮我生成这段描写的画面，古风，冷色调，主角背对镜头站在城墙上。”它会在同一个对话里给你图，不满意就继续说“脸转过来一点”“披风颜色太亮了”，它会基于上一张图修改。

文图联动的实操价值

GPT 对文本情绪的理解是它的强项。你给它一段心理描写，它生成的画面往往比单纯堆砌视觉关键词更贴合作品氛围。

有网文作者实测反馈，GPT 在理解“文本内容并抽象成意象”方面明显优于其他模型，不会把“三国”生硬地画成某个具体章节的场景，而是尝试表达势力对峙的压迫感。

注意：角色一致性是短板。同一角色在不同对话里可能长得不一样，需要非常详细且重复描述外貌特征。免费额度有限，调整次数多了需要等重置。

· · ·

· · ·

· · ·

· · ·

· · ·

· · ·

· · ·

但是，小菇提醒：目前没有任何工具能保证“上传一段文字，直接出来完美匹配的配图”。文图联动的前提，是你自己清楚要什么画面，然后用工具去逼近它。

提示词写得好不好，比用哪个工具重要得多。

把上面任何一个工具用熟，都比在六个工具之间反复横跳要出活。

图文 | 小菇灵感日记

图文 | 小菇