如何检查 AI 角色的语调在不同场景中是否一致
如果一个 AI 角色在一个场景中听起来热情，而在下一个场景中显得冷漠，在重写语调之前，先检查这种转变是否契合当前场景。将生成内容与简短的设定概要进行对比，然后寻找在言语、选择和人际交往行为中是否存在可见的矛盾。角色可以对不同的情境做出不同的反应，同时依然让人觉得是同一个人；一致性意味着这种转变具备读者能够理解的合理原因。
区分稳定的核心语调与场景级的即时反应
一次有效的语调一致性检查包含两个层面。稳定的核心语调包括反复出现的特质，例如角色如何组织语言表达想法、他们会注意到什么、他们说话有多直接，以及他们习惯性回避谈论什么。场景级的即时反应则包括由当下的目标、倾听者、彼此关系或戏剧性情境引起的暂时性转变。美国编剧工会基金会（Writers Guild Foundation）建议在塑造角色语调时，考虑角色的自我认知、主导情绪、场景目标以及与其他角色的关系等因素。东英吉利亚大学（University of East Anglia）的编剧课程同样将对白与角色的需求、背景、人际关系和当前处境联系在一起。（Writers Guild Foundation: Character Voice; FutureLearn/UEA: Dialogue and character voice）
这引出了一个实际的问题：究竟是角色的表达方式发生了变化，还是某种稳定的特质、偏好或既定事实消失了？一个通常说话简明扼要的角色，在试图回避尴尬的回答时可能会变得啰嗦。这可以是一种符合场景的合理反应。但如果同一个角色在没有任何场景提示、设定概要中也无先例的情况下，突然使用繁复而正式的句式来解释一个平常的喜好，那可能就是语调发生了偏离。
这种区分之所以有用，是因为对白传达的远不止词汇本身。它可以揭示角色的诉求以及他们如何对待他人；说话风格也能反映所刻画的角色特质。一本大学出版社出版的对白指南通过角色选词和回应展现其性格与关系的例子阐明了这一点。（A Beginner’s Guide to Storytelling: “Writing Dialogue”）
撰写一份精简的设定与风格概要
在诊断样本之前，先制作一份概要，说明哪些特质需要保持辨识度。描述要足够具体，以便与对白进行对照。避免使用诸如“迷人、复杂、神秘”等一系列宽泛的形容词：它们无法告诉你应该在生成内容中寻找什么细节。
例如，一份说明性的概要可以是：“玛拉（Mara）说话使用简短、直白的句子。她会注意到实际的细节，并通过采取具体行动来提供帮助。她很少给予浮夸的赞美。面对多年的老友，她会开玩笑；当面临紧迫的决策时，她会变得更加直接。她不知道备用钥匙在哪里。”这个例子纯属虚构，仅用于演示该方法，并非针对某个现有角色的事实声明。
该概要结合了两类说明。设定事实是角色不应违背的既定细节，例如玛拉知道什么。风格与行为锚点则描述了受众可以观察到的模式，例如句长或她提供帮助的方式。只添加对该角色以及你正在检查的场景至关重要的锚点。这体现了一个更广泛的塑造人物原则：角色的特质可以通过其行动和言语间接传达，而不仅仅由作者直接命名。2023 年的 *Portrayal* 研究论文将行动、言语、外貌和环境描述为虚构作品呈现人物特质的方式。（Hoque et al., “Portrayal: Leveraging NLP and Visualization for Analyzing Fictional Characters”）
使用相同的诊断问题对比生成内容
在判定某段内容“脱离角色设定（OOC）”之前，阅读每个段落并记录证据。引用具体的台词或行动，指出相关的概要要点，并标明该不符之处是涉及稳定锚点、设定事实，还是属于合理的场景级变化。关于 *Portrayal* 的研究论文探讨了利用言语、行动和情绪等指标在整个故事中呈现角色行为模式的方法。将这种轻量的人工对比方法应用到 AI 生成的场景中，是对该思路的实用延伸，并非该论文测试得出的结论。（Portrayal）
可以使用如下紧凑的对照框架：
检查项：言语；提问：措辞、直截了当的程度或对细节的关注是否符合既定锚点？；潜在信号：一个平素言语简练的角色在没有场景铺垫的情况下，发表了一通冗长而文雅的演讲。
检查项：选择；提问：角色的行为是否符合既定的偏好或事实？；潜在信号：角色声称知道某个概要中明确说明其并不知晓的细节。
检查项：情境；提问：该场景中是否有某种因素可以解释这种差异？；潜在信号：事态紧急让一个通常说话委婉的角色变得直截了当。
检查项：关系；提问：他们对待此人的方式是否符合既定的人际关系动态？；潜在信号：在初次见面时就毫无缘由地出现熟稔的调侃玩笑。
出现不符之处是仔细审视段落的理由，而不是自动判下结论的依据。对白可能需要承载交代背景的功能，角色可能故意有所隐瞒，或者场景本身正在建立某种转变。明确标出这些可能性，而不要预先假定每一次脱离概要都是错误。
使用小规模对照测试区分语调漂移与灵活性
当两段生成内容看似不一致时，可以用相同的角色和相同的基本任务进行一次小测试，但改变一个场景条件。例如，让玛拉分别回答多年老友和新结识的人提出的同一个问题。保持她所知道的事实和面临的实际问题不变。这样可以隔离出差异是源于人际关系，还是看似与之毫无关联。
然后将这些段落与概要进行比对。面对朋友的回答是否更具调侃意味，同时玛拉依然使用朴素的语言和关注实际细节？这表明在保持可识别锚点的同时具有灵活的表达。面对新相识者的版本是否虚构了事实，或者在没有任何线索的情况下让她变成了辞藻华丽的演讲者？这则是存在矛盾的更有力证据。重点并不在于要求一模一样的回答；而在于检验这种变化在场景中是否有可观察到的合理解释。
为了快速排查，两到三个匹配的情境通常比一大堆毫无关联的提示词更容易解读。将这个数量视为一种便于操作的实践选择，而非经过研究验证的绝对阈值。在每段生成内容旁记录场景条件，以免将受众、紧迫性或目标的变化误认为是随机的不一致。
在修改之前对不一致之处进行归类
为每一句被标记的台词打上以下三种标签之一：
设定矛盾：与既定事实冲突，例如角色所见或所知晓的内容。检查故事是否为这种表面上的变化提供了原因；如果没有，修改该台词或调整底层概要。
无解释的锚点破裂：稳定的言语或行为模式发生了改变，且场景没有给出明确的原因。如果这种改变是有意为之，添加简短的场景提示；或者修改生成内容以恢复可识别的锚点。
合理的变化：表达方式随当前情境发生转变，但角色的底层模式依然清晰可见。保留它；一致性并不要求每一句台词听起来都一模一样。
这种分类是一种编辑决策辅助方法，源于将稳定的角色特质与特定场景的影响进行对比。它不是一种正式的诊断量表。底层的写作指导支持关注语调和情境，而这里的分类是将该指导应用于生成对白的一种方法。（Writers Guild Foundation; FutureLearn/UEA）
根据证据指向修改概要或文本
如果多个段落反复打破同一条假定规则，问问自己这条规则究竟是角色真正的一部分，还是仅仅是你的第一印象。概要应该反映由素材所确立的角色。如果故事支持更具层次的模式，那就更新概要；不要仅仅为了让新的对白顺从规则而保留不准确的描述。
如果锚点仍然适用，进行局部且可观察的修正。与其告诉 AI“要更有一致性”，不如说明相关的约束条件：“保持玛拉的句子朴实且注重实际；在这个场景中她很赶时间，所以让她更直接地回答，不要添加华丽的词藻。”如果这种转变是有意为之，找出场景赋予它的原因：新的倾听者、紧迫的目标、新发现的事实，或者是关系中已确立的转变。美国编剧工会基金会的指导指出，场景目标和人际关系可以塑造言语；保留这些条件有助于你判断某种变化是否合理。（Writers Guild Foundation: Character Voice）
最后，将修改后的台词与该角色早期的语调示例并排重读。寻找关键细节上的连贯性：角色注意到了什么、他们选择说什么，以及他们如何对待眼前的人。有价值的结果并不是让角色在每个场景中都重复相同的口头禅，而是让其变化在故事已建立的角色特质面前依然清晰可辨、有迹可循。