Character.ai 基于 Qwen-Image 后训练自有 CAI-Image 图像模型

背景

Character.ai 把自己描述为一座建立在粉丝文化（fandom）之上的平台：人们在这里让角色活起来，这些角色正被带进漫画，之后还会进入视频 ^[1]。公司称每天有数百万人在平台上创作角色、场景和故事，而且多数创作是「一键」完成的 ^[1]。这类使用对图像生成提出了很具体的要求：一个故事会反复要求同一个角色出现——换一种画风、换一个角度、和另一个角色同框、出现在下一页——一旦脸或服装走样，读者立刻就能看出来。

发生了什么

2026 年 9 月 16 日，公司表示已经自建图像模型，不再依赖通用模型 ^[1]。这个系列叫 CAI-Image，成员是开源 Qwen-Image 模型的后训练（post-training）版本，针对角色驱动的故事创作做了调优 ^[1]。所谓后训练，是指从一个已经学会通用图像生成的基座模型出发，再针对更窄的目标继续训练：基座提供通用的画图能力，后续训练把它「掰」向具体的活儿。

训练重点

官方给出的目标，是让同一个角色在故事要求的每一种画风、每一个场景和每一页里都保持可辨认 ^[1]。团队列出了四个方向：画风范围与迁移、多角色场景与姿态控制、电影式镜头控制，以及漫画生成 ^[1]。画风范围与迁移，是在不丢失角色身份的前提下更换视觉处理方式；多角色场景与姿态控制，是让一个画面里出现不止一个角色，并决定他们怎么站、怎么摆；电影式镜头控制，是决定一个镜头怎么取景；漫画生成则涉及漫画分镜与线条的处理。

用在哪里

CAI-Image 为不久前上线的 (c.ai) Comics 提供绘图能力，并为 Imagine、Imagine Message 等入口的图像生成供能 ^[1]。也就是说，它不是单独的演示：它托着用户已经在用的角色与故事创作功能，漫画功能直接建在它之上。

公司怎么说明它的价值

Character.ai 的说法是，这一路线带来的是秒级生成、成本只占一小部分，以及从训练数据到线上服务全链路的控制 ^[1]。前两点关于服务成本：模型自建，并且朝一个很窄的任务调过，因此请求不必都交给通用模型去处理。第三点关于范围：训练数据和线上服务都在自己手里，模型要怎么改可以在同一套体系内完成。

位置与影响

选择后训练而不是依赖通用模型，等于把「角色一致性」这一要求放进了模型本身。同一套技术栈今天支撑漫画，按公司的说法，之后还要把角色带进视频 ^[1]。对一个以角色和同人创作为核心的平台来说，掌握这类能力意味着从聊天走向漫画、再走向视频的路径，可以沿着一条自有的模型线延伸 ^[1]。