很多玩 AI 绘画的人应该都有类似的体会平台出图时人物面部一致性确实做得不错同一张脸能保持稳定但一到自己想要的表情、服装、手势、光影、背景细节就总差那么一点意思。反复抽卡真正能用的图还没有几张。这种状态持续一段时间确实挺折磨人的。今天想围绕这个痛点完整梳理一套更可控的本地出图流程。文章不局限于某一个在线平台而是从“人物一致”和“细节表现”两个目标出发讲清楚背后的原理、常用工具、参数调优方法以及如何降低抽卡频率。无论你是刚开始接触 AI 绘画还是已经会用 Stable Diffusion WebUI、ComfyUI 但经常卡在细节阶段的开发者这篇文章都值得收藏备用。1. 人物一致却输在细节先理解问题本质1.1 用 AI 出图时最磨人的三种体验在接触 AI 绘画的过程中最常见的三类挫败感基本是固定的第一人物一致但细节不听话。平台通过模型或内置功能锁定了角色的脸部特征所以你连续生成好几张图都能认出是同一个人。但你想让角色做出某个特定手势、穿上某件衣服、处在某种光影下生成结果往往偏离要求。第二抽率太低。这里的“抽率”可以理解为一次有效出图率也就是生成一批图片后能直接进入后续精修流程的比例。抽率低意味着大量时间和显卡算力被消耗在一次又一次几乎相同的无效生成上。第三同一套参数换一个角色就失效。上一张图效果很好但当你只修改角色描述后画面突然崩坏甚至人物五官都开始扭曲。这三类问题的根源并不是 AI 模型“不够聪明”而是我们把太多的随机变量交给了模型却没有建立一套可控的出图流程。1.2 人物一致性到底靠什么实现从技术层面看人物一致性的实现方式大致有三种第一种是通过模型本身的内置能力。很多在线出图平台会提供“角色引用”功能核心原理是把参考图像编码成特征向量在生成时通过注意力机制植入到画面的对应区域。代表技术包括 IP-Adapter、IP-Adapter FaceID 等。第二种是通过 LoRA 模型。LoRA 的全称是 Low-Rank Adaptation也就是低秩适应。它的原理很巧妙在原始大模型的基础上只训练一小部分低秩参数就能把某个角色的发色、瞳色、脸型、服装风格等特征固化下来。生成时在提示词中加入 LoRA 触发词模型就会优先呈现这些特征。第三种是通过稳定的提示词模板。把角色的核心特征拆成固定短语每次生成时都使用同样的描述顺序和关键词减少语义波动。你会发现在线平台做得好的“人物一致”往往是第一、第二种方案的效果。但如果只依赖模型层面的约束细节仍然交给随机采样那细节表现自然不稳定。1.3 细节表现力与“抽率”的关系为什么模型稳定了人物却稳定不了细节因为扩散模型本质上是一个从噪声逐步去噪到图像的过程。文本提示词通过 CLIP 文本编码器转换成语义向量再引导去噪过程。但语义向量是有损的它很难精确表达“左手的食指微微弯曲”这种精细指令。同时图像从潜空间转换回像素空间时也要经过 VAE 解码器这个过程同样存在信息损失。再加上采样器本身带有随机性所以哪怕人物特征被锁定了手指、衣纹、眼神光这类小区域仍然容易崩坏。“抽率”就是这些随机因素叠加后的结果。想要降低抽率不能靠祈祷而要把生成过程拆解成多个阶段每个阶段只解决一个确定性目标。2. 环境准备把不可控平台换成可控本地工作流在线平台用起来方便但参数自由度往往有限也不方便批量管理。更推荐的方案是在本地搭建一套可控出图工作流。下面以 Stable Diffusion WebUI 和 ComfyUI 为例展开。2.1 本地部署工具选型Stable Diffusion WebUI 适合新手快速上手所有功能都有图形界面模型切换、提示词填写、参数调整都比较直观。ComfyUI 则更适合追求流程复用的用户。它以节点图的方式组织整个生成链路每个模块之间的数据关系一目了然。熟练之后你可以把“人物一致性 细节精修”封装成一套固定工作流以后每次生成只需要替换输入图或提示词。本文不绑定某个具体版本因为这两个工具的迭代速度都很快。实际操作时请以你本地的版本为准重点是理解配置思路。2.2 硬件与基础依赖本地生成 AI 图片对显卡要求相对明确显存 8GB 以上能获得较好的体验显存 4GB 到 6GB 也可以运行但需要开启显存优化选项出图速度会明显变慢如果没有独立显卡建议使用云端算力或者回到在线平台继续体验。软件层面需要提前安装 Python 环境、CUDA 驱动以及对应版本的 PyTorch。具体安装命令会随工具官方文档更新不建议照抄网上过时教程中的版本号。2.3 模型目录结构与素材准备本地部署完成后建议先规划好模型目录结构。下面是一个常见的目录组织方式models/ ├── Stable-diffusion/ # 主模型也称大模型或 checkpoint ├── Lora/ # 角色 LoRA、风格 LoRA ├── ControlNet/ # ControlNet 模型文件 ├── VAE/ # VAE 模型影响色彩和细节 └── hypernetworks/ # 备用按需使用 outputs/ ├── txt2img/ # 文生图输出 ├── img2img/ # 图生图输出 └── inpaint/ # 局部重绘输出主模型决定了整体画风和基础画质。角色 LoRA 负责锁定人物特征。ControlNet 模型负责姿态、边缘、深度等结构控制。VAE 会影响色彩和细节还原。素材准备方面如果你要训练自定义角色 LoRA建议准备 15 到 30 张同一角色的多角度、多表情图片分辨率统一且画面中不要出现其他角色。如果你是直接使用现成角色 LoRA则需要记录该 LoRA 的触发词和推荐权重。3. 稳住人物一致性的工程化方法很多人在生成角色图时人物会忽胖忽瘦、眼睛颜色漂移根本原因是角色特征没有被稳定地注入生成过程。这里提供三个工程化手段。3.1 用 LoRA 固化角色特征LoRA 是目前最常用的角色一致性方案。它的优点在于体积小、便于切换而且不会覆盖主模型原有的画风。使用现成 LoRA 时提示词中需要显式调用lora:角色名:0.8后面那个 0.8 是 LoRA 权重。权重越高角色特征越明显但过高会导致画面出现奇怪的伪影、颜色溢出。一般建议从 0.6 到 0.9 之间开始测试。如果现有 LoRA 都满足不了需求就需要自己训练。训练 LoRA 的核心不是代码而是素材与打标。正规的流程大致如下整理 20 张左右角色图片使用打标工具生成描述标签检查标签删除与背景、构图相关的冗余内容保留发型、瞳色、服装等身份特征设置训练轮数、学习率、网络维度等参数训练完成后放到models/Lora目录。需要特别提醒的是如果要训练真人风格的 LoRA必须使用已获得授权的素材。训练他人肖像并用于公开传播在法律和平台规范上都存在风险。更安全的做法是使用虚构角色或原创设定图。3.2 建立角色提示词模板模型对提示词的顺序和措辞很敏感。同一批特征词换一种排列方式生成结果就可能完全不同。因此建议为每个角色建立一套固定的提示词模板。一个简单有效的模板结构是质量词 角色名触发词 角色特征 画面主体 动作姿态 环境光影 画风词举个例子(masterpiece:1.2), (best quality:1.2), lora:my-character:0.8, white hair, red eyes, black jacket, 1girl, solo, standing, looking at viewer, slight smile, city street at night, neon light, cinematic lighting, high detail face, detailed clothes这里把角色特征白发、红瞳、黑夹克固定在提示词前段画面环境放在后段。这样做的好处是当你需要换场景时只修改后段内容角色特征不会受到太大干扰。3.3 用种子与图生图缩小随机范围扩散模型的生成结果带有随机性但随机性不是完全不可控的。种子Seed是控制随机性的关键参数。同一套提示词、参数和模型使用相同的 Seed生成结果基本相同。因此在找到一张满意的底图后建议立刻固定 Seed再基于这张图做后续修改。比固定 Seed 更进一步的方法是图生图。将生成的满意图片拖入图生图设置较低的“重绘幅度”Denoising Strength模型会在保留原始构图和人物特征的基础上重新采样细节。重绘幅度的含义需要理解清楚0.1 到 0.3 之间基本只做轻微细节调整颜色和构图几乎不变0.3 到 0.5 之间可以改变部分细节同时保持人物和构图稳定0.6 以上画面可能出现较大变化适合风格重塑不适合细节修正。如果你只是觉得人物脸部不够精致在 0.3 左右的重绘幅度下反复抽卡即可不必重新生成整张图。4. 细节控制的核心手段人物一致问题解决后真正的难点在于“细节控制”。这一章是降低抽率的关键部分。4.1 负面提示词与 CFG 调优细节崩坏的很大一部分原因是模型在采样时走向了错误的方向。负面提示词的作用就是在生成时提醒模型“不要出现这些东西”。推荐的负面提示词模板如下lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry, deformed, mutated, disfigured, extra limbs, bad feet如果你重点关注人物特写还可以额外加入bad face, bad eyes, bad mouth, distorted face, cross-eyedCFG Scale 是另一个影响细节表现的重要参数。CFG 表示生成结果对提示词的遵循程度数值过低如 1 到 3画面会缺少细节主题模糊数值过高如 15 以上画面容易出现过度饱和、色彩溢出、边缘伪影数值在 5 到 9 之间通常是多数模型和采样器的甜点区。建议在固定 Seed 的情况下用 6、7、8 三档分别生成几张图对比哪一个 CFG 值更符合你的需求。4.2 ControlNet 控制姿态和构图细节问题并不只是“五官”问题也包括人体姿态和空间结构。如果角色姿势扭曲或者构图不符合预期再怎么精修脸部也无济于事。ControlNet 是目前最主流的结构控制工具。它可以在生成时参考额外的条件图例如骨骼姿态、边缘线稿、深度图等。下面列出几个常用模式控制模式核心用途适用场景OpenPose控制人体骨骼姿态指定站姿、坐姿、单手叉腰等Canny提取边缘线条保留线稿构图适合二次元转绘Depth控制远近层次复杂背景下的景深关系Lineart控制线稿结构漫画线稿上色、角色转绘MLSD控制直线结构室内场景、建筑结构使用 ControlNet 时需要额外准备一张条件图。例如你想让角色摆出某个人体姿势就先在图片编辑软件中摆好参考姿势图再在 ControlNet 中开启 OpenPose 预处理器。需要强调一点ControlNet 控制的是“结构”不负责“画细节”。即使姿态控制得再好脸部仍然需要靠 LoRA 和精修阶段去完善。4.3 分步生成先构图再补细节很多人习惯把所有需求一次性塞进提示词期望模型一步到位。这在复杂画面中往往不现实。更高效的做法是分步生成。第一步确定构图与光影。使用 txt2img 生成一张构图基本满意的底图关注点放在整体结构、人物位置、背景氛围上。此时不需要追求脸部特写细节。第二步使用图生图精修整体细节。将底图放入图生图设置重绘幅度为 0.3 左右提升面部和服装的细节表现。这一步可以循环多次每次只做小幅修改。第三步使用局部重绘处理不满意区域。如果只有手部崩坏或者某块衣纹不理想就只对该区域进行局部重绘其他区域保持不动。这套流程的本质是把一个大问题拆解成多个小问题每个小问题由更合适的工具解决从而显著降低每一层的失败率。4.4 局部重绘与细节修复局部重绘Inpaint是细节修正的利器。它允许你指定画面中的一个区域只对该区域重新生成未选中区域完全保留。以 WebUI 的界面为例操作步骤如下将当前图片发送到局部重绘面板使用画笔涂抹需要重绘的区域调整蒙版模糊度设置重绘幅度。手部修复建议在 0.4 到 0.6面部修复建议在 0.3 到 0.5设置蒙版模式为“仅重绘蒙版区域”。局部重绘有一个关键参数是“蒙版内容处理方式”。如果选择“填充”模型会用背景色填充选区如果选择“原图”则会在原图基础上微调。对于手部和脸部的细节修正推荐使用“原图”模式同时保持较低的重绘幅度。当角色是全身图但只需要精修面部时还可以搭配脸部修复插件或 ADetailer 组件来实现自动检测和修复。这类工具的作用是先用检测模型定位脸部位置再对脸部区域进行单独的高分辨率重绘效果通常比整图重绘更稳定。5. 一套可落地的完整出图流程前面介绍了各种独立技术点这里把它们串成一套完整流程。按照这个流程执行可以有效降低抽率。5.1 前置设定在开始抽卡之前先把以下信息固定下来主模型角色 LoRA 及权重角色提示词模板负面提示词画幅尺寸例如 512×768采样器与步数一组候选 Seed。这些变量一旦固定后续生成结果就具备可比性。你需要观察的差异不再是“脸崩不崩”而是“构图和光影哪个更好”。5.2 批量抽卡与筛选策略不要单张单张地试而是用固定参数批量生成多张图然后集中筛选。在 WebUI 中可以开启不同的 Seed 批量生成。你也可以在脚本中循环更换 Seed输出多张候选图。下面是一个基于 API 的批量生成思路示例import time import requests # 思路示例请根据你本地的 WebUI API 版本调整接口地址和字段 api_url http://127.0.0.1:7860/sdapi/v1/txt2img base_prompt (masterpiece:1.2), (best quality:1.2), lora:my-character:0.8, white hair, red eyes, black jacket, 1girl, solo, standing, looking at viewer negative_prompt lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, blurry, deformed seeds [1001, 1002, 1003, 1004, 1005] for seed in seeds: payload { prompt: base_prompt, negative_prompt: negative_prompt, seed: seed, steps: 28, width: 512, height: 768, cfg_scale: 7, sampler_name: DPM 2M Karras } response requests.post(api_url, jsonpayload) # 这里可以保存返回的图片并记录 seed 和参数 print(fseed {seed} generated: {response.status_code}) time.sleep(1)这段代码是思路示例具体接口字段和运行方式需要根据你本地的 WebUI 版本调整。重点是批量生成时一定要把 Seed 记录下来否则后续无法复现满意图像。筛选时建立简单的评价维度人物是否保持一致性构图是否满足需求手部、面部是否有明显畸变光影和背景是否符合预期。只有通过初筛的图片才进入下一步精修。5.3 结果记录与参数归档无论你使用 WebUI 还是 ComfyUI强烈建议用表格管理生成记录。图号Seed提示词版本LoRA 权重CFG重绘幅度是否通过初筛后续修改点0011001v1.20.870是手部需重绘0021002v1.20.870否脸部崩坏0031002v1.20.870.35是已精修可保留有了这份记录你就能回答一个关键问题哪些参数组合下抽率最高哪些流程节点最容易失败6. 常见问题与排查清单即使理解了原理实际生成时仍然会遇到各种问题。下面是一份高频问题排查表。问题现象常见原因解决思路人物脸崩、五官扭曲LoRA 权重过高或过低缺少角色控制将 LoRA 权重调到 0.6 到 0.9 之间并固定角色触发词手部畸形、多余手指模型对手部结构理解不足加入手部负面词使用 OpenPose 控制手势或局部重绘手部人物一致但衣服细节不对服装特征没有进入提示词模板在角色特征区域增加服装关键词并降低重绘阶段的变化幅度抽率低、几乎不出好图提示词过长、参数混乱、Seed 不合理精简提示词固定基线参数小批量扫参细节模糊、色彩过曝CFG 过高或 VA E 不匹配将 CFG 调到 5 到 9检查 VAE 是否正确加载同一 Seed 在不同尺寸下结果差异大Seed 本身受尺寸和模型影响固定画幅尺寸不要在精修时随意改动宽高重复抽卡但构图变化太大缺少结构控制引入 ControlNet 姿态或边缘控制6.1 通用排查顺序如果生成结果不理想不要立刻改一堆参数。建议按以下顺序排查固定 Seed确认问题是否随机出现检查负面提示词是否完整对比 CFG 在 6、7、8 三档的差异降低或提高 LoRA 权重测试人物特征强度加入 ControlNet先锁定构图和姿态对问题区域进行局部重绘而不是整图重抽。这个顺序遵循“先结构、后细节、再随机性”的原则可以避免你陷入盲目抽卡的循环。7. 工程化建议与合规边界7.1 素材、提示词与参数管理随着项目变多提示词和参数会变得非常混乱。建议从第一天就建立自己的管理规范。提示词文件可以按角色或项目命名存放在独立目录中prompts/ ├── character_my_character.txt ├── style_cinematic_lighting.txt ├── negative_default.txt └── config_batch_001.json其中character_my_character.txt保存该角色的完整提示词模板negative_default.txt保存通用负面提示词。这样在切换项目时不需要反复从零编写提示词。对于批量任务可以把参数写成配置文件{ prompt_file: prompts/character_my_character.txt, negative_file: prompts/negative_default.txt, lora: my-character, lora_weight: 0.8, cfg: 7, steps: 28, width: 512, height: 768, seed: 1001, batch_size: 4 }这种方式在配合自动化脚本时尤其方便也便于回溯某张图的完整生产链路。7.2 版权与肖像权注意事项AI 绘画的合规问题不能忽略以下几条要牢记不得使用未授权的真人照片训练 LoRA也不要生成他人肖像用于公开传播不得冒充真实人物身份发布内容使用他人风格模型前先确认模型授权范围公开发布内容时遵守目标平台关于 AI 生成内容的标注要求。这些不仅是法律风险问题也关系到创作者的长远信誉。技术能力越强越要守住边界。7.3 性能优化建议生成细节丰富的图片很消耗算力。实际项目中建议采用“先小图、后放大”的策略初筛阶段使用 512×768甚至 448×640确定构图后再使用高分辨率修复或放大模型提升分辨率批量任务不要同时开太多并行任务显存溢出会导致整批失败定期清理输出目录重要参数和 Seed 记录在案图片本身可以压缩归档。如果使用 ComfyUI可以复用节点组来避免重复搭建工作流。例如把角色 LoRA 加载、ControlNet 姿态控制、面部修复三个阶段分别封装成子流程。这样每次生成的变量大幅减少抽率自然会下降。8. 总结与下一步学习建议回到开头的问题。当你觉得出图平台“人物一致但细节差、抽率又高”的时候需要做的不是继续盲抽而是把生成过程拆开来看。人物一致性由 LoRA、角色提示词模板和参考图机制负责细节表现由负面提示词、CFG、ControlNet 和局部重绘负责抽率则由参数管理、批量策略和 Seed 记录来决定。三者各司其职就不会把希望寄托在一次随机生成上。接下来你可以按这个顺序继续深入先精通 Stable Diffusion WebUI 的图生图和局部重绘再学习 ComfyUI 的节点式工作流尝试把流程封装成模板然后学习 ControlNet 的多种控制模式最后尝试训练自己的角色 LoRA把人物一致性牢牢握在自己手里。AI 绘画的价值在于扩展创作效率而不是替代思考。当你愿意把每一步参数和结果记录下来时抽卡就不再是“折磨”而是一套可以不断优化的工程流程。希望这篇文章能帮你少走一些弯路。如果感觉有用可以收藏备用也欢迎在实践中回来对照排查。