功能
AI 头像生成器
作者:Ofrai Editorial(Use Case Research)
一个 AI 头像生成器能不能被信任,标准是同一个人在十几张图里出现而不走样。在 Ofrai,做法是用 nano-banana-pro 跑身份一致性,它在多轮生成里能稳住面部结构;画面里有需要读的文字时用 gpt-image-2;裁切和背景的探索交给便宜的 flux-2。核心技巧是一段「身份块」——一句固定的人物描述,原样贴进每一条提示词——再加一张反复复用的参考图。其余都是版式问题。
头像为什么总走样,以及真正有效的修法
头像不一致,多数是因为每条提示词都在重新描述这个人。每次生成都会重新解读年龄、下颌线和发型,差异在一组图里越积越多。修法是结构性的:写一句身份描述,之后一个字都不改。写真正定义一张脸的东西,而不是它的情绪——年龄区间、脸型、发色和长度、肤色、显著特征、是否戴眼镜。控制在三十词左右,因为身份块越长越会被稀释。
然后原样贴进每一条提示词,只变裁切、服装和背景。如果两张图的脸还是对不上,原因通常是其中一条提示词的措辞不同——先去逐字 diff,而不是急着重摇。
只写一次的身份块
好用的身份块读起来像一份选角说明:「一位三十出头的女性,鹅蛋脸,深棕色齐肩直发,暖调浅棕肤色,小号金色耳环,眉形清晰,不戴眼镜」。注意它排除了什么:表情、光线、气质、机位。那些属于镜头,不属于人。把这块文字存进文件或笔记,整个头像套图逐字复用——中文版项目也一样,把它译成自然中文而不是逐字对译,描述精度不会掉。
以后想加某个特征时,改在身份块里再重生成,而不是只在某一条提示词里写一次。
用参考图做一致性锚点
引擎支持参考图时,参考图胜过任何文字描述。先做出一张已通过的肖像,之后每次生成都复用它,只改镜头需要改的部分。实际做法是:做一张正对镜头、背景干净、光线均匀的主肖像当母版——这一张里干扰项最少,最不容易和后续画面打架。用 nano-banana-pro 以 1:1 裁切生成母版并保存,把它当锚点。
后续画面要明确写增量,比如「与参考图同一个人,改成四分之三侧脸,温暖窗光,海军蓝针织衫」。两个输入——锁定的参考图加固定的身份块——才是可靠组合,只有一个不够。
按用途选头像裁切
裁切要按图片最终出现的位置来定,因为为首屏选的比例几乎经不起二次裁剪。社媒头像、通讯软件头像、领英式职业头像用 1:1。信息流帖子和课程平台肖像用 4:5,显示比例比宽更高。印刷感简介页、讲者卡、活动手册用 3:4 或 2:3。只有当头像嵌在横幅或演示版式里时才用 16:9。
第一次生成就按交付裁切来。取景词和比例一样重要——「头肩构图,眼睛落在上三分线,直视镜头」做出的画面远比含糊的「肖像」更能复用。
光线、服装与背景纪律
光线是让一组头像看起来像同一场拍摄的关键。选定两到三套打光并反复使用:「左侧柔和北向窗光,自然衰减」、「阴天均匀自然光,无硬阴影」、「右前方暖主光,深色中性背景」。要写方向,因为写「专业打光」每次结果都不一样。服装遵循同样的规则——一套图里把衣服的颜色、材质、领口写一次,要变化时只描述变化的部分。
背景保持干净并用中间调:无缝背景纸、柔和灰墙,或者虚化的环境。杂乱的背景会跟脸抢注意力,在小尺寸圆形裁切里还会变成边缘噪点。
不同头像任务该用哪个模型
按需求路由。nano-banana-pro 是这里的一致性引擎:主肖像用它,凡是面孔必须与同组其他帧一致的画面也用它。需要带文字或品牌物件的头像——挂绳、书封、人物身后的屏幕——交给 gpt-image-2,它的指令遵循适合带硬约束的 brief。flux-2 用来低成本试裁切和背景,在把一张脸放进版式之前先试。
交付物是风格化的时候用 seedream-5:插画式个人形象图、课程缩略图这类。草稿走 flux-2、定稿走 nano-banana-pro,既压低每套成本,又保护了脸。
头像生成最常见的翻车点
有六个高频问题。帧与帧之间脸变了——把身份块逐字对比,找出漂移的那个词。兄弟姐妹画得像陌生人——要描述关系,而不只是分别描述两个人,版式允许时放在同一张里生成。眼镜或首饰时有时无——明确点名,要没有的时候就写明不戴。看起来一眼是 AI——加不完美线索:轻微不对称、自然皮肤纹理、没有完美对称。
背景切到头顶——头发上方留出余量。还有每重摇一次年龄就更年轻一点——用数字钉住年龄(「三十出头」),而不是形容词。
一段写出来的身份块
一份能用的头像身份块读起来应该像一份选角说明,而不是一段描述。写一次,之后逐字复制:「女性,三十出头,东亚面孔,椭圆脸、下颌线柔和,暖调偏中等的肤色,深棕色直发到肩部中段、中分,自然眉,棕色杏眼,鼻子小巧,唇形中等,不化妆,戴一对银色小耳钉。允许变化:表情、头部角度、服装、背景。绝不允许变化:年龄、脸型、骨骼结构、眼睛颜色、发长、发色、耳钉。」
第二段和第一段一样重要。头像漂移几乎都来自某个你没说清楚的字段被模型在每次生成时自行决定了一遍,所以把「哪些可变、哪些不可变」写出来,等于把一个看不见的问题变成一个可以逐条核对的问题。
一套头像的设置
画幅要按头像最终会出现在哪里来选,而不是按主视觉来选:头像位和资料网格 1:1、信息流帖子 4:5、横幅或网站头图 3:2。如果你需要好几种裁切,就在最高的那个比例上生成然后往下裁,而不是每个比例各生成一张,因为每次生成都是对这张脸的一次独立重新演绎。
分辨率跟着最小的投放位走——一个 96 像素见方的头像不会因为多给了像素而变好,而要打印到 40 厘米的主视觉则需要。
一套头像怎么在三台模型之间搭出来
分三遍来做,而不是直接冲终稿。第二遍在 nano-banana-pro 上把审过的候选扩展成整套:正脸、四分之三侧、四分之三身,以及一张换背景的,每一张都贴同一段身份块,参考图统一指向那张母版。第三遍在 gpt-image-2 上处理任何需要出现文字的画面——名牌、书封、个人页头图——因为便宜引擎在这一件事上会稳定出错。
如果之后还要整体换个风格,那是第四遍,而且要以母版为准,而不是逐张去改。
一套头像的积分预算
按上面那三遍来搭,一套六张大约需要二十五到三十五次生成,考虑到同一段身份块和同一张参考图贯穿了所有帧,这个数字是合理的。成本集中在第一遍,因为身份探索是唯一真正没有边界的一段:如果在 nano-banana-pro 上要十二个候选,而不是在 flux-2 上要八个,整套成本大约翻倍,而你本来可以用很便宜的方式找到同样的差别。
每次生成前都会显示消耗的积分,各种格式共用一个余额。如果预算要砍,先砍身体的裁切张数,不要砍分辨率;探索可以砍,但排在最后——从一张审过的身份而不是三张出发,仍然是一套能用的头像,而用草稿分辨率生成的头像则完全不能用。
谁适合用生成头像,谁该用真实照片
生成头像适合这个人是一个概念或占位符的场景:真实人物还不存在、但产品页需要一张亲切面孔的页面,课程和应用原型,社区空间,游戏和故事角色,以及用图库照片会带来授权问题的内部工具。但它不适合替代真人本人的照片——用户会把一张合成的脸读成「不具体」并且略微失真,而对于用户真正拥有的那个个人资料来说,这要付出信任的代价。
还有一种情况要特别小心:生成的面孔如果和真实人物相似,而这种相似被带进招聘、教育或信贷决策,那既是伦理问题也是合规问题,而不是审美问题。商用之前请先读一遍具体模型的条款。
常见问题
- 怎么让同一个面孔在多张头像图里保持一致?
- 写一句身份描述,包含年龄区间、脸型、发型、肤色、显著特征和是否戴眼镜,然后一字不改地贴进每一条提示词。模型支持参考图时,同时复用一张已通过的母版肖像。只变裁切、服装和光线,绝不改动身份措辞。
- 做一致头像该用 Ofrai 的哪个模型?
- 这一页里 nano-banana-pro 是一致性引擎,主肖像和任何需要与其他帧面孔一致的画面都用它。flux-2 用来低成本试裁切和背景,gpt-image-2 用于含文字或品牌物件的头像,seedream-5 用于风格化的插画人像。
- AI 头像该用什么画幅?
- 社媒头像、通讯软件头像和职业社交头像用 1:1;信息流帖子和课程平台肖像用 4:5;讲者卡和印刷感简介页用 3:4 或 2:3;只有当头像嵌在横幅版式里时才用 16:9。第一次就按交付比例生成,而不是事后裁切。
- 可以用我自己的照片或团队照片生成头像吗?
- 生成式头像工具是靠描述产出合成人像;上传真人照片会牵涉同意与人格权问题,这一点 Ofrai 无法替你解决。使用任何人的相貌前都应取得书面许可,遵守模型页条款,并在平台或受众预期真人照片的场合披露这是合成图。
- 为什么我生成的头像一眼就被看出是 AI?
- 通常是完美对称、塑料质感的皮肤和空背景造成的。加入不完美线索——轻微不对称、自然皮肤纹理、几根可见碎发——并写明真实的光线方向,而不是写「专业打光」。稍微偏离中心的裁切也比绝对居中更像真实拍摄。
- 生成的头像能商用吗?
- 商用权利取决于你使用的模型及其使用条款,发布前请查看对应模型页面和你的 Ofrai 套餐。但比这更实际的问题是同意:绝不要在没有许可的情况下生成可识别的真人相貌,包括可能会传到客户手里的内部样稿。
