功能
AI 女生生成器
作者:Ofrai Editorial(Use Case Research)
一个 AI 女生生成器好不好用,标准在于第三张图是不是还像第一张——所以人脸一致性比任何单张神图都重要。在 Ofrai,你打开图片工作室,从 nano-banana-pro、gpt-image-2、flux-2、seedream-5 中选一个,然后写一段可以反复复用的主体描述:年龄区间、五官特征、发型与服装,整组只改环境、光线和机位。这样一套换装、一本 lookbook,或者一组社媒肖像,都出自同一个提示词骨架,而不是十个互不相干的人。
先锁定人脸,再去变化
身份段只写一次,之后绝不中途修改:「二十出头,深色直发及肩,鼻梁有淡雀斑,眉形清晰,神情平静」。换装的正确做法是只替换服装、地点和光线。模型在描述被反复改写时最容易漂移——每次都写「一个黑发年轻女孩」,出来的会是不同的人。
如果你已经有满意的脸,把这张图作为参考图上传,整组都复用同一张文件;参考图对身份的保持能力远高于纯文字。
用同一骨架搭出一整组换装图
先生成基础肖像,再靠替换单个从句来做变体:先换背景,再换服装,最后换光线。十张图来自十条不同的提示词永远对不上;十张图来自同一骨架、每次只改一个变量才对得上。最后把成组铺成九宫格,一致性就会读成「这是有意的造型设计」。
选风格:棚拍、街头还是插画
写实组需要具体的光线语言:「柔和的北向窗光,浅景深,85mm 人像镜头,中性背景」,这类描述在 gpt-image-2 或 nano-banana-pro 上效果最好。街拍和生活方式组要写环境而不是棚拍词:阴天日光、湿地面、背景中的动态。
想要的如果是插画或动漫风,必须明说媒介,并选一个真会画插画规范的模型,因为让照片向模型要动漫,往往只会得到加了滤镜的照片。flux-2 偏风格化,seedream-5 偏写实。
用参考图保持五官一致
参考图固定的是身份,作用是让同一个人出现在不同场景。做肖像组,参考图更有效。每个角色保留一张参考图,整轮换装都复用它。如果当前模型没有种子输入框,就依靠参考图,并把提示词骨架逐字保持一致,这仍然能明显降低波动。
四个模型在人脸上各有所长
gpt-image-2 的皮肤质感最自然,半身特写里的脸最稳,是肖像的安全选择。nano-banana-pro 对长身份描述的服从度最高,适合批量出图。flux-2 快而便宜,适合在定稿前试服装和背景。seedream-5 擅长环境信息和服装细节,但偶尔会把皮肤处理得偏油亮。实际流程是:flux-2 探方案,nano-banana-pro 出终版整组。
肖像组特有的翻车点
要盯住四类问题。手在画面下方入场时容易出错,把构图裁紧或重新描述手的姿势。深色头发配深色衣服会糊成一片,在提示词里用浅色衣服或边缘光把它们分开。堆砌「完美、无瑕、发亮」这类形容词会让皮肤变塑料,改成描述光线本身更有效。还有一条:如果你在自认为「优化」描述时改动了年龄表述,人脸就会漂移,身份段请逐字保留。
谁适合用,谁不适合
这套流程适合内容创作者、时尚插画师、游戏概念设计师,以及需要做角色设定表或个人 lookbook 的人——对他们来说,复现同一张脸就是目的本身。如果你的需求是保留某个真实可识别人物的身份,或者要求几十帧之间的人脸完全一致,生成式模型无法保证,这类场景不适合。另外,涉及证件风格图像、暗示真人的交友头像等受监管用途,请生成明确的虚构角色。
四条可以直接粘贴的肖像提示词
棚拍特写:「二十出头女性,深色直发及肩,鼻梁有淡雀斑,神情平静,穿米白色罗纹针织衫,柔和的北向窗光,纯灰背景,85mm 镜头,浅景深,自然皮肤质感。」街拍生活感:「同一位主体,穿宽松牛仔外套,黄昏走在湿地面上,阴天日光,背景行人虚化,35mm,胸以上抓拍构图。」
电商全身:「同一位主体,穿结构感黑色西装外套,站在骨白色无缝背景前,均匀双灯影棚布光,全身构图,从衣领到下摆都清晰。」插画版:「同一位主体,改画成干净的动漫角色设定,平涂赛璐璐上色,纯色背景,四分之三侧视角,不要写实纹理。」四条都原样重复身份句,只改动服装、环境和镜头,这正是全部诀窍所在。
开渲之前先定构图和比例
整组只选一个比例,并且写下来:换比例等于重新构图,观众看到的脸部占比也会跟着变。3:4 竖版是 lookbook 九宫格的稳妥默认,1:1 适合头像和社交主页封面,2:3 能给全身时尚大片留出空间。头部留白要写明确——「眼睛落在上三分线,头顶留出放文案的空白」——否则模型会把脸居中,然后把头发切掉。
如果一组里要混特写和全身,就干脆按两个比例分别渲染并做好标注,不要指望一张图同时干两件事。
让整组不漂移的批量设置
如果所选模型支持参考图,整组复用同一张选定的人像。保持模型和画幅一致,先小批量检查五官,再生成剩余的图。
做一本十二张的 lookbook 要多少积分
按阶段算账。探索阶段:用 flux-2 跑十二张便宜的图,把服装和背景试定,代价只是终版模型的一小部分。打磨阶段:把最好的两条提示词交给 nano-banana-pro 各出四张,再补一张参考图引导的,确认人脸在升档后仍然成立。终版阶段:按选定比例出八张,这才是真正的交付物。
十二张的整组大约落在二十五次生成,而在 Ofrai,所有这些消耗都出自同一份积分余额,所以你可以把整场内容战役在几个模型之间挪动,不用换套餐。如果只是个人一次性项目,把探索阶段压到六张、终版从十二张减到八张即可。
记账时按项目记而不是按张数记:开一行写下探索、终版各消耗了多少积分,两周后回看就能知道这一类项目到底贵在哪一环。多数浪费发生在终版的反复微调上,而微调通常只改一个从句——如果终版超过四次仍未收敛,多半是身份段本身在漂移,这时候该退回探索阶段锁人脸,而不是继续在终版上加积分。
跨季度做系列内容时,还可以把上一季的入选帧直接当作这一季的参考图传入,省掉重复的探索开销。
从九宫格里挑出那张能用的
永远不要只用全尺寸单帧评判一张肖像。把六张候选并排缩略显示,然后问三个问题:脸在你网格实际展示的尺寸下还读得出来吗?眼睛是看向镜头还是滑过去了?光线是在干活,还是一片平光的正面打亮?三个问题都过关的那张,通常比参数更漂亮的那张更值得选。
它和角色设定表、头像生成器怎么分工
角色设定表生成器是为转面图准备的:正侧背三视图加四分之三视角,纯净背景,服装平铺、均匀打光。这套流程是为真实环境里的摄影成组服务的。头像生成器优化的是一张头肩照,要在小到四十像素时依然读得清,通常背景简化、光线也更平。
如果你需要跨机位保持设计一致性,去角色设定表那一页;只需要一张小尺寸身份图,用头像那一页。当交付物是一组共用同一张脸的摄影肖像时,才用这一页。
常见问题
- 怎么让多张图里的人脸保持一致?
- 身份段只写一次,之后每次只改环境、服装和光线。上传一张参考图并在整组里复用,对身份的保持远比纯文字可靠;在四个模型中,gpt-image-2 和 nano-banana-pro 的一致性最好。
- 怎样让多次生成的人物保留相似的五官?
- 在支持参考图的模式中复用已选定的源图,并在提示词里写清哪些细节要保留。做肖像组和角色设定表时,参考图是更有效的手段。
- 可以生成动漫或插画风肖像而不是照片吗?
- 可以,但要在提示词里明确写出媒介,并选择真正会渲染插画规范的模型。让偏照片的模型输出动漫,往往只得到加了滤镜的照片。flux-2 偏风格化,seedream-5 偏写实,可以据此选择。
- 为什么批量生成时人脸会漂移?
- 几乎都来自身份段被重新措辞。改动年龄区间、用不同说法重写发型描述,或加入「漂亮」这类形容词,每次都会拉出一张不同的脸。请逐字保留身份描述,只变化场景、服装和光线。
- 哪个模型的人脸最自然?
- gpt-image-2 的皮肤质感最自然,在特写肖像里表现最好。nano-banana-pro 最能稳定执行长身份描述,适合大批量出图;flux-2 成本最低适合试方案;seedream-5 擅长环境但偶尔会让皮肤偏油亮。
- 可以用它生成真实可识别人物的图像吗?
- 这套流程是为虚构角色和原创角色设计的,这也是多数创作者的需求。请不要用它呈现未经本人同意的真实可识别人物,也应避免任何暗示真人参与背书、交友或身份证明的图像。
