ai模特生成原理拆开看：你手里那张模特图是怎么被算出来的

从一团噪点到模特上身，中间发生了什么

扩散模型先把一张真实照片逐步加噪直到全糊，学会"倒放"这个过程后，从纯噪声出发一步步去噪，把文本、姿势、服装等条件塞进每一步，最后收敛成一张能看的模特图。出图快慢就取决于去噪步数。

我是接单做电商图的自由职业者，客户最常问的一句话是"这图真是画出来的？"我一般回：更像是"洗"出来的。模型训练时看过海量照片，学会了从糊图往清晰倒推的本事。你点生成那一刻，它拿一团纯噪声当起点，按照你给的提示词当路标，一步步往"一张合理的照片"那个方向洗。

我本地跑图习惯把步数设成25，采样器选DPM++ 2M，CFG放在7。步数低于20脸容易糊，拉到50以上基本是烧时间，画面提升肉眼难辨。一张768乘1024的图在我这张3060显卡上跑十二秒上下，客户的单子一晚上能出几百张候选。

光会洗图不够。模特图要的是"穿这件衣服、摆这个姿势、站这个场景"，这些靠条件控制补上：文字管风格，骨骼图管姿势，参考图管衣服款型。三个条件像三条缰绳，勒得越紧，画面越听话，勒太紧图就死了，一点灵气没有。分寸得靠废图喂出来，我头一个月废了两千多张才摸到自己那套手感。

为什么同一个模特能次次长得一样？关键就三样

形象一致性靠三招：训练专属LoRA把长相烙进小模型、参考图注入把脸当场"贴"过去、种子加参数固定让随机性归零。批量出图时三招混用，一致性要求越高，前两招越重要。

客户复购最多的需求不是单张好看，是"上次的那个姑娘再给她拍一组"。这时候纯靠提示词没用，你写"圆脸短发"能出八百个圆脸短发。第一招是训LoRA：拿二十到三十张同一形象的多角度图，训一个小补丁文件，之后每次生成把它挂上，脸就稳了。第二招是参考图注入，把定妆照直接喂给模型，让它照着这张脸画，适合临时加单。第三招最便宜，固定随机种子和全套参数，同一批图重跑不走样。

我的组合习惯是：长期客户上LoRA，一锤子买卖用参考图，批次图加锁种子。有个做饰品的老客户，用了同一个模特形象十四个月，粉丝以为那真是店里的签约模特。

想系统了解LoRA怎么训，可以看这篇LoRA训练入门，流程和我下面讲的对得上。

我训专属模特那两周：翻车记录全在这

训练一个能商用的专属模特，数据集质量比数量重要：25张图、打标干净、训8个epoch就能用；数据脏一点，脸就开始串，串一次废一次。我的首训就栽在数据上，白烧了六个小时。

去年冬天我给一个汉服店训专属模特，头一次贪多，塞了六十张图，里面有十来张是不同光线的随手拍。结果训出来的脸时圆时尖，颧骨每次都在搬家，八个小时白烧。推倒重来，只留二十五张光线统一、角度铺开的图，背景全裁干净，打标一张张过，显存十二个G的卡跑了四十来分钟，这回脸稳了。

第二个坑是衣服和脸学串了。数据集里的模特全穿同一条裙子，模型把裙子也当成"长相"的一部分，换装时裙子的褶皱死活赖在脸上不掉。后来我记住一条铁律：训练图里的服装必须多样，脸才能单独拎出来。这规矩救过我不止一次。

给同行一个量化参考：我现在训一个新形象，从收图到验收大概三小时，成本折算下来百来块电费加点数，报价里我管它叫"开模费"。客户听着像做手办的术语，其实挺贴切——开一次模，后面随便批量浇筑。

回到开头那句"这图真是画出来的？"——现在你可以答得更准：它是从噪声里洗出来的，被姿势、服装、场景三根缰绳勒着，被一个烙进小补丁里的形象稳着。原理懂到这个份上就够用了，不必去啃论文。我的建议还是那句：先拿二十张纯色款练手，废图攒到两百张，手感自然来。原理是地图，废图才是路。

常见问题

不懂代码，能学会自己跑图吗？

能，但要挑路径。本地部署对小白不算友好，先从网页版工具入手，体验完整流程再决定要不要下场折腾显卡。原理这篇你读懂了，工具界面怎么变你都不会迷路。

训练专属模特需要多少张原图？

我的经验值是二十五到三十张，角度、光线、表情铺开，服装款式越多越好。宁缺毋滥，十张精修好过六十张杂图，这话我用六小时电费换来的。

为什么我生成的模特手总是错的？

手是扩散模型的老毛病，细节结构复杂、训练样本里手又常被遮挡。实用解法三个：出半身构图少露手、后期的局部重绘修手指、或者直接给道具让手有事干，比如拎个包，错位率立刻降。

不同工具出来的模特能保持同一张脸吗？

跨工具很难严格一致，各家底层模型不同。我的土办法是拿一张定妆照当"身份证"，不管哪个工具，生成时都挂这张参考图，客户基本分辨不出来。

延伸阅读

想看模型训练更底层的门道，可以翻这篇AI编辑模型是怎么训练出来的。

动手微调的完整操作步骤，参考模型微调实操指南，跟本文的翻车记录对照着看收获更大。