模特脸型ai总出网红脸？我按客群选脸翻盘的复盘记录
把丑话说前头：默认模型吐出来的脸，清一色二十岁网红相，客群是熟龄的店铺直接用就是白烧钱。这篇复盘我一次翻车到翻盘的全过程，按客群选脸之后，二批图客户全收。
模特脸型ai能不能调对，我原来以为是个审美问题，翻过一次车才知道是生意问题。上个月接了一家定位三十五到四十五岁女性的女装店，衣服是通勤风格的裙装套装，我用惯常的提示词跑了一批，个个瓜子脸、大双眼皮、苹果肌饱满。
客户看完回了八个字：这不是我卖衣服的对象。三十多张图全打回，那一刻我才反应过来，脸是买家拿来代入的，脸错了，衣服再对也白搭。
打回当天我翻了店铺的买家相册，真人会员的脸什么类型都有：圆脸、方脸、有晒斑的、笑起来有法令纹的。反观我出的图，像从一个模子里刻出来的二十岁。这一对比比客户任何措辞都扎眼。
翻车现场：四张废图暴露的共同问题
默认出图的脸会向训练数据里的网红脸均值靠拢：年轻、小脸、双眼皮、尖下巴，四样全占。你要的客群越偏离这个均值，越得把脸型特征一条条写死。
我把打回的四张代表图跟客户发来的真人买家秀并排放着看了半小时，差距列了三行：年龄感差十岁以上，脸型差一个类型，连肤质都差着——买家秀是有毛孔的真实皮肤，成图是磨皮磨到反光的塑料感。
更麻烦的是一致性。同一家店五个款，模型给了五张不同的脸，详情页翻下来像五个店铺拼的。这个坑我在第一批才意识到，光改对年龄没用，还得锁得住。
顺带说个插曲：客户的第一句反馈是"图挺好，就是没人想买"，这句话我现在还会拿来讲给新客户听。图好看和图能卖，中间隔着一张对的脸。
按客群选脸：提示词写法和适配表
改法是把脸当人群画像写：年龄段加脸型加两三个真实特征，比如三十五岁亚洲女性、圆脸、单眼皮、颧骨略高。特征写得越具体，网红脸稀释得越干净。
我按客群类型整理过一张适配表，照着写命中率肉眼可见地上来了：
| 客群 | 脸型写法 | 点缀特征 |
|---|---|---|
| 熟龄通勤 | 三十五岁上下、鹅蛋脸 | 眼角细纹、淡妆 |
| 学生休闲 | 二十岁出头、圆脸 | 雀斑、素颜感 |
| 大码女装 | 丰润脸型、双下巴若隐 | 真实肤质、哑光 |
| 妈妈装 | 四十五岁、方圆脸 | 温和表情、盘发 |
加了单眼皮和雀斑这类"不完美"特征之后，塑料感也跟着退了。第二批三十张，客户挑走二十四张，说这批人像她店里的会员群像。那天我盯着聊天记录看了一会儿，挺有成就感。
写特征也有个度。我试过一次堆了七八个特征，出来的脸倒是独特，可独特到不像目标客群，客户又打回了。后来我固定写年龄段加脸型加两个特征，三个点就够，多了互相打架。
锁脸：五个款一张脸的三种做法
要一张脸贯穿全店，最省事的是选一张满意的成图当参考图挂上，再固定种子值跑同批款式。批量大的店铺再考虑训练专属形象，别一上来就上重武器。
我的批次流程是：先跑二十张只筛脸，选一张最贴客群的，把它设为参考图，种子值记在表格里，之后每个款只换服装描述。这样五个款出的图，脸的差异小到买家看不出是分开跑的。
偶尔参考图锁不住，脸还是会飘，尤其换发型和换场景的时候。我的处理是脸部区域单独局部重绘，幅度压在0.3以内，十张能稳住八张。
这里要多提一句：如果参考图用的是真人照片，授权问题必须先办干净，我在模特陈奕迅ai出图能行吗？肖像权这道坎和替代流程里写过踩线与合规的边界。
想走授权数字分身路线的，ai失业模特去哪了？一次数字分身授权全流程的亲身实录是完整的一手流程，照着走能少绕两天弯路。
种子值这个细节我吃了亏才记下来。有一回换了台电脑跑，种子没抄走，同一套提示词出的脸又全变了，等于参考图白锁。现在我的提示词表里专门留一列记种子，跑批前先核对。
回头看这次翻车，根子在我拿"通用好看"当成了默认标准，可电商图要的是"像你的买家"。脸型跟着客群走，锁脸流程跑顺，三十张图废掉的经历就值回票价。你要是也在给特定人群出图，先去翻三张自家的真人买家秀，把那几张脸的特征写进提示词，比任何调参教程都管用。
常见问题
脸型写得这么细，出图会变慢吗？
单张耗时没变化，还是一张十几秒。区别在可用率高了，重跑少了，总时间反而省出两成。
男装店的脸型也按这个思路写吗？
思路一样，特征换一套：写眉骨、下颌线和胡茬这些，男脸比女脸更容易出真实感。
参考图锁脸，脸会一模一样吗？
做不到像素级一致，我的标准是买家看不出差别就够用。真要绝对一致，得上专属形象训练那条路。
客户抱怨脸太假怎么补救？
先加肤质词救质感，写真实皮肤纹理、可见毛孔，别开磨皮；再不行就是脸型离客群太远，回适配表重选。