AI绘图美女模特别只画网红脸：骨相气质词拆解

AI默认出的“美女”长什么样

AI默认的美女模特是“网红三件套”：高颧骨加尖下巴、放大到失真的大眼睛、白幼瘦的皮相，十张图里七八张是同一张脸。这不是模型有审美，是训练数据偏食，模型照着平均数交差。

拆开看，这套默认脸有几个固定件：颧骨偏高、下颌收得极窄、眼睛占脸部比例明显放大、肤色统一往冷白调、体态窄肩薄背。单拎每一个都不算毛病，问题是它们永远成套出现，像流水线上下来的。我做过个小实验，同一条人物口令跑十张，把发色、服装、场景全改掉，脸几乎不动，摆一起看就是我临摹过三年的那种“网图脸”——当年画外包，客户丢来一堆这种图让我照着修，我一度以为全网的漂亮脸蛋真的长一样。

原因不玄。训练数据里某一类图的采样占比太高，模型学到的“美”就是那批图的平均数。你口令里写“美女”“漂亮”“精致”，等于把它往平均数上再推一把。跑十张，目测七八张是尖下巴瓜子脸，剩下两三张也自带那双眼睛。我改过方脸、圆脸的口令，只要脸部词不够具体，它照样滑回去，默认解的引力比你想的大得多。所以先别急着怪模型笨，得先看清它给的默认值里到底掺了哪些词。

商业图为什么需要多样的美

商业图面对的是分层客群：年龄层不同，吃的脸就不同，真实感直接换算成信任感。整套图只出网红脸，等于主动放弃三成以上的潜在买家。这不是审美洁癖，是转化账。

客户卖东西，客群分层比你想的细。主打二十五到四十岁女性的品牌，模特图太幼态反而显廉价，买家会下意识觉得“这不是给我穿的”。三十五往上的客群，看脸先看状态：皮肤有没有真实纹理、苹果肌走向对不对、笑起来合不合常理。人在真实里才放得下戒心，脸P过头，观者心里的算盘就是“图都修成这样，实物能好到哪去”。信任是从真实感里长出来的，损失它，转化跟着掉。

我给客户报过一版配比方案：一组电商图里，尖下巴网红脸型压到两成，方脸和下颌线清晰的脸型给三成，圆脸给两成，剩下三成留给不堆网红词的标准椭圆脸。客户那边的运营半信半疑试了一个月，提案通过率从五成上下爬到八成，返工少了一大截。这笔账很好算——一套图拍下来大几千，翻车重出一套，钱和时间双输。还有个细节，客户方拍板的运营是位四十岁上下的姐姐，她自己就说：这批图里没有一张我想买衣服的脸。

口令层面怎么破：年龄词、骨相词、气质词

口令破解用三层词位：年龄词锚定状态，骨相词改脸部结构与光影，气质词定情绪和穿搭感。三层都写满，默认脸的引力才拉不住它。下面是几组我跑通的组合。

给三条我实测稳定的组合，都是年龄词、骨相词、气质词写满的写法：

组合一：“35岁女性，方圆脸、下颌线清晰、颧骨略高，眼神笃定、气场沉稳”，配商务通勤装，出图自带职业感，客户一眼认“这是上班的人”。

组合二：“28岁女性，标准椭圆脸、鼻梁立体，嘴角自然上扬、温和爱笑”，配家居服与生活方式场景，亲和力不靠幼态撑。

组合三：“42岁女性，长脸型、眉骨明显、眼窝略深，松弛、不讨好镜头”，配高端面料与极简背景，贵价感反而更足。

这张表的用法：年龄词先定整体状态，骨相词改脸上的光影走向，气质词决定这件衣服会卖给谁。写口令时三层都填，只填一两个，模型照样滑回默认脸。顺嘴岔开一句，画插画那几年我有个习惯，把画布旋转180度倒着看，结构毛病一眼现形；现在跑AI图我也会把十张图缩成小图摆一排，脸像不像一照便知，比放大盯着单张看管用。

真实的边界：不拿丑化当真实

真实的边界是“可信”两个字：皮肤有纹理、光影守现场光源、表情有过渡，都算真实；故意往丑里画，是丑化，不是真实。客户要卖货，潦草交差一样过不了审。

有一类同行把“真实”理解成往丑里画，堆“皮肤粗糙”“憔悴”“油腻”这种词，把瑕疵当风味加进去。这个方向偏了。丑化是加戏，真实是减戏——减掉磨皮感、减掉不属于现场的光、减掉被拉到极限的五官比例。判别标准也简单：把图给一个完全不懂AI的人看，他问“这摄影师是谁”还是问“这图怎么了”，答案就出来了。

翻车我有现成的。去年秋天一个客户要“高级脸”，我把“疏离感”“清冷”这类词拉满，又删了所有亲和向的状态词，跑出来的六十张图齐刷刷苦大仇深：眉毛压着、嘴角向下、眼下带困意。客户回了一句“我们的模特是不是没睡醒”。修法是把情绪词配比倒过来——疏离类词从三条减到一条，补“松弛”“嘴角自然放松”，每十张里留四张带笑意，重跑三批才凑齐交付量。提案通过率后来从五成走到八成，代价是我多烧了一晚上电费。也是从那批起，我出大图前先跑六张小样，先看脸再谈别的。

把口令当人像稿写：骨相管结构，皮相管质感，表情管情绪，年龄词定整体状态。三层词位写满，出图按客群配比，AI绘图的美女模特才撑得起商业交付。这套流程我跑了一年，稳。

写人像插画十年，我练出来的本事是把每张脸拆成三层：骨相、皮相、表情。学生时代被“三庭五眼”按着头练了几年，才知道脸上的光影其实是骨头的地图。AI绘图的口令写作是同一件事的另一种说法：年龄词、骨相词、气质词，就是这三层加一个总纲的名字。你写不清，模型就替你写，它替你写的结果永远是那套网红三件套。而且它把脸画平的时候绝不犹豫，你给的平均词越多，它交的平均脸越理直气壮。

落到操作，就三步：先按客户客群定气质词，再挑对应骨相词，最后用年龄词把整体状态钉死。十张一组的出图，尖下巴瓜子脸控制在两成以内，其余脸型按表格里的方向分。AI绘图的美女模特能不能跳出千人一面，从来不是模型的错，是提词的人有没有把这三种词当正经工序写。

AI绘图模特美女这道题，答案不在模型升级，在词表升级。网红三件套是默认值，默认值是用来被覆盖的。年龄词、骨相词、气质词三件套写满，出图按客群定配比，丑化和潦草都别碰。这套工序我跑了一年，提案通过率从五成到八成，你能复制的是工序，不是某一条口令。