人群AI绘画避崩手册：漫展海报40人场面的分层拆解

人群AI绘画的核心矛盾就一条：模型擅长"一张脸"，不擅长"一群脸"。人数一旦超过三个，脸融合、手成团、体型比例乱这些问题全冒出来。我是做美术外包的，8月接了上海一场音乐节的主视觉，甲方要求"台下人群密密麻麻有氛围"，这一单把我对多人场景的处理流程彻底逼成了型。

先说最反直觉的一条经验：人群图不要追求每个人都清楚。你越想全清晰，AI越崩，观众看着也越累。

多人的三大崩点与成因

脸融合、手部粘连、人数失控是人群图三崩，根源是模型对"个体边界"的理解在密集场景里失效。离镜头越近的人物，崩得越明显越不能忍。

脸融合最典型：两个人头挨得近，中间的轮廓会糊成一体，五官串门——左边人的鼻子长到右边人脸上。手部问题是密集场景的重灾区，举起来的手臂常常三根手指变五根，或者两只手共用一根手指。人数失控最隐蔽：你写"crowd"，它给你二十个人；写"a large crowd of people"，它给你一百个，还各画各的，互相不搭。

为什么近处人物崩了最扎眼？因为观众的视线永远先落在最前面的脸上。远景糊成一片大家都能接受，前景多长一只手就是事故。

还有个冷门观察：人物的"姿态复杂度"比人数更影响崩率。同样是十个人的画面，全都站着看演出的，崩率远低于一半人挥手一半人跳跃的。动作幅度大的人物在密集场景里特别容易跟邻居粘连，胳膊和别人的肩膀长在一起是家常便饭。所以规划人群时我会先做减法——热闹的氛围靠灯光和道具堆，人物动作反倒收敛，这是8月那单最值钱的心得。

分层生成：人群图的正确打开方式

前景一到三人单独生成精修，中景用背影和侧影过渡，远景人群只控制密度，最后在合成软件里拼合。把一张图的负担拆给三层，每层崩率都大幅下降。

背影是人群图的万能减震器。中景那层我几乎全用背影——没有脸就没有崩脸，手臂举起来也更自由。专门写过一篇AI画背影的技巧，里面连"背影人物的头发走向要跟人群风向一致"这种小地方都聊了。

远景怎么造密度？我的土办法是把生成的远景人群图平铺缩放两层，错位叠一起，密度直接翻倍，AI根本不知道你干了什么，效果却很实在。

那张海报的实际数据

整张海报从8月3日开工到定稿用了6天，累计生成87张，可用层11张，前景人物重绘19次。数字摆出来，你对人群图的工时就有概念了。

开工头两天我犯了所有新手犯的错：试图一句话生成整张图。连抽三十多张，最好的那张也有两个人的脸长在了一起。第三天想通了，拆层重来——先出舞台和灯光背景，再造远景密度，然后单独生成三个前景人物（主唱手势、举荧光棒的男生、扎双马尾的女孩），各自精修后合成。

翻车记录也得交代。合成时双马尾女孩的光影跟背景对不上，她像被P上去的，后来统一调了一遍色温和投影才算融进去。还有主唱的手，那张吉他的琴颈从他掌心里穿了过去，修了四次才握对。这些坑没有一个是提示词能提前避开的，只能修。

甲方8月9日验收，那张海报后来被印在地铁灯箱上。灯箱那个尺寸大概三米宽，远景的糊被放到脸盆那么大，居然没穿帮——分层时留的余量起了作用，远景我特意压低了两档细节。朋友问我人多到底难在哪，我说了句大实话：AI画一个人像开自动挡，画一群人你得自己造变速箱。

海报交完，我把分层工程的模板存了下来，10月给一个漫展做物料时直接复用，两天出稿。人群场景这个东西，第一单是啃骨头，第二单就是流水线。你现在要做的不是练提示词，是把"分层"这个动作刻进流程里。

常见问题

一定要会PS才能做分层人群吗？

不一定，免费工具够用。能图层叠加、能蒙版擦除的软件都行，核心是分层思维，不是软件品牌。

提示词里写具体人数有用吗？

三个以内比较准，写"three people"基本听话。超过五个就别指望了，人数词会失灵，直接走分层。

人群里的小孩和老人是不是更容易崩？

是，身高比例特殊的人物崩率高。我的做法是把特殊人物全安排在前景单独生成，中远景只放标准身形的剪影。

夜景演唱会人群和白天街景人群哪个好画？

夜景反而好画。灯光乱、明暗对比强，崩的地方容易被光效盖住；白天大平光什么都藏不住，细节崩点全暴露。