超全人像修復教程，搞定畸形手掌，鎖定人物五官長相

AI出圖進階篇 04

AI畫人終極難題手部修復與面部一致性

畫臉容易畫手難，多人場景更頭疼——終極解決方案

系列四 · AI出圖進階控制 · 第4篇

用AI畫圖到現(xiàn)在，你一定遇到過這些崩潰瞬間：

臉畫得很好看，低頭一看——六根手指。

一個人畫得沒問題，加第二個人——兩張臉長得一模一樣。

姿勢不對想修一下，一修——整張臉都變了，不認識是誰了。

AI畫人是整個AI出圖領(lǐng)域最難啃的骨頭。不是模型不行，是人體結(jié)構(gòu)太復雜——手部有27塊骨頭、面部有43塊肌肉，AI在低分辨率潛空間里根本搞不清這些東西的精確位置。

但這篇講完，你就能解決90%以上的畫人問題。

AI畫人翻車三件套：多指、串臉、表情崩——本篇逐個解決

為什么AI畫不好手

先理解原因，才能對癥下藥。

AI畫圖的訓練數(shù)據(jù)里，手的像素面積通常只占整張圖的1%~3%。一張512x512的圖，一只手可能只有30x30像素的區(qū)域。AI在這個分辨率下根本學不到手指的精確結(jié)構(gòu)。

臉就不一樣了——臉通常占畫面的15%~30%，像素足夠多，AI學得足夠好。所以你會發(fā)現(xiàn)AI畫臉一般還行，畫手必崩。

多人場景的問題更復雜：AI看到兩個人的臉，會在潛空間里"平均"它們的特征，導致兩個人長得像雙胞胎。這叫特征串擾。

知道原因了，解決思路也就清楚了：手要用專門工具修，臉要用控制手段鎖定，多人要分區(qū)處理。

手部修復：三層防線

畫好手不是一步到位的事，需要三層防線層層遞進。

第一層：提示詞預防

在提示詞里明確寫手部狀態(tài)，給AI正確的引導。
寫清楚手在做什么、手指怎么放、手心還是手背。
比如"detailed hands, five fingers, right hand resting on table, left hand holding cup"。
反向提示詞加上"extra fingers, deformed hands, missing fingers, fused fingers, mutated hands"。
這一層能預防50%的手部問題，但復雜手勢還是會崩。

第二層：ControlNet手部骨架

用OpenPose的Hand模型給AI提供精確的手部骨架參考。
流程是：找一張手部姿勢正確的參考圖，用OpenPose提取手部骨架，然后在生成時用這個骨架約束AI。
權(quán)重設(shè)0.6~0.8，太高手指會僵硬，太低骨架等于沒給。
這一層能解決80%的復雜手勢問題。

第三層：局部重繪修補

前兩層都沒搞定的手，用Inpainting單獨修。
只涂抹手部區(qū)域，提示詞寫"perfect hands, five fingers, detailed"。
重繪幅度0.5~0.7，反復生成直到手部正確。
這是最后的兜底手段，幾乎所有手部問題都能用這個方法修好。

從提示詞預防到局部重繪修補，三層防線逐級遞進

面部一致性：讓同一個人出現(xiàn)在不同圖里

做系列圖、角色IP、故事繪本的時候，你需要同一個人出現(xiàn)在不同場景里，臉還不能變。這是AI畫人第二大難題。

目前有四種主流方案，按效果從強到弱排列：

方案一：IP-Adapter FaceID— 最推薦

把一張人臉照片喂給IP-Adapter的FaceID模型，它會提取面部特征嵌入到生成過程中。

權(quán)重0.6~0.8，能保持70%~85%的面部相似度。

優(yōu)點是不需要訓練，即插即用。缺點是側(cè)臉和夸張表情時一致性會下降。

提示詞寫法：a person with [face reference], wearing business suit, standing in office, professional lighting, 8k

方案二：LoRA角色訓練— 最穩(wěn)定

用同一個人的15~30張不同角度照片訓練一個LoRA模型。

訓練完成后，在提示詞里調(diào)用這個LoRA，AI就能在任何場景里畫出這個人。

一致性可達90%以上，表情、角度、光照變化都不怕。

缺點是需要訓練，門檻稍高。下篇LoRA專題會詳細講流程。

方案三：Roop / Face Swap換臉— 最快

先生成一張構(gòu)圖正確但臉不對的圖，然后用Roop插件直接把目標臉換上去。

速度最快，操作最簡單，但表情和光照的融合效果不如前兩種。

適合快速出圖不追求完美融合的場景。

方案四：After Detailer面部精修— 兜底

ADetailer是Stable Diffusion的一個擴展插件，專門用于自動檢測和重繪面部。

生成圖后它會自動找到臉部區(qū)域，用你提供的提示詞重新畫一遍臉。

配合IP-Adapter使用效果最好——先用IP-Adapter鎖定特征，再用ADetailer精修細節(jié)。

四種面部一致性方案：從即插即用到訓練定制，按需選擇

多人場景：分區(qū)治理防止串臉

畫兩個人的時候，AI會把他們的臉"平均"掉，導致兩張臉長得一樣。畫三個人的時候更夸張，可能三張臉都分不清誰是誰。

解決方法是分區(qū)治理——給每個人單獨的面部控制。

1. 用OpenPose鎖定每個人的姿態(tài)

先畫好兩個人的姿勢骨架，確保位置不重疊、姿態(tài)正確。
這一步只管身體姿勢，不管臉。

2. 用Regional Prompter分區(qū)提示

Regional Prompter插件可以把畫面分成幾個區(qū)域，每個區(qū)域用不同的提示詞。
比如左半邊寫"a man with beard, short black hair"，右半邊寫"a woman with long blonde hair, red lips"。
這樣AI就不會把兩個人的特征混在一起。

3. 分別用IP-Adapter鎖定每張臉

如果需要特定的人臉，給左邊的人用一張參考臉，右邊的人用另一張參考臉。
IP-Adapter支持多圖輸入，分別設(shè)置權(quán)重和區(qū)域。

4. 用ADetailer分區(qū)精修

最后用ADetailer自動檢測每張臉，分別重繪。
如果是兩個不同的人，在ADetailer里設(shè)置不同的提示詞，確保每張臉的修整方向不同。

實戰(zhàn)案例：品牌雙人代言圖

假設(shè)你要給葡萄酒品牌做一張雙人代言圖——一個男性品酒師和一個女性侍酒師，站在酒架前。兩個人必須是不同的面孔，各有各的特征。

案例背景

葡萄酒品牌雙人代言場景圖

構(gòu)圖

男性在左，穿深色西裝，手持酒杯；女性在右，穿黑色圍裙，手持酒瓶；背景是木質(zhì)酒架

提示詞

two people in wine cellar, man on left wearing dark suit holding wine glass, woman on right wearing black apron holding wine bottle, wooden wine racks background, warm ambient lighting, professional photography, 8k

分區(qū)提示詞（Regional Prompter）

左側(cè)區(qū)域：man, short black hair, beard, sharp jawline, brown eyes / 右側(cè)區(qū)域：woman, long brown hair, no glasses, red lips, green eyes

參數(shù)設(shè)置

ControlNet OpenPose（雙人骨架）| Regional Prompter（左右分區(qū)）| ADetailer（面部精修）| 采樣步數(shù)30 | CFG 7.5

反向提示詞

extra fingers, deformed hands, mutated hands, same face, identical faces, cloned face, blurry, low quality

結(jié)果

兩個人面部特征明顯不同——男性方臉胡須短發(fā)，女性圓臉紅唇長發(fā)。手部各持酒杯和酒瓶，手指數(shù)量正確。背景酒架清晰，光線自然。整個流程從生成到精修大約15分鐘。

分區(qū)治理+多層控制：兩個人各有面孔，手部正確，構(gòu)圖自然

五個畫人必踩的坑

1. 提示詞不寫手部狀態(tài)— 只寫"a person standing"，AI自由發(fā)揮手部，結(jié)果必崩。必須明確寫手在做什么，哪怕只是"hands relaxed at sides"也比不寫強十倍。

2. 修手用全局重繪— 手崩了直接重新生成整張圖，結(jié)果手好了臉變了。正確做法是只對手部區(qū)域做Inpainting局部重繪，其他區(qū)域完全不動。

3. IP-Adapter權(quán)重拉到1.0— 權(quán)重拉滿會導致面部像貼圖，光影不自然，表情僵硬。0.6~0.8是甜區(qū)，既保持特征又留出AI的光影創(chuàng)作空間。

4. 多人不分區(qū)直接畫— 兩個人的提示詞混在一起，AI分不清誰是誰。必須用Regional Prompter分區(qū)，或者至少在提示詞里用"on left""on right"明確位置。

5. 忘了用ADetailer— 覺得生成出來臉還行就不管了，放大一看眼睛不對稱、嘴歪了。ADetailer應該是畫人的標配最后一步，不管臉看起來好不好都要過一遍。

畫人速查卡片

手部修復

提示詞預防 + OpenPose骨架 + Inpainting修補，三層防線逐級遞進

面部一致

IP-Adapter即插即用，LoRA最穩(wěn)定，Roop最快，ADetailer兜底

多人防串

Regional Prompter分區(qū)提示 + 分別鎖定面部特征 + ADetailer分區(qū)精修

畫人標配

ADetailer永遠作為最后一步，不管臉看起來好不好都要過一遍精修

AI畫人的核心就一句話

手要三層修，臉要工具鎖，多人要分區(qū)
ADetailer永遠是最后一步
提示詞寫清楚手在做什么，比任何修復工具都管用