身份ai绘画实战：一张脸换三种职业，身份感是怎么穿在身上的

身份ai绘画里最难的不是把脸画好看，是让人一眼认出"这人是干哪行的"。我拿虚拟人物"小满"做了个实验：固定同一张脸，分别生成白大褂医生、工装师傅、咖啡师三个版本。第一轮我只改了服装词，结果白大褂那张被认成实验员，围裙那张被认成超市促销员。脸没变，衣服换了，职业感还是散的。

问题出在哪？后来我把每张图拆成三块来看——穿什么、手里有什么、站在哪。单独换第一块，信息量根本撑不起来。就像你在家里穿泳衣不叫游泳，站在泳池边才算数。职业身份感是个场景判断，不是一个衣物判断。

为什么只换衣服，职业感还是出不来？

衣服只提供约三分之一的识别信息，道具补上"正在干活"的动作证据，环境负责解释这件事发生在哪，三者缺一，观者的第一眼猜测就会跑偏。我的对照组做得很粗暴：同一位虚构姑娘，第一组只写"白大褂"，第二组写"白大褂加听诊器加诊室走廊"。发给十二个朋友猜职业，第一组命中三人，两个猜的是药剂师；第二组命中十一人，剩下那个说"可能是兽医"——也算半个医生体系。差距不在画得像不像，在证据链全不全。

还有一个反直觉的发现：道具的位置比道具本身更要命。听诊器挂在脖子上，是"刚用完"；攥在手里贴着胸口，是"正在用"。后者那张，连我那个分不清科目的朋友都秒答"医生"。所以我后来固定了一个写法——道具动词化，让每样东西都在做动作。

顺带一提，服装内部的层次也会抢戏。有次我给小满加了条围巾想丰富画面，猜职业的准确率立刻掉下来，有人答"大学生"。画面里每多一件跟职业无关的衣物，身份感就被稀释一分。这个逻辑跟角色塑造是通的——之前写过一篇城主ai绘画（城主ai绘画），那位虚构城主的气场也是靠披风、权杖、高背椅三样东西一起撑着，单给一件就不成立。

服装、道具、环境三件套，各自管什么

服装定行业大类，道具定具体工种和工作状态，环境定真实性与年代感——三件套按这个分工去写提示词，职业识别基本不会跑偏。下面这张表是我给小满三套身份列的装备单，也是我目前用得最顺的模板。

三个版本我都压着一个原则：每套只留一个主色调环境的干扰物都清掉。医生版背景我只允许"走廊、科室牌、灯"，多写了CT机，准确率反而降——观者会开始琢磨"这是不是放射科"，注意力就偏了。

同一张脸改三种职业，我的实操顺序

先锁脸再换装，三件套按"服装加权重、道具动词化、环境给一两个锚点"的顺序填进去，最后留一轮专门删杂物，整个流程四次出图内能定稿。我的固定步骤是这样的。

第一步锁脸。用同一组面部描述词原封不动地复制到三个提示词里，参数也钉死：采样步数28，CFG6.5，尺寸896x1152。脸是变量控制的基准，动什么都不能动它。

第二步给服装加权重。白大褂那次我写成"(white lab coat:1.2)"，敞怀、内搭、袖口这些细节跟在后面。权重别拉太高，1.3以上衣服会糊到脸上，我翻过这个车——小满的脸直接被领子吃掉半边下巴。

第三步道具动词化。"holding a stethoscope against her chest"比"a stethoscope"出图准得多。第四步环境给锚点，一到两个就够，科室牌、蒸汽棒这种带文字感或动态感的东西最好用。

最后一步专门用来做减法。我管它叫"清场"：把跟职业无关的饰品、背景人物、多余光源全部删掉再跑一轮。三次清场下来，三套图的职业识别都能稳定在十一个人以上猜对。这套流程其实就是给画面做证词——每件东西都在替"她是干这行的"作证，证词越齐，观者越不犹豫。

回到开头那个实验。小满还是那张脸，三套衣一换，连表情都跟着变了：医生版她眼神是平视的，师傅版微微皱眉，咖啡师版嘴角带笑。职业身份感从来不只长在衣服上，它长在整张图的信息密度里。下次出图前，先别急着写脸，先把三件套的装备单列完——清单齐了，图就成了一半。

常见问题

三件套写进提示词会不会太长，导致模型顾此失彼？

会，所以我控制在三十个内容词以内，超出就删环境里的次要物。实测服装词加权重后，模型对服装的执行最稳，环境和道具各给一两个强锚点就够，不必铺满。

想换的是男性师傅这类粗犷身份，脸部描述要不要跟着改？

脸可以完全不动，改的是皮肤质感和手部：工装版我会补"指节粗、指甲缝有灰"，职业感立刻实。这是手脚上的戏，不是五官的戏。

环境和道具冲突时，比如医生站在修车铺，会怎样？

模型会老实画，但观者会懵。我的十二人测试里有一张故意做的冲突图，八个人回答"不清楚"，两人答" cosplay"。冲突直接清零身份感，别这么干。

同一套三件套模板能复用到别的行业吗？

能，骨架不变，换装备单就行。比如教师版：主衣是针织开衫，道具是举着粉笔的手，环境是黑板加讲台边角。先填表再写词，比凭感觉堆词快得多。

延伸阅读

• 城主ai绘画
• 师兄ai绘画