AI与我绘画协作实测：把自己画进画面的三种做法和翻车记录
我的判断是：人机协作的关键不是让AI替你画，是把"你"变成画面的一部分。文生图像抽卡，垫图保五官，控骨架保姿势，想要"画的是我"，垫图加控骨架双管齐下才稳。
有朋友问我，AI与我绘画到底算谁画的。我没直接答，甩给他一张我最近的自画像：画面里我在桌前画图，屏幕上是生成到一半的图，桌角放着我的数位笔。他看了半天说，这算你俩合影吧。我笑了，还真是。这两个月我一直在琢磨怎么把自己画进AI的画面里，试出三条路，一条比一条像"我"。
为什么非把自己画进去？说实在的，我一开始只是不服气。AI出的图再漂亮，里面没有一个认识的人，看久了像逛一个全是模特的商场。把自己放进去之后，图突然有了"归档"的意义——那天的心情、桌上的杯子、屏幕里的废图，都成了记号。
把自己画进去的三条路：文生图、垫图、控骨架
文生图像抽卡，垫图保得住五官，ControlNet保得住姿势，想要"是我"就垫图加控骨架一起上。
第一条路最省事也最碰运气：光靠文字描述"一个戴眼镜的中年男生在画画"，出来的人像谁都像，就是不像我，一百张里能撞出一两张轮廓接近的，纯抽卡。第二条路垫图：拿我一张正面照当参考，五官立刻靠了谱，但姿势全听AI安排，让它低头画画就经常手部崩坏。第三条ControlNet控骨架：我摆好姿势拍一张骨架图，人物动作分毫不差，脸又回到随机分发。
所以我最后固定的流程是垫图加控骨架一起上：骨架定动作，垫图定脸，文字只负责场景和光线。这么说吧，文生图像买彩票，垫图是定妆照，控骨架是请了位替身演员，三个一起上才是一部完整的"我"。
脸不像这件事，我认了三分之一
垫图权重0.6到0.7最平衡，再高表情会僵，脸像了但眼神死了，得靠重绘微调找补。
垫图权重我试了一个区间。0.4以下，像度够呛，出来的还是那个"陌生的我"；0.8以上，五官是像了，表情僵得像证件照，眼神一点内容没有。0.6到0.7是我实测下来最舒服的档位，像度打八折，但人还活着。剩下的两成像度我认了，AI画的我总比真人精神一点，眼袋没了，脸也瘦了，就当它给我美了颜，不跟它计较。
眼神这块我多提一句，它是"像"和"活"的分界线。盯着画面外看的版本，最接近真人抓拍；写"looking at viewer"就总有股直播感。自画像这种东西，我宁愿它像抓拍，不想让它像海报。
翻车最典型的是手。低头作画的姿势，握笔那只手十次里崩六次，多一根少一根指头是常事。局部重绘，幅度0.35以内，一次修不好就修两次，别贪一次到位。还有一版把我画成在签文件，笔变成了钢笔，场景词里老老实实写"holding a stylus, drawing on a tablet"才纠正过来。
人机同框的构图：让AI入镜反而最真实
画中画构图最诚实：屏幕里是生成中的图，桌前是正在等图的你，两个"作者"同框。
我试过三种同框方式。第一种把自己画成拿着画笔站在画架前，像文艺复兴工作室的学徒，AI隐身在画布后头——好看，但撒谎了，我明明在敲键盘。第二种直接画人和电脑，普通。第三种是画中画：镜头从我侧后方拍，屏幕上是生成到一半的图，进度条还剩一半，我端着杯子在等。我最偏心这张，因为它最诚实：这里没有人机对抗，就是两个人搭伙干活，一个出图，一个挑图。
这张图的参数给你们抄：1024×1024，步数32，CFG 6.5，垫图0.65，控骨架用openpose。屏幕内容我特意挑了一张之前生成失败的图放进去——失败的图当道具，比成功的更像真的，这个小心思你记下，比什么高级构图都好使。
光线也照着实拍来的。夜里画图的人，主光源是屏幕，冷光打在脸上，旁边台灯给一圈暖的补光，冷暖一撞，人物就从背景里站出来了。我头一版没管光，整张图平得像办公室宣传照，加了一句"screen glow on face, warm desk lamp rim light"才有了深夜赶图的味儿。
后来那位朋友又问了一遍开头的问题：这算谁画的。我现在会这么答：姿势是我的，脸是我的，等图的耐心也是我的；它出图比谁都快，挑图的活儿它干不了。一张人机同框的自画像挂在那，答案自己会说话。
常见问题
垫自己的照片当参考，有隐私顾虑怎么办？
本地部署的模型不出网，照片不离开电脑，顾虑会小很多。用在线服务的话，挑清楚条款里对上传素材的留存说明，或者干脆只垫侧脸、剪影这类弱特征图。
握笔的手总是画崩，有稳定点的办法吗？
把手的姿势简化：让手只握笔杆、笔尖不接触画面，复杂交互越少越不容易崩。配合局部重绘小幅度多修几次，比一次生成整张靠谱。
自画像想要固定的画风，怎么保持统一？
固定底模、固定垫图、固定一组风格词，参数一个都别动，只换场景词。风格稳定性靠的是"尽量少变"，场景随便换，其余全锁死。