AI原位复制绘画技巧：精确重现与风格一致性的保持方法指南

原位复制的底层逻辑——Seed、Reference和Inpainting三角

AI的"原位复制"和Photoshop的"复制粘贴"是两码事。AI每次生成都是从噪声中"创造"，没有"粘贴"的概念。所谓的"复制"是通过三个机制实现的：Seed锁定（让噪声起点一致）、Reference参考图（给AI一个视觉锚点）、Inpainting局部重绘（只改需要改的部分保留其余不变）。

Seed——Midjourney和Stable Diffusion都有Seed参数。同一个Seed+同一个Prompt＝几乎相同的图；同一个Seed+修改过的Prompt＝构图保留但内容变化。Seed是"复制"的基础——锁定Seed意味着锁定了AI的"初始随机状态"。Reference——Midjourney的"--cref"参数（角色参考）和"--sref"参数（风格参考），Stable Diffusion的IP-Adapter和ControlNet。Reference的作用是"请参照这张图的感觉来画"——它不是100%的复制，而是给AI提供视觉约束。

这三个机制配合使用才能实现真正的"原位复制"——先用Seed锁定构图骨架，再用Reference保持角色/风格特征，最后用Inpainting修正局部不一致。三者的权重调节是实操的核心——Seed权重太高会让所有图看起来像同一张图的变体（缺乏多样性），Reference权重太高会让新图失去创造力。关于Seed和Reference的深度参数调节见AI风格迁移照片。

Midjourney的角色一致性方案——Cref的实战用法

Midjourney的"--cref"（Character Reference）是2024年推出专门解决角色一致性问题的参数。它的工作原理是提取参考图中的人物面部特征，然后在新的生成中"尽量"保持这些特征。注意"尽量"——不是100%保证。

Cref基础用法——"a little fox in a yellow raincoat walking in a forest during autumn rain --cref [URL of your fox reference image] --cw 80"。--cw参数（Character Weight）调节参考强度，范围0-100。--cw 100：最大程度保留参考图的面部特征（但可能和新场景融合不好）。--cw 50：平衡参考和新场景（建议的起点值）。--cw 0：只参考体型和服装不参考面部（适合"同一个人换衣服"的场景）。

实操经验——Cref不是一次性搞定的工具。正确的用法是"迭代锁定"：第一轮用--cw 100生成5张，从中挑一张最像的；第二轮以这张新图为Cref再生成5张（--cw 80），再挑一张最像的；第三轮以第二轮的图为Cref生成正式作品。这种"逐代收紧"的方式比一次性高权重更稳定——因为Cref的参考质量取决于参考图本身的清晰度和一致性。关于Midjourney更多高级参数的使用见AI角色素材绘画。

Stable Diffusion的ControlNet——真正意义上的"原位编辑"

如果Midjourney的Cref是"希望保持角色一致性"，Stable Diffusion的ControlNet就是"命令保持构图一致性"。ControlNet可以从一张图里提取Canny边缘、Depth深度、Pose姿态、Normal法线等结构信息，然后在新生成中强制保持这些结构——这是真正意义上的"原位"。

Canny模式（边缘锁定）——提取参考图的边缘轮廓，新图必须在这个轮廓内生成。适合"换风格但保留构图"的场景。用法：把原图导入ControlNet的Canny预处理器→调节Canny的低阈值和高阈值（低阈值控制细节边缘的敏感度、高阈值控制主要轮廓的强度）→在Prompt中写入新的风格描述→生成。Depth模式（深度锁定）——提取参考图的深度信息（前景/中景/远景的空间关系），新图保持同样的空间布局。适合"换角色但保留场景空间感"的场景。Pose模式（姿态锁定）——提取参考图中人物的骨骼姿态，新角色使用相同的姿势。适合"不同角色摆同一个动作"的系列创作。

ControlNet的核心价值是"强制约束"——它不是建议AI怎么做，而是命令AI必须怎么做。但这种强制约束也有代价：过强的ControlNet会导致新图僵硬、缺少自然感。一般建议ControlNet权重在0.6-0.85之间——留出15%-40%的自由度给AI发挥。关于ControlNet各模式的详细用法参考ControlNet官方文档。

风格一致性的保持——Sref和全局Style Prompt

角色一致性解决了"同一个人"的问题，风格一致性解决的是"同一套视觉语言"的问题。一套系列作品如果第1张是水彩风格、第3张是厚涂油画、第5张是扁平矢量——即使角色完全一致，系列感也会崩塌。

Midjourney的--sref（Style Reference）——与--cref逻辑相同但锁定的是风格。用法："a fox in a yellow raincoat having tea with a rabbit --sref [URL of the style reference image] --sw 800"。--sw参数（Style Weight）调节风格权重。风格参考图的选择有一个技巧——不要用"最美的图"做参考，要用"最能代表这个系列风格中间值的图"做参考。如果系列有10张图，取视觉风格最中庸的第5张做sref——这样风格约束不会过度偏向某个极端。

另一种保持风格一致性的方法是"全局Style Prompt"——一个固定不变的风格描述段落，用在系列所有Prompt的开头。例如："illustration in the style of a children's picture book——soft watercolor textures with ink outlines, warm pastel color palette dominated by yellows and soft greens, gentle lighting with no harsh shadows, the brushwork is loose and expressive, the overall feeling is cozy and whimsical"。把这段固定风格Prompt放在每一张图的功能性描述之前——风格的一致性就有了底线保障。更多风格系统的搭建见AI风格迁移照片和AI角色绘画流程。

常见问题

Cref总是生成"相似但不相同"的角色——到底怎么让角色"一模一样"？

AI不可能生成100%相同的两张图——这是扩散模型的本质决定的。但你通过组合三种方法把差异缩小到肉眼几乎分不出的程度。方法一：多层Cref迭代（--cw 100→90→80三轮收紧）。方法二：Cref+Seed双锁——同时锁定参考图和噪声种子。方法三：Cref+角色描述词——在Prompt里用固定的一段话描述角色的关键特征（发色、眼型、脸型、标志性配饰）。"a round-faced fox with bright amber eyes, a small black nose, pointed ears with white inner fur, and a distinctive notch in the left ear"。这段角色描述放在每张图的Prompt里——它和Cref互相"补刀"，共同约束角色的外貌。

Inpainting重绘后边缘有明显的"贴图感"——怎么让修改区域和原图自然融合？

Inpainting边缘的"贴图感"来自修改区域和原图区域的纹理、噪点、光线不一致。解决三招：第一，扩大遮罩范围——不要只遮住要改的那一小块，遮住比目标区域大30%的范围，让AI在更大的上下文里自然过渡。第二，降低去噪强度——"Denoising Strength"不要超过0.65（太高=新内容和原图脱节，太低=改不动）。0.55-0.6是大部分情况下的甜蜜点。第三，多轮Inpainting——第一轮粗改（0.6强度大范围），第二轮精改（0.45强度小范围），第三轮微调（0.3强度收边缘）。三轮流式的自然度远超一次性高强度的暴力修改。

一套40张的系列作品——怎么在效率和一致性之间找到平衡？

40张全手工调参数是不现实的。性价比最高的方案是"模板化流水线"：前三张花大功夫精修到完美→提取这三张的共性建立模板（固定风格Prompt段落+固定角色描述段落+固定Seed范围+固定的sref图）→后续37张套模板批量生成（每张微调场景描述即可）。模板化之后每张图的生成时间从30分钟降到3分钟，一致性也能保持在85%以上的水平。这个工作流的具体搭建步骤见Midjourney官方文档的参数章节。