ai生成虚拟模特实战：给女装店养出一张固定脸

ai生成虚拟模特这件事，多数人卡在第一步：每次生成都是一张新脸，店铺形象立不住。我接的那家女装店也一样，老板娘的要求听着简单——「我要一个只属于我们店的模特」，做了才知道，这句话背后是一整套工程。当时她刚被外包图坑过：详情页上下两张图不是同一个人，被买家在评论区点名，她说再也不能这么干了。

三个月做下来，从定脸、保侧脸、管发型到批量化出图，坑踩了一路，也摸出了稳定流程。现在店里每月四百来张图，全走这张脸，客户挑脸的沟通成本降到几乎为零。这篇把做法和翻车记录都摊开。

虚拟模特不是随机出脸：先把「一个人」钉住

先定基准脸再谈别的：挑出一张脸后用几十张图炼成专属模型，脸才算钉死。

定脸那步我做了两周。先让工具随机出了两百来张，老板娘和店长投票，选出五张备选，再按店铺客群的审美定了一张：耐看、有辨识度、不过分精致——太精致的假人脸，买家一眼就跳过。

选定只是开始。围绕这张脸我攒了六十张不同角度、不同光线的底图，炼专属模型花了三个钟头，炼完脸才算「长」在了系统里。从此每次出图都带着这张脸，不再靠手气。投票那天选了三轮，老板娘最终把票投给了辨识度，她说得好认比好看要紧，这句话后来成了整个项目的验收标准。

这步千万别省。我见过同行图省事，靠提示词描述脸，写「圆脸、杏眼」这类词，出十张能出五种圆脸。描述管气质，模型管长相，两码事。

换发型换妆不动脸：分层管理的做法

把人拆成脸、发型、妆三层分开管：模型锁脸，提示词管发型妆造，局部重绘收尾。

店里的需求五花八门，今天金发配夏装，明天黑长发配秋款，脸不能跟着变。我的做法是分层：脸交给模型锁死，发型和妆容写进提示词层，改动只落在词上。头发颜色词、刘海形状词单独列了张表，跟老板娘对款式的时候直接翻表挑，沟通都省了。

妆容的边界也试出来了：淡妆随便换，浓妆会把脸带偏，眼影颜色一重，模型就开始自己脑补五官。我的上限是「清透日常妆」，再浓的妆用局部重绘单独补，不动整脸。耳环配饰也算一层：这双耳朵我单独测过一轮，垂坠款的耳环在局部重绘里最听话，换款不用动脸。

发型这层的管理法子，跟固定脸人设库的攒法是一个思路，那篇写得细，直接照搬了。固定脸人设库怎么建才好复用

翻车记录和批量套用

正面稳、侧脸漂是第一大坑，靠三视角底图救回；批量出图前先跑一轮「脸校」。

翻车翻得最疼的是侧脸。第一版模型正面像得不行，侧脸就换了个人的下巴，两周后被老板娘一眼揪出来。救法是往训练集里补三视角底图：正、四分之三侧、正侧各一组，重炼之后侧脸稳了。这个坑我记在交付文档第一页，谁接手都先看这条。

第二次翻车出在批量上。一晚出了八十张，第二天发现有十一张脸「歪」了，排查半天是提示词里某个新加的氛围词跟模型打架。从那以后定了规矩：批量前先跑五张脸校，确认五官没漂再放量，这套纪律救回来不止一次。脸校五张的分工也固定了：一张正面特写、一张四分之三侧、一张全身远景，覆盖最容易漂的三种构图，五分钟换整晚的安心。

批量套用的流程跟常规换装差不多，一张底图过几十个款的思路完全适用，跑起来比散出快得多，唯一要盯的还是脸：量越大，脸校那道工序越不能省。

虚拟形象要长期养着，家居服店那位养了五个月的同行笔记我一直在追，很多维护的坑人家先踩了，我省下不少事。家居服店的虚拟形象养了五个月的使用记录

三个月交付那天，老板娘把这张虚拟模特的图印在了工作室墙上，说是「我们店的姑娘」。这个说法我原本觉得夸张，后来自己翻看九百多张成图，确实有一种看熟了自家人的错觉。虚拟模特不是省钱的权宜之计，用久了会发现，它正在变成品牌资产的一部分，值不值得养，你心里应该有数了。