ai修图写真避坑记：三成不像的脸，问题在源头
先泼盆冷水：写真出片不像本人，八成是源图的锅，不是修图的锅。我做过一组对照实验，换源图比调参数管用得多，数据和规矩都在这篇。
ai修图写真最让人泄气的时刻，是成片里的自己看着眼熟却不敢认。上个月我帮朋友做一套二十张的写真，风格选了室内柔光那种，十张样片发过去，她圈出六张说「这不像我」。第一反应是参数问题，调了两轮没起色，才回头查源头——这一查，前面的功夫全白费。
朋友的诉求很普通：发朋友圈和社交平台，要的是「一眼是我，又比日常精致一点」。这个标准不高，也是大多数人的标准，所以这次的教训对普通人才有参考价值。顺带一句，她最后最满意的那张成片设成了微信头像，用到现在没换过。
六张不像的脸，废因拆开看
六张废片里四张的源图有脸部遮挡或逆光，两张是源图表情太少导致AI平均化。废因全在源头。
逐张对回去看：四张的源图是逆光环境拍的，脸部欠曝，AI拿到的五官信息本来就不全，生成时只能「猜」，猜出来的脸是它的平均审美和你五官的混合物。两张更隐蔽，源图没遮挡也不暗，但只有一种表情——都抿着嘴。AI在轻微微笑和露齿笑之间反复横跳，嘴形每张都对不上她的习惯。
找废因花了我一个晚上，方法很土：把源图和成片并排打印出来贴墙上，一张张连线。源图自己有毛病的，问题多半出在源头；源图好端端的，才轮得到怀疑生成参数。
还有一张的废因有点冤：源图本身没问题，坏在我批量跑了同一个指令——那个场景该用偏侧光的描述，我偷懒沿用了正面光的写法，AI把她的鼻影修没了，整个人像被拍扁。所以废因清单上也该给「指令用错场景」留一行，它不属于源图，但同样出在源头。
源图对照实验：换图比调参管用
同一风格下，优质源图出片十张九过，弱源图调参两轮仍有五成不像。差距没法用参数填。
实验设计不复杂：从她的照片库里分两组源图，A组是白天窗边自然光、五官无遮挡、表情丰富的十二张；B组是原始批次里逆光和表情单一的八张。同一套风格指令跑，A组出片我挑了十张，她一眼认出九张；B组调了两轮参数，十张里她只认五张，还说「像但不敢发」。相似度差距大到没有悬念。
更实惠的发现是成本：A组从源图到成片平均每张八分钟，B组两张废片的返工时间就够A组出三张。这不是技术差距，是源头差距。跟ai写真和实拍怎么选？按用途对号入座里「源图决定上限」的说法能互相印证。
实验里还有个细节值得写：A组那九张被认出的成片，她指着其中三张说「这张连我左边笑起来的梨涡都在」。梨涡这种细节，参数调不出来，源图里有，成片里才有。AI不会发明你的特征，它只能放大你在源图里给足的信息。
挑源图的四条硬规矩
顺光、无遮挡、多表情、近景清晰，四条全占的源图才值得进流程。缺一条就先补拍。
顺光：脸部受光均匀，AI拿到的信息才完整，逆光剪影的浪漫留给自拍去。无遮挡：刘海、手、口罩、粗框眼镜，凡是盖住五官的东西都算，尤其别用笑到眯眼的图——眼睛的信息少一半。多表情：同一批源图里最好有大笑、浅笑、平静三档，生成不同场景时各取所需。近景清晰：脸部占画面三分之一以上，糊的源图喂进去，AI会按自己的想象补细节，补着补着就不是你了。
有人问手机前置行不行。行，白天窗边拍，别开美颜——美颜磨掉的细节AI会自己脑补，出来的脸瘦是瘦了，是别人的瘦。
补一组对照数字：按四条规矩筛源图，她照片库两百多张里一次过关的只有二十六张，过关率一成出头。别嫌少，二十六张够跑四套不同场景的写真还有富余。手机一年攒下来的照片，从来不缺数量，缺的是按规矩挑的这一步。
第二遍换上新挑的源图重新跑，二十张她认出十九张，剩下那张她犹豫了一下说「这张像我妈」。笑归笑，结论是实的：ai修图写真这件事，七分看源头，三分看修。下次看到不像的成片，先别怪算法，回头看看你喂了它什么。
常见问题
源图数量多少张合适？
十到二十张为宜，质量大于数量。我试过五十张的堆法，AI反而抓不住特征重点，精选十二张比随手五十张出片稳得多。
已经跑出来的写真发现不像，还能救吗？
能，思路是补源图不是改参数。补两三张清晰正脸源图重新生成那一场景，比在原图上反复局部重绘省时间，相似度恢复得也快。
不同风格之间，哪种最考验源图？
古风和浓妆风格最考验。妆造变化大，AI对五官的保留度会下降，源图必须更清晰更顺光才压得住，日系清透风对源图宽容得多。
写真成片发社交平台要注意什么？
重点两条：平台的AI生成标注选项按实勾选；别把源图和成图混着发，观感割裂，挑统一的成片组图发效果好。
情侣合照做AI写真难在哪？
难在两张脸都要锁住，一个人的源图问题会拖垮整张。经验是先把两个人的源图各自按四条规矩筛一遍，任何一方不合格就先补拍。