AI绘画人模怎么用？人物模型出图的提示词
简单说：AI绘画人模的核心痛点是"换个姿势脸就变"，解法是用LoRA锁定长相+ControlNet锁定姿势，配合人物模型参考图做图生图，才能画出同一个角色的多角度多姿势。
画AI绘画人模最让人抓狂的事，就是第一张画得特别满意，第二张想让角色换个姿势，结果出来的完全是另一个人。脸变了、身材变了、发型都变了。这个问题困扰了我好几个月，后来才搞明白"人模"这事儿得用LoRA和ControlNet组合解决。这篇就把我的完整流程讲清楚。
为什么AI画人模"换姿势就变脸"
纯文生图每次出图都是独立采样，AI不记得"上一张"长什么样，所以同一串提示词出图的角色长相也会随机波动，必须用LoRA或参考图给AI一个"长相锚点"。
这个原理搞懂了你就明白为什么不能靠提示词锁脸。我做过测试，同一个提示词"1girl, black hair, blue eyes, school uniform"连出10张，眼睛颜色从浅蓝到深蓝到偏紫都有，脸型也长短不一。提示词只能描述"类别"，锁不住"个体"。
要锁个体，得给AI一个具体参考。两条路：一是训练这个角色的LoRA，把长相"焊"进模型；二是用图生图+参考图，每张图都拿原图当底。两种方法各有适用场景，下面分开讲。
LoRA训练：锁定角色长相
LoRA是用20-30张角色参考图微调出的小模型，权重0.6-0.8调用，能让这个角色的五官在各类姿势和场景里保持一致，是做角色连载的标准方案。
训练LoRA的流程：准备20-30张角色清晰图（不同角度、不同表情、不同光照）→用tagger自动打标→用Kohya脚本训练（建议学习率1e-4，dim 16-32）→得到一个几十MB的safetensors文件。调用时在提示词里写"
训练数据质量决定LoRA质量。我第一次训LoRA用的图全是同一个角度的大头照，结果训出来的LoRA只能画那个角度，侧脸和全身全崩。后来我学聪明了，30张图里至少包含5张全身、5张半身、5张侧脸、5张不同表情、10张多角度，训出来的LoRA才通用。训练好的LoRA可以传到Civitai模型库分享，也能下载别人训好的。
ControlNet：锁定姿势与表情
ControlNet是给SD加的"骨架控制器"，用OpenPose锁定身体姿势、用Depth锁定深度、用Canny锁定线稿，能让角色摆出你指定的任何动作而不崩形。
ControlNet是人模控制的另一大利器。用法是：找一张你想让角色摆的姿势参考图（可以是真人照片、可以是3D模型截图）→用OpenPose提取骨架→喂给ControlNet→AI就按这个骨架出图。角色长相由LoRA定，姿势由ControlNet定，两者叠加就是"同一个角色摆指定姿势"。
我画一个角色的连续动作（比如走路、转身、坐下）就是这套流程：LoRA锁脸+OpenPose锁姿势，五张图同一个角色不同动作，连贯看就是个小动画的分镜。这个思路在AI绘画角色动作那篇讲得更细，想深入可以翻翻。
图生图+参考图的轻量方案
不想训LoRA的轻量方案是图生图——拿一张满意的角色图当底图，Denoising开0.3-0.5，改提示词换姿势/换衣服，能保持七成长相相似，适合一次性需求。
训LoRA费时费力，如果你只是临时要让一个角色出几张不同图，图生图够了。操作：把满意的角色图丢进图生图，Denoising开0.4左右（太低不变样，太高换人），提示词写新姿势或新服装，出来的图会保留原图约七成特征。
这个方法的局限是相似度上限不够高，出个三五张还行，出十张以上角色会逐渐"漂移"，越画越不像原图。所以做长期项目（比如漫画连载、IP角色）依然得训LoRA，图生图只适合临时用。关于图生图的参数细节，AI画不出修复那篇有讲Denoising怎么调。
人物模型出图的提示词结构
人模出图提示词=LoRA调用+人物基础描述+姿势词+服装词+场景词+质量词，其中人物基础描述要写具体特征（发型颜色长度、眼色、肤色、身材），不能含糊。
给你一个我常用的完整模板：
人物基础描述这块越具体越好。"black hair"太笼统，"long black hair with side ponytail、blunt bangs、hair reaches waist"这样写，AI才知道你要的发型长什么样。我个人觉得人模提示词的功夫一半在描述具体性上。
实测参数与翻车案例
人模出图我推荐参数Steps 28、CFG 7、Sampler DPM++ 2M Karras、Hi-res fix开2倍放大，LoRA权重0.6-0.8，低于0.5像得不够，高于0.9会过拟合出伪影。
LoRA权重是个玄学值。我做过对比：0.5时角色只像五成，0.7时九成像，0.9时像过头了开始出训练图里的瑕疵（比如训练图背景的杂物被画进新图）。所以0.7是我反复试出来的甜点，新手先用这个值。
翻车案例：我有次LoRA权重开0.9，结果新图里角色背景出现了一片莫名的草地——因为我训练图里有几张是草地背景的，LoRA把背景也"学进去了"。解决办法是权重降到0.7，并且在negative prompt里加"outdoor background、grass"把多余背景压下去。根据Hugging Face上扩散模型的公开技术资料，LoRA过拟合确实会出现训练集特征泄漏，权重控制是关键。
还有个常见翻车是ControlNet和LoRA打架——ControlNet要角色摆A姿势，LoRA训练时角色都是B姿势，两者冲突出图就崩。解法是训练LoRA时姿势要多样化，别全是同一个姿势，这样LoRA不会和ControlNet冲突。关于本地部署跑SD和这些工具，可以看AI绘画电脑配置那篇，硬件跟不上跑不动。
常见问题
不训LoRA能画出一致角色吗？
能，但稳定性差。用即梦的"角色参考"功能或MJ的--cref参数，上传一张角色图做参考，后续出图会保持约六七成相似。适合临时用，做长期项目不够稳。
训练一个LoRA要多久？需要什么显卡？
用Kohya脚本训一个LoRA，30张图、2000步左右，RTX 3060 12G显存约需40-60分钟。显卡门槛不算高，但显存低于8G会比较吃力。云服务器租GPU也行，几块钱一小时，不想折腾硬件的可以走云端。
同一个角色能换不同风格画吗？
可以。用角色LoRA+不同风格LoRA叠加调用，比如"
人模出图脸总是歪怎么办？
用ControlNet的Face控制脸朝向，或者在图生图阶段先出一张脸正的，再用inpaint局部精修脸部。我个人习惯是文生图出大方向→挑脸正的→inpaint修脸，三步走脸基本不会歪。
人模这事儿，说白了就是给AI一个"长相记忆"。LoRA是长期记忆，ControlNet是姿势记忆，图生图是短期参考。三套工具配合好，画出同一个角色的百变图集不是难事。如果你这篇对你有用，欢迎转发给同样在折腾角色一致性的朋友，或者收藏起来慢慢练。下一篇咱们聊聊培训课值不值得报，敬请关注。