仅限 18 岁以上：本指南面向成年人。这里的每一种技巧都只适用于虚构的、AI 生成的成年角色，或者你拥有并完全获得授权使用的素材。不要以真人的面孔或照片为基础创建角色。
一款 AI 女友图像生成器好不好，取决于它能不能把同一个女人画出两次。生成一张好看的肖像很容易；在几十上百张图片、各种服装、场景和短视频中生成同一个虚构角色，才是真正的功夫，也正是可信的陪伴人设与随机图库之间的区别。陪伴类应用给你的是现成的角色，但很多创作者想要掌控外貌、性格和风格。本指南涵盖整个流程，从撰写角色设定，到锁定面孔、训练自定义模型、建立图库，再到制作视频，既介绍在 ZenCreator 上的托管路线，也介绍在 ComfyUI 中自己动手的路线。
简要来说：一致性来自三个要素。你需要固定的面孔定义（一组参考图或训练好的 LoRA）、固定的风格定义，以及一套每次生成时都同时应用两者的工作流程。带有内置角色工具的托管平台是最快的入门方式；如果你有性能足够的 GPU，自己训练 LoRA 能获得最多的控制。
为什么 AI 女友图像生成器难以保持一致
扩散模型不会记住面孔。每次生成都从新的噪声开始，所以措辞上哪怕一点小变化，也可能改变下颌线、眼形或鼻子。单靠文字是很粗糙的工具："绿眼睛、赤褐色头发、鹅蛋脸"可以描述成千上万个女人，而模型每次运行对这段描述的理解都不一样。
有三种成熟的方法可以解决这个问题，各有取舍：
- 图像提示适配器，如 IP-Adapter，用一张面部参考图来引导生成。设置起来很快，但每次都需要手头有参考图。
- 微调方法，如 LoRA 或 DreamBooth，让模型学会你的特定角色。前期要花时间，但长期效果最可靠。
- 托管角色工具把上述某种方法封装在简单的界面后面，让你保存一次面孔就能反复使用。
这些方法背后的研究有详细记录。IP-Adapter 使用一种"解耦交叉注意力"机制，分别处理文本和图像特征，其作者报告说，一个只有 22M 参数的适配器就能达到甚至超过完全微调的图像提示模型（IP-Adapter, arXiv）。DreamBooth 证明，只需某个对象的几张图片，就可以微调文生图模型，把一个唯一标识符绑定到该对象上，并在新场景中呈现它（DreamBooth, arXiv）。
流程一览
| 阶段 | 你要做什么 | 最终得到什么 |
|---|---|---|
| 1. 角色设定 | 确定脸型、眼睛、头发、标志性细节、性格 | 一份书面设定和一块情绪板 |
| 2. 锁定面孔 | 使用参考图或已保存的面孔生成 | 一组 15–30 张形象一致的初始图片 |
| 3. 自定义模型（可选） | 用这组图片训练 LoRA | 一个带触发词、可复用的角色模型 |
| 4. 图库 | 分批生成肖像、服装、场景 | 一个精选图库 |
| 5. 视频 | 让最好的静态图动起来 | 同一角色的短片 |
大多数人跳过了第 1 阶段，这正是他们的角色会漂移的原因。模型只能守住你真正确定下来的特征。
第 1 阶段：撰写角色设定
在打开任何工具之前，像写选角需求一样精确地描述角色。先明确说明她是成年人，再确定细节。
脸型和结构：鹅蛋脸、心形脸、方脸还是圆脸？高颧骨还是更柔和的轮廓？下颌分明还是下巴窄小？结构是让一张脸从不同角度都能被认出来的关键。
眼睛和眉毛：不止颜色：杏眼、圆眼还是内双；眼距；眉毛的粗细和弧度。眼睛承载着角色的大部分表情。
头发：颜色、长度、质感、分缝，以及它如何衬托脸型。头发往往是一眼就能认出的特征，因为它比面部细节更经得起角度变化。
标志性细节：鼻梁上的雀斑、一颗美人痣、一种特别的笑容。一两个鲜明的特征能让角色令人难忘；太多就成了干扰。
用外貌体现性格：确定她的默认表情，因为你生成它的次数会比任何其他表情都多。放松的浅笑很适合陪伴型角色。活泼的角色可能偏爱明亮的光线和休闲服装；更神秘的角色则适合低调的光线和较暗的色调。
把设定写成一段固定的文字，以便粘贴到提示词中，并为光线、服装和场景准备一块简单的情绪板。不要用真人照片作为面部参考；用生成器本身来打造这张脸。
第 2 阶段：锁定面孔
托管路线：ZenCreator
打造形象一致的角色，最快的方法是使用一个替你保存面孔的平台。ZenCreator 提供用于设计原创面孔的面孔生成器、带面部一致性功能的图像生成、参考图生图工具，以及一个 Characters 功能，该功能把角色描述为"with a face, a body and a personality"（有面孔、有身体、有性格），你还可以和她们聊天。解锁内容时会扣除照片和视频积分。
一个实用的顺序：
- 用面孔生成器根据你的书面设定生成几张候选面孔，挑出最符合的那张。
- 把它保存为角色的面孔，然后生成 15–30 张角度、表情和光线各不相同的图片。
- 只保留面孔明显一致的图片；其余的丢弃。
- 把这组精选图片作为之后所有工作的参考。
积分以积分包形式购买，起价为 200 积分 $19.99，没有订阅，积分永不过期，所以你可以花几周时间打造一个角色而不必每月付费（ZenCreator Help: Pricing & Credits）。大多数图像模型每张消耗 1 或 2 积分，在提示词和参考工具中使用 LoRA 不会改变每张图的成本。
自己动手路线：ComfyUI 中的 IP-Adapter
如果你在本地运行模型，可以通过 ComfyUI Manager 安装 IP-Adapter、一个专注面部的适配器（例如 IP-Adapter FaceID 的某个版本）以及它所依赖的面部分析模型。在节点图中，把参考图输入适配器，并把它的输出连接到采样步骤的上游。
对很多人都适用的初始值：
- 适配器权重：面部约 0.7–0.85
- 起止点：约 0.1 和 0.9，这样面孔能保持稳定，同时提示词仍能控制姿势和场景
- 合理的人脸检测阈值：这样参考图中不完整的面孔会被忽略
先用普通提示词根据你的设定生成 10–20 张图片，挑出最符合你设想的三到五张，作为参考图。好的参考图光线一致、面部清晰、没有手或头发遮挡，角度略有变化，面部区域分辨率足够（至少 512×512 像素）。避免浓妆或戏剧化的光线，除非你希望它们被复制到每一张图里。
生成时，在提示词中描述姿势、服装、场景和氛围，但不要写面孔；让适配器去处理。
第 3 阶段：训练角色 LoRA（可选，进阶）
要获得最可靠的效果，就用你的精选图片训练一个 LoRA。LoRA 的原理是冻结原始模型权重，并在每一层注入小型的可训练低秩矩阵；在最初针对语言模型的论文中，与完全微调相比，它把可训练参数减少了 10,000 倍，把 GPU 显存需求减少到三分之一（LoRA, arXiv）。如今，同样的思路被广泛用于让图像模型学会特定角色。
准备数据集
- 15–30 张优质图片：质量胜过数量：十五张清晰、光线良好的图片，胜过一百张平庸的图片。
- 多样的角度：包括正面、四分之三侧面和侧面，以及不同的头部倾斜角度，让模型从三个维度学习这张脸。
- 身份完全一致：每张图片都必须是同一个角色。瞳色或骨骼结构的任何漂移都会干扰训练。
- 标注时跳过面部：描述服装、背景、姿势和表情，但不描述面部特征，这样模型会把面孔与你的触发词关联起来。
常见的初始设置（在 Kohya_ss 或 AI-Toolkit 等工具中）：
| 设置 | 角色训练的起始值 |
|---|---|
| 网络秩（维度） | 32–64 |
| Alpha 值 | 与秩相同，或取其 50% |
| 学习率 | 5e-5 到 1e-4 之间；宁低勿高 |
| 训练步数 | 1,500–3,000 |
| 每批图片数 | 一到两张，受 GPU 显存限制 |
视硬件而定，训练通常需要半小时到两小时。每隔几百步生成测试图片，及早发现过拟合。
使用 LoRA：加载基础 checkpoint，以大约 0.7–1.0 的权重添加角色 LoRA，加入触发词，提示词的其余部分用来控制姿势、服装和场景。在 ZenCreator 上，编辑器和视频工具都支持 LoRA，这意味着你无需自己托管，就能使用训练好的角色模型。
第 4 阶段：建立角色图库
面孔锁定之后，按规划好的类别生成，而不是随机生成：
- 肖像：一系列表情（开心、沉思、俏皮、放松），用于头像和对话。
- 日常场景：看书、做饭、早晨喝咖啡、在城市散步。这些让角色拥有摆拍之外的生活。
- 服装：休闲、正式、运动和晚装，全部保持同一张脸。
- 地点：家里、咖啡馆、海滩、城市夜景、乡村。
- 季节套图：提前规划节日和应季造型。
每个类别分批生成 10–20 张，使用每次只改变一个元素的模板（例如改变服装颜色，同时保持姿势和表情不变）。然后严格挑选。一个由出色图片组成的小图库，比一个满是差强人意之作的大图库更有价值。
第 5 阶段：进入视频
有了出色的静态图之后，就让它们动起来。图生视频能让面孔最接近你认可的形象，因为静态图会作为开场画面。Stable Video Diffusion 等研究系统正是为此而构建的，它用时间层扩展图像模型，用于文生视频和图生视频（Stable Video Diffusion, arXiv）。
为了获得最佳效果，选择居中、光线良好、面部无遮挡的静态图，每条短片只要求一个简单的动作：一个微笑、一次转头、一次缓慢的镜头推近。ZenCreator 的视频生成器使用同一个账户和积分，我们关于图生视频和 Wan 3.0 功能的指南更深入地讲解了动作方面的内容。
常见问题及解决办法
面孔在不同图片之间漂移：提高适配器权重或 LoRA 强度，从提示词中去掉面部描述，并为关键镜头固定种子。
面孔稳定但风格跳来跳去：坚持使用一个 checkpoint 或模型，加入风格参考或风格 LoRA，并在每个提示词中保留一段固定的风格描述。
LoRA 看起来像塑料，或只在某些姿势下有效：这是过拟合了。减少步数、降低学习率，并使用更多样的数据集。
在多人场景中，她的脸被安到了别人身上：使用区域提示或姿势引导，告诉模型哪个人物是你的角色。
她在每张图里看起来都一模一样：在保持面孔锁定的同时，有意识地改变姿势、表情、服装、场景和种子。
需要遵守的规则
陪伴角色必须明确是虚构的，并且明确是成年人。
- 不涉及真人：平台政策写得很明确。Civitai 说明"content that reproduces the likeness of real people, in any context, is prohibited"（任何情境下复制真人肖像的内容都被禁止）（Civitai Safety Center），OpenAI 禁止未经同意、以可能混淆真实性的方式使用他人的写实肖像（OpenAI Usage Policies）。
- 仅限成年人，外貌和描述都必须如此：ZenCreator 的内容政策要求，在性情境中出现的任何人都必须年满 18 岁且看起来不像未成年人，并禁止被性化的、看起来未成年的虚构或 AI 生成角色（ZenCreator Content Policy）。
- 关于亲密图像的法律：在美国，TAKE IT DOWN Act 涵盖 AI 生成的、对可识别人物的亲密描绘，并要求受监管的平台在收到有效请求后 48 小时内将其删除（Public Law 119-12, GovInfo）。
把你的设定、提示词和数据集放在一起保存，这样你随时都能证明这个角色是原创的成年角色。
FAQ
打造一个形象一致的角色需要多长时间？
使用托管的面孔工具或 IP-Adapter，几个小时就能得到一组可用且一致的图片。训练 LoRA 还要再花几个小时。完整的图库则需要几周时间、定期创作逐步积累。
可以以真人为原型打造我的 AI 女友吗？
不可以。未经同意使用真人的面孔违反大多数平台的规则，还可能违法，尤其是涉及亲密内容时。请设计一张原创的面孔。
本地路线需要什么样的 GPU？
IP-Adapter 工作流至少需要 8GB 显存（12GB 或以上更从容）。LoRA 训练最好有 12GB 或以上。ZenCreator 这样的托管平台完全不需要 GPU。
应该用多少张参考图？
适配器通常有三到五张优质参考图就够了，训练 LoRA 则需要 15–30 张。一致性和清晰度比数量更重要。
IP-Adapter 和 LoRA 哪个更好？
IP-Adapter 设置起来更快，但每次都需要参考图。LoRA 训练时间更长，但效果更稳定，训练好后不再需要参考图。
可以让我的角色动起来吗？
可以。从你最好的静态图开始，用图生视频制作短片。ZenCreator 在与图像生成相同的账户中提供这项功能。
参考来源
- IP-Adapter, arXiv 2308.06721: https://arxiv.org/abs/2308.06721
- DreamBooth, arXiv 2208.12242: https://arxiv.org/abs/2208.12242
- ZenCreator Help Center, Pricing & Credits: https://help.zencreator.pro/articles/12068902-pricing-and-credits-plans-payment-methods-and-tool-costs?ref=baiwei
- LoRA, arXiv 2106.09685: https://arxiv.org/abs/2106.09685
- Stable Video Diffusion, arXiv 2311.15127: https://arxiv.org/abs/2311.15127
- Civitai Safety Center: https://civitai.com/safety
- OpenAI Usage Policies: https://openai.com/policies/usage-policies
- ZenCreator Content Policy / Acceptable Use Policy: https://help.zencreator.pro/articles/1373215-content-policy-acceptable-use-policy?ref=baiwei
- Public Law 119-12 (TAKE IT DOWN Act), GovInfo: https://www.govinfo.gov/content/pkg/PLAW-119publ12/html/PLAW-119publ12.htm