最近被问最多的一件事就是“怎么用即梦 AI 做一张和明星合影的图”。这个需求从我接触 AIGC 内容创作的第一天就有人问但说句实在话真正想把它做得自然、有真实感、不“一眼假”并不是往对话框里丢一句提示词就能搞定的事。今天我就把这几个月从出图到修图的完整流程、提示词习惯、参数取舍、踩过的坑一次性整理出来。这个玩法适合两类人一类是普通玩家想给朋友做个生日惊喜视频封面、婚礼祝福素材另一类是内容创作者做自媒体封面、短视频贴片、直播间氛围图。但先记住一个硬前提真实明星的脸涉及肖像权本文所有技术流程建议全部用在个人娱乐、技术练习或自有版权素材上不要拿去做商业传播也不要在公开账号上大范围发布真人明星的“伪合影”。在这个前提下我们才能放心聊技术。1. 先搞清楚原理AI“合影”不是抠图而是重新绘制一张照片很多人第一次看到 AI 合成的“明星合影”时会问是不是把人脸抠出来贴到另一张照片上还真不是。即梦 AI 这类生成式工具底层是一条扩散模型Diffusion Model的生成链路它做的事情是“参照着两张参考人脸重新画出一张双人照片”。1.1 核心概念参考图、提示词与模型重绘扩散模型的生成逻辑可以类比成一位画师——你给画师两张照片一张是 A你自己的正脸一张是 B目标形象的正脸然后告诉他“把这两个人画到同一张红毯照片里A 穿西装、B 穿晚礼服两个人并肩站着看向镜头。”画师会参照两张脸的特征重新画出一张全新的画面而不是把 A 的脸剪切粘贴到 B 的照片上。这个过程的三个关键输入分别是参考图Reference Image提供人物的面部特征、肤色、轮廓和基本形态。提示词Prompt描述场景、动作、镜头、灯光、风格。模型权重分配即梦 AI 在生成时会给参考图分配“相似度权重”权重越高生成脸越像参考图。明白这个原理你就能解释很多现象为什么有时候脸像了但整体光线不统一因为模型不是“贴图”它会根据提示词重新计算光照为什么有时候两张脸都像但姿势很僵因为模型对姿态的理解依赖提示词描述和参考图里隐含的身体信息描述不够细它就放飞自我。1.2 技术上的最大难点相似度与自然度的博弈AI 合影的核心难点本质上是一个博弈相似度拉高脸更像参考图但容易产生“贴脸感”——就是那种脸是脸、身体是身体、肤色断层、像 PS 硬P 上去的感觉相似度拉低整体自然了但可能不太像本人。我在实际测试里反复验证过这个规律相似度权重调到太高比如拉到 0.9 以上面部特征会“过度拟合”尤其是眼间距、下巴轮廓这种几何特征会被强行修正导致和身体骨架衔接不自然。比较稳的做法是控制在 0.6 到 0.8 之间让人脸特征和生成场景融合再通过后期手段补足相似度。另一个难点是“多人构图”。单人生成模型已经很成熟但两个人出现在同一张画面中模型需要同时处理两组面部特征、两组身体姿态、两组角色与环境的遮挡关系计算复杂度成倍上升。这就是为什么很多 AI 合影能看清脸但手握在一起的角度、前后站位、肩膀比例经常出错。1.3 先立规矩肖像权与合规使用边界聊技术之前必须把红线讲清楚。用真实明星的脸做合成照片如果只是自己私底下乐呵、不传播、不商用属于个人娱乐范畴但一旦发到社交平台、做成商品、用于商业宣传就可能涉及肖像权侵权。在实践中被要求删除案例、发律师函的情况并不少见。更稳妥的做法有两种一是用 AI 生成的原创虚拟偶像脸当作“目标形象”效果照样能展示技术流程二是使用自己的照片或者已获得授权的朋友照片来演示。我们这套方法本身没有风险风险在素材的选择和使用场景上。2. 实操前的准备模型选型、个人照片与目标形象的素材处理准备工作决定了最终出片质量的一半。很多人直接拿一张模糊的监控截图去生成然后跑来问为什么不像这就是素材环节出了问题。在即梦 AI 里素材的信息密度直接决定生成结果的上限。2.1 模型选型写实场景选对模型很关键即梦 AI 界面里通常会提供不同的生成模型比如通用写实、动漫风格、人像精修等。做“和明星合影”这种效果优先级最高的是人像写实类模型因为这类模型在面部特征保留、皮肤肌理、头发丝处理上更细腻。如果你想要的是“红毯灯光感”“棚拍大片感”可以再叠加摄影风格模型适配。动漫模型不是不能用只是它会把你的脸也重绘成动漫脸这就跑偏了除非你要的本来就是二次元合影效果。经验之谈同一个提示词用通用模型和人像模型跑出来的效果能差出一个量级。我在测试中人像模型的“本人相似度”普遍高出 15% 到 20%皮肤的质感也更接近真实照片。2.2 个人照片的拍摄要求记住“正、亮、清”三个字用于参考的个人照片要满足三个硬指标正正脸或接近正脸不要侧面超过 30 度否则模型提取的五官结构会不完整生成结果容易歪脸。亮光线均匀避免一半脸在阴影里、一半脸过曝。逆光照片尤其不能用。清像素要够建议至少 800 像素以上脸部占画面的比例要大。最忌讳的素材是加了重度磨皮的自拍、戴着大墨镜的照片、刘海挡住眉毛的照片。这些素材会让模型丢失关键的面部锚点生成结果要么模糊要么“妈不认”。我自己常用的做法是专门在光线好的窗户边用后置摄像头拍三张正脸照存着备用一张不笑、一张微笑、一张大笑覆盖不同情绪需求。这样每次做图不用临时翻相册翻半天。2.3 目标形象素材的合规获取路径目标形象素材也就是“明星”那一半来源要格外谨慎。三种相对安全的路径公开静态图/剧照的私人学习使用只是自己电脑里跑一跑可以拿公开图片做参考图。但这个使用边界很窄别公开发布生成结果。AI 生成虚拟艺人形象用即梦 AI 先凭空生成一张你想要的“虚拟明星脸”再拿这张虚拟脸去合成“合影”。这是我最推荐的练习方式既安全又完整覆盖了流程。自有版权的人像素材比如你给朋友拍的写真照经对方允许后作为目标形象。实操中你会发现目标形象图的质量同样重要。模糊、带水印、杂乱的背景都会干扰模型理解。尽量选干净背景、清晰正脸的素材。3. 提示词设计与参数调优决定成败的细节素材准备好之后就进入最关键的环节提示词和参数。这一节我直接给出可以套用的模板和参数区间别去背那些花哨的“魔法词汇”理解逻辑才是关键。3.1 一段能直接上手的提示词模板提示词的通用结构可以拆成“场景 人物动作 镜头语言 风格质感”四块。以“红毯合影”为例场景红毯背景背景有摄影师的闪光灯虚化光斑夜晚五星级酒店门口。 人物动作一名男士和一名女士并肩站着男士西装革履右手微插裤兜微笑看向镜头女士穿深蓝色晚礼服左手自然下垂身体微微靠向男士一侧。 镜头语言35mm 镜头浅景深焦点在两人面部背景柔和虚化专业摄影灯光均匀打光。 风格质感高清写真质感真实皮肤纹理自然肤色摄影棚级光影面部五官清晰自然表情。这部分描述信息越具体生成效果越贴近“合影”。举个例子只说“两个人站在一起”和“男士右手微插裤兜女士身体微微靠向男士一侧”出图差别非常大。前者大概率生成两根木头桩子后者才有一点真实互动感。提示词里还有两个哲学问题要理解第一参考图负责“像谁”提示词负责“在干什么”两者分工不同第二不要在提示词里重复“很像某某明星”这种表述直接写“男士”“女士”即可因为模型吃的不是名字而是视觉特征。3.2 关键参数相似度、创意度、重绘幅度怎么配以即梦 AI 的操作界面为例生成参数通常包含“相似度”“创意度”“重绘幅度”不同版本叫法可能略有区别但底层逻辑一致。我的经验区间如下参数建议区间作用说明参考图相似度0.6 - 0.8越高越像参考图但超过 0.85 容易“贴脸感”明显创意度0.3 - 0.5控制模型在构图、动态上的发挥空间太大容易跑远重绘幅度0.4 - 0.7控制最终画面与参考图的差异程度太高会丢掉人物特征参数之间是联动的。比如你发现脸像了但动作很僵可以稍微提高创意度、降低相似度给模型一点空间去“画动作”反之如果你发现整体构图不错但脸不像就提高相似度同时把重绘幅度往下压。3.3 分步实操从上传照片到点击生成完整操作路径如下可照抄打开即梦 AI 的图像生成入口选好人像写实模型。在“参考图”区域上传自己的正脸照第一张参考位通常默认为“主要人脸”。在“参考图”第二区域上传目标形象的素材如果有“角色 A / 角色 B”的分区把两张图分别放到对应槽位。在提示词框粘贴上一小节的红毯模板根据实际情况改动作描述。把相似度设为 0.7创意度设为 0.4重绘幅度设为 0.6生成数量选 4 张。点击生成观察效果再微调。不要指望一次性出成品我一般每次生成 4 到 6 张然后从里面挑一张骨架、表情、相似度都及格的再进入修图阶段。AI 生成是概率采样同样的参数每次结果都不一样多跑几张是成本最低的提升质量方式。3.4 超清放大与脸部局部修复初版生成图往往只有 1K 左右分辨率放大到手机上看还行放到电脑全屏就露怯了。我的处理习惯是先用即梦自带的“高清放大/超分”功能把图放大到 2K 或 4K。放大后再检查面部细节。如果一张脸有点“油光”或者眼神略呆用局部重绘功能把脸部区域框出来重新生成并在提示词里补充“自然眼神光皮肤哑光质感”。局部重绘时注意不要框太大只圈面部范围重绘幅度降到 0.3 左右避免把已经满意的地方又改坏。这一步是“从能看”到“像真照片”的分水岭。很多分享里截出来的效果图不错其实都经历了这一步的二次加工。4. 完整实操案例从 0 到 1 跑通一张“红毯合影”理论说了不少这一节我用一个虚构但完整的案例把前面的流程串起来。假设 A 同学想在朋友婚礼上放一张“和某实力派歌手”的合影逗大家一笑他来找我帮忙我给他完整跑了一遍流程。说明案例中目标形象我们用 AI 生成的虚拟艺人素材替代不涉及任何真实公众人物技术上完全等价。4.1 素材整理与预处理A 同学发来的原图是在商场里拍的全身照光线杂、背景乱。我做的第一件事是让他重新拍一张站在窗边面朝窗户手机后置镜头胸部以上取景素颜或淡妆表情自然的正脸照。目标形象素材是用即梦 AI 单独生成的虚拟艺人照一张符合“红毯女星”气质的干净正脸。生成时用的提示词是“三十岁左右女性披肩直发精致淡妆穿深蓝色晚礼服红毯灯光浅景深纯色背景”。两张素材确定之后全部裁剪成 1:1 构图并且保证脸在画面中央、占比大约 40%这样参考图的信息最容易被模型捕捉。4.2 生成环节的参数配置记录模型人像写实。参考图槽位 1A 同学正脸。 参考图槽位 2虚拟艺人正脸。提示词摄影棚红毯效果男士西装站在女士右侧女士穿深蓝色晚礼服站在男士左侧男士微笑看镜头女士微笑看镜头两人自然并肩专业红毯摄影灯光均匀光线浅景深背景虚化高清写真真实皮肤质感自然表情中景景别。参数相似度 0.7创意度 0.4重绘幅度 0.6生成 4 张。第一轮结果4 张里两张脸型明显不像目标形象一张男士表情像在开会一张整体构图歪了。唯一一张还算合格但手臂位置有点莫名其妙——男士的左臂“长”到了女士身后。4.3 翻车修正与最终出片针对唯一合格的这张进入局部重绘圈住手臂区域提示词改为“男士左手自然垂在身体侧面”重绘幅度 0.4。第二轮局部重绘后手臂问题解决。再把图片做超清放大到 4K放大后检查皮肤纹理脸部过油局部重绘框住两张脸提示词补充“哑光自然皮肤轻微皮肤纹理”重绘幅度 0.3。最终成片效果两位人物站位自然面部特征相似度足够光线统一完全看不出“假”的感觉。A 同学把这张图打印成 6 英寸照片放进婚礼祝福视频尾幕现场效果很好没有任何人质疑图片的真实性。这套流程整体耗时大约 30 分钟其中前 20 分钟花在素材沟通和重新拍摄上真正生成的次数反而很少。素材做足了生成环节的试错成本会大幅降低。5. 常见问题与排查技巧实录实际操作中几乎每个人都会遇到下面几个经典问题。我梳理成一张问题排查表附带处理方法经常翻车时拿出来对照能省很多时间。现象可能原因解决办法生成的脸不像参考图相似度权重太低 / 参考图质量差调高相似度到 0.75-0.8换一张更清晰、光线更均匀的正脸参考图脸像但全身很“假”提示词对动作描述太少细化动作描述如“手的位置、身体朝向、重心偏移”两张脸皮肤色调不统一参数里缺少光线统一控制提示词加“统一光源、自然肤色一致”后期局部重绘修正手部崩坏、手指数量不对模型对手部细节理解有限调整构图让手部不要入镜或局部重绘手部区域多次生成两个人站姿僵硬像“P 上去”缺少互动要素提示词增加身体接触或互动姿势如“肩膀轻碰、手轻搭肩膀”背景光线与人物不匹配提示词场景描述不够补足光源方向描述如“侧逆光、灯光从右侧打来”5.1 脸部相似度不够的优先级排查很多人在这一步反复纠结参数但 90% 的情况是参考图本身不合格。我见过最典型的一种拿一张磨皮开到十级、已经“失真”的自拍图做参考模型提取到的面部特征是“假脸特征”生成的图自然不像本人。排查优先级应该是先换参考图再调参数。不要上来就拉满相似度那样可能会得到一张像、但融合得很怪的“换头照”。5.2 多人合影的进阶技巧如果目标是“三个人甚至更多人”的合影问题就会复杂很多。模型对多人的身份保持能力会明显下降最直接的办法是“分步合成法”先生成两个人的合影。把第 1 步的成片作为新的背景图再加入第三个人的参考图。用“图生图 参考图”的方式让模型在一个已经成立的画面里融入第三个角色。分步合成比一次性生成三个人要稳定得多。每一步之间人和人的互动关系、站位、遮挡关系都是可控的翻车概率小很多。5.3 批量制作统一风格合影的通用技巧做系列内容时比如一组“和不同虚拟偶像的合影”保持“你”这个角色的风格统一非常重要。不要每次重新生成先用你的照片生成一张高质量的“基础形象”固定表情、发型、服装然后用这张基础形象作为后续所有生成的参考图。这样一套下来风格一致性会高到离谱。我个人习惯是给“自己”建立三个基础模板日常休闲、正装、运动风衬衫。需要不同场景直接套避免每次都要重新调参。5.4 关于放大与精修的实用建议最后补一条关于画质的小建议AI 生成的原图导出发朋友圈够用但可能不够海报打印、视频大屏播放。打印输出建议至少 4K并且一定走“生成 → 超分 → 局部磨皮 → 最终导出”这条顺序链。别先发出来再放大那样噪点和瑕疵会被一起放大。如果手里的原片脸部已经崩到一定程度记住一个原则宁可重新生成也不要硬在 PS 里修。AI 生成图的结构问题比如眼距不对、颧骨位置偏移手动修起来非常费时间效果也不如重新生成。结构好的片子微调才有意义。这套“和明星合影”的流程本质上就是一个“参考图 提示词 参数调优 局部精修”的组合拳。我在实际使用中最深的体会是AI 工具的上限其实取决于使用者在素材准备上花的功夫而不是会写多少花哨的词。素材稳参数顺后面的修图浪费的时间自然就少。最后再送你一个很小但很实用的技巧正式生成之前先在同一个参数组下用纯色背景跑两三张“脸部测试图”只验证参考图的脸被还原得好不好。脸部测试过关了再换成复杂场景去跑能省下大量反复调参的时间。这个方法我用了很久基本告别了“生成十张只有一张能用”的尴尬局面。