SD 风格化写真生成实操：从选模到出片全流程

一、先想清楚：你要的是「写真」还是「绘画」

在动手之前，必须先区分两个容易混淆的目标。所谓的「风格化写真」，通俗讲就是把一张普通照片改造成某种艺术风格的作品——它可以是一个人像写真、一张风景、一组产品图，重点是保留原始构图和主体，只换「皮」。这与纯文生图（text-to-image）完全不同：文生图是从随机噪声开始，由提示词决定一切；而风格化写真有一个「地基」——你的原图，AI 是在这块地基上重绘。

明确了这点，接下来的技术选型就顺理成章了：我们要用的是 img2img（图生图） 工作流，配合 ControlNet 锁结构、风格 LoRA 换风格。这是目前最成熟、效果最稳定的开源方案，N 卡 6GB 以上显存即可流畅运行。

二、第一步：装好底模与工具

推荐使用 AUTOMATIC1111 WebUI 或 ComfyUI 作为运行环境。前者界面直观、新手友好，社区教程最多；后者是节点式工作流，适合需要固定复用的批量生产场景。初学者建议从 WebUI 开始。

「底模」决定画面基本风格与画质上限。常见选择：

  • 写实方向：SD 1.5 系（如 Realistic Vision、ChilloutMix）或 SDXL 系的写实大模型（如 Juggernaut XL），出图细腻、皮肤质感好；

  • 二次元方向：Anything V5、Counterfeit、Illustrious 等，动漫风格表现力强；

  • 通用方向：官方 SD 1.5 / SDXL 底模，风格中性，适合叠加各种 LoRA。

判断底模好坏没有绝对标准，实践上以「同一提示词下的人物手部、五官是否自然」为手感参考。装好后，把模型文件放入 WebUI 的 models/Stable-diffusion/ 目录即可。

三、第二步：选一只风格 LoRA

风格化写真的「风格」绝大部分来自 LoRA（Low-Rank Adaptation，低秩适配）。LoRA 是一种微调产物：它不动底模的全部权重，而是在注意力层和全连接层旁挂载一对低秩小矩阵（秩 r 通常取 8~32），训练时只更新这两个小矩阵。效果上，它能以很小的模型文件（几十 MB）给底模注入一种稳定的「风格倾向」。

这就是为什么同一张原图，挂上不同 LoRA 能出来油画、水彩、赛博朋克等截然不同的效果。Civitai 上有大量免费风格 LoRA，以「oil painting style」「watercolor style」「anime style」等关键词检索，按评分和示例图挑选即可。下载后放入 models/Lora/ 目录，WebUI 的提示词区会出现 LoRA 标签，点一下就能加载。

Ubstein 传奇哥建议用这些风格化的核心参数。实际上常见经验同样适用于写真场景。

四、第三步：写一套「结构化」提示词

img2img 的场景下，提示词描述的是「你想要的目标画面」，而不是重述原图。一套通用的写真风格提示词可以拆成几段：

  • 主体：a beautiful woman, portrait, detailed face, natural skin texture（人像写真必备）

  • 风格：oil painting, visible brushstroke, thick impasto, palette knife texture, oil on canvas（要油画就写油画词，要水彩就写 wet on wet, color bleeding, watercolor on cold press paper，要动漫就写 anime key visual, cel shading）

  • 质量词：masterpiece, best quality, highly detailed, 8k——稳定出图质量的老三样

  • 负面提示词：至少固定 lowres, bad anatomy, bad hands, missing fingers, extra digits, jpeg artifacts, blurry，人像类强烈建议加 ugly, deformed face。负面提示词是少做多的隐藏技巧，直接影响出片率。

风格关键词别混着写。生手最容易犯的错就是把油画词、水彩词、动漫词堆在一起，结果 AI「精神分裂」，出来四不像。一次只锁定一种风格。

五、第四步：调关键参数——重绘幅度是第一优先级

img2img 中最重要的参数是 Denoising Strength（重绘幅度），它决定 AI 对原图改动多大。这个参数直接决定「像不像原图」与「风格够不够」之间的平衡：

  • 0.2~0.3：细微调整，接近原图，只做颜色校正和轻微风格偏移；

  • 0.4~0.6：中等转换，风格明显变化但主体结构和构图基本保留——风格化写真最常用的区间；

  • 0.6~0.7：显著转换，构图仍在但视觉处理已大不相同；

  • 0.8~0.9：接近完全重绘，只有大致结构存活，人像容易「换头」。

具体怎么定：人像怕变形，Denoising 取 0.5 左右比较稳；风景不怕歪，0.55 起步；想更浓的风格化，先 0.6 试一张再微调。记住口诀：太保守没风格，太激进没原样。

其余参数用稳妥默认即可：采样步数 Steps 25~30，CFG Scale 6~7.5（写实可以低一些如 5.5，动漫可以高一些如 7），采样器用 DPM++ 2M Karras 或 Euler a，图片尺寸保持原图比例（WebUI 会自动处理）。

六、第五步：用 ControlNet 锁住结构

如果重绘到 0.6 以上人脸还是容易崩，或者希望连姿势、轮廓都 100% 保留，那就需要 ControlNet 出场。它是目前 SD 保持结构最有用的插件。

思路是「拆两层」：

  • Unit 0（结构层）：上传原图，选 Canny 边缘预处理器（提取线条）或 OpenPose 姿势预处理器（提取骨点）。AI 会严格按照这些线条/骨点重绘，所以姿势和构图完全锁死。权重建议 0.5~0.7。

  • Unit 1（风格层 / 可选）：上传想模仿的风格参考图，选 ip2p 或 reference 预处理器，让 AI 从参考图提取风格特征。权重建议 0.3~0.5。

装上 ControlNet 锁结构后，重绘幅度可以放心调到 0.7 以上——结构被「锁住」了，不怕变形，风格可以更彻底。

安装方式：WebUI 的「扩展 - 安装」里填入 github.com/Mikubill/sd-webui-controlnet.git，把对应的控制模型（canny、depth、openpose 等）放进 models/ControlNet/ 目录，重启即可。

七、第六步：人脸修复与高清放大

人脸是风格化写真最容易翻车的部位。两个常用补救手段：

  • 脸部修复插件 ADetailer：自动检测人脸区域，用独立提示词二次生成，重绘幅度降到 0.15~0.25 只修脸。这是目前处理「脸崩」最高效的方案，强烈建议装了再出片。

  • Hires.fix（高清修复）：先把 512 像素小图放大到 1024+，放大算法选 Latent / ESRGAN_4x，修复锯齿和模糊，让皮肤纹理更真实。放大倍率建议 2 倍以内，过大会引入伪影。

流程上建议：先低分辨率快速试风格 → 满意后再开 Hires.fix 出大图 → 不行再局部重绘修补。一开始就 1024 全开，每张图跑 20 秒以上，试错成本太高。

八、踩坑清单：新手最常翻的五个车

  • 原图质量差：模糊、黑暗、严重压缩的图，AI 只能「锦上添花」不能「无中生有」。输入清晰高分辨率图，输出才有保障。

  • 一张图配所有参数：不同目标需要不同重绘幅度。增强用 0.3，风格迁移用 0.5，彻底重塑用 0.7。别一套参数打天下。

  • 忽略纵横比：原图 16:9，模型却擅长 1:1，强行生成会变形或裁切。先统一比例再生成。

  • 不迭代：第一张图很少是最好的一张。微调重绘幅度、换试种子，生成 4~8 张变体再挑，效果好得多。

  • 不保留原图：风格化输出会新建文件，但原始照片务必保留备份，方便对比和还原。

九、风格化写真可以做什么

掌握这套流程后，可应用的场景非常丰富：

  • 统一人像写真风格：把一组旅游照片统一调成某个艺术风格，适合个人 IP 或影楼预展；

  • 产品图风格统一：电商卖家把多款产品图统一成一致的视觉风格，提升店铺观感；

  • 头像个性化：个人社交头像做成油画/手绘风，辨识度大增；

  • 内容创作配图：自媒体文章封面、短视频封面用风格化图，比纯 AI 绘图更有「真实感」。

十、写在最后

风格化写真生成的完整链路可以浓缩成一句话：img2img 定基调，重绘幅度管「改多少」，ControlNet 管「不变形」，LoRA 管「像不像那个风格」，ADetailer + Hires.fix 管「精不精致」。这套组合拳不需要太高的硬件门槛（6GB 显存的 N 卡即可），也基本不需要花费（全开源免费），剩下的就是多试、多记录、多对比——生成的方差意味着你最好的作品很可能是第六次尝试才出现。