即梦 5.0 可控绘图四件套：把抽卡变成调度的实操流

为什么你用了即梦 5.0，还是在抽卡

我见过太多人在即梦 5.0 里的工作状态：写一段几百字的提示词，点生成，出两张，看一眼，不行，微调两个字，再点生成，出两张，再看一眼。一整个下午过去，历史记录里躺着六十张图，没有一张能直接用。这不是 prompt 写得不够好，这是工作方式本身错了。

再回到即梦 5.0的四种控制方式，你会发现它们其实回答了四个彼此独立的问题：这是谁（参考图）、在做什么（姿态）、在哪里一层（边缘/深度）、改动哪一块（蒙版）。四个问题的答案一旦确定，画面就只剩下”怎么渲染”这一项自由。而渲染恰恰是模型最擅长的部分。

我在即梦 5.0项目里反复验证过：四个入口不需要全部用上，但即梦 5.0的每一次锁都要有明确目的。

熟悉即梦 5.0 的人会发现，即梦 5.0 这套逻辑和游戏调参很像：每一个滑杆都不是越高越好，而是在一个窄区间里找平衡。即梦 5.0 的四件套之所以难，不是功能少，而是彼此牵制。理解这种牵制，是可控绘图的第一课。

即梦 5.0 的底层是字节的 Seedream 5.0 模型，它给用户开放了四种可控绘图入口：参考图、边缘/深度、姿态、局部重绘。绝大多数人把这四个按钮当成”辅助功能”，默认工作流还是”文生图 + 抽”。但实际上，这四个按钮组合起来，是一套完整的约束系统。你一旦学会用它，生成就不再是”生成后挑选”，而是”生成前约束”。这两种模式的区别，不是效率差 20%，而是差一个数量级。

先给结论：即梦 5.0 不是更聪明的抽卡机，而是可以被编排的生成系统。即梦 5.0 的四个入口对应四种约束，叠加起来，就把凭运气的抽卡变成了按流程的调度。

这篇文章不讲泛泛的功能介绍。我要讲的是：这四件套应该按什么顺序叠加，每一件的参数给到什么区间，给过头了会怎样崩，参数之间打架时听谁的，以及一个完整项目（同一个人、三个动作、两套衣服）从第一张到交付的完整流程。还会讲一件很多人不愿意承认的事：即梦 5.0 在可控性上，和本地 Stable Diffusion 差着一截，你得知道差在哪，才不会在它做不到的事情上浪费时间。

这就是为什么我把即梦 5.0 的四种控制方式画成一条流水线，而不是四个并列的按钮。即梦 5.0 真正好用的地方，是四件套能串成一条线；真正难的，是串起来之后参数会互相拆台。

这正是为什么即梦 5.0的调度思维值得花一整篇文章来讲。因为它改变的不是你的技巧，而是你的提问方式。从”我要生成什么”变成”我要锁住什么”，从”祈祷这次中”变成”确认这次必然中”。

抽卡思维和调度思维的真正区别

“抽卡”这个词来自游戏，本质是概率赌局：投入资源，看随机结果，重复直到满意。映射到 AI 绘图，就是”写好提示词，多点几次，总有一张能看”。

我在即梦 5.0的经验里，一次成功的成稿往往暴露不出问题，反而是失败的那几张最能说明边界。即梦 5.0的在即梦 5.0 里，每一次改稿都是在收紧一条约束。

针对即梦 5.0 最常见的误区，就是把它当成更聪明的抽卡机来用。即梦 5.0 的四种可控绘图能力摆在那里，多数人却只用文生图一个入口。

“调度”是另一个词，来自系统工程：你先定义约束，让系统只能在约束范围内出解。生成结果依然有随机性，但随机性被关进了一个小笼子里。

举个具体的例子。你要做同一个角色的三张不同动作图，用于漫画分镜。抽卡模式下的做法是：写”一个红发少女，穿白色卫衣，站在窗边”，生成两张，如果脸不像，重写提示词”红发少女，圆脸，大眼睛，白皙皮肤”，再生成两张。问题是，你写再多外貌描述，模型每次的”红发圆脸少女”都是不同的人。三步转写。然后你开始局部重绘修脸，修完脸发现衣服又变了，再修衣服……这个循环可以无限长。

调度模式下的做法是：第一张用参考图锁定角色（一张已经确认的脸 + 服装），后面每一张都以这张为角色参考，同时叠一张姿态骨架图决定动作。此时模型的

这一点值得再强调一次：即梦 5.0的参考图，是所有后续批次的地基。即梦 5.0即梦 5.0 后续所有图的稳定，都建立在这一张图上。

顺便说一个即梦 5.0的实操习惯：我几乎从不在生成时就写”高清、大师级”。这些词在即梦 5.0的模型里会占据前半句权重，挤掉真正有用的场景信息。把它们删掉，出图反而更稳。很多人以为是玄学，其实是权重分配。

可变空间只剩”背景和光影”，而你连背景都可以用提示词锁死。三张图出来，脸是同一张脸，衣服是同一套衣服，动作是按你的骨架走的。这不是运气，这是结构。

这也是即梦 5.0 和随便生成最大的区别：即梦 5.0 不只是给你一个更聪明的模型，而是给你四个可以逐层收紧的旋钮。会用这四个旋钮的人，才算真正入门了即梦 5.0。

即梦 5.0 四种控制方式能力图

先建立一张能力地图。四种控制方式的输入、适用场景和关键参数如下，这张表是后面所有讨论的基础。

看懂即梦 5.0 这张能力表，你就明白每一件工具负责锁什么。即梦 5.0 真正难的不是找到工具，而是理解什么顺序下叠加才不会互相抵消。

控制方式	输入	适用场景	关键参数	管的是什么
参考图	一张图（最多 10 张，图片 5.0 Pro）	风格迁移、主体保持、角色固定	参考强度	控主体：角色/产品/风格一致
边缘/深度	线稿或深度图	构图固定、场景重建、建筑与产品	控制权重	控结构：边缘/深度决定构图
姿态	骨架图	人物动作复刻、舞蹈、武打	姿态强度	控结构：骨架决定肢体朝向
局部重绘	蒙版	改衣服、换背景、修手、修道具	重绘幅度回到即梦 5.0的中心命题：你不需要更强的模型，你需要更早的约束。即梦 5.0给出的，正是这个杠杆。 td>	控区域：只在蒙版内变

这里有一个容易被忽略的认知：四种控制方式可以叠加。它们不是互斥的并列选项，而是一条流水线上的四个工位。真正的问题从来不是”用哪一个”，而是”按什么顺序串起来，以及冲突时谁说了算”。

即梦 5.0的参考图还有一个隐性作用：它会悄悄决定画面的”景深性格”。一张浅景深的参考图，后续出图都会倾向于浅景深；一张大光圈的参考图，后续都会虚化背景。做系列图时如果想换景深，不是改提示词，而是换参考图。

在即梦 5.0 里，这四种方式可以叠加，这是它区别于普通文生图的核心。理解了叠加，你才算拿到了即梦 5.0 的调度权。

一个被误解的名字：所谓”四件套”

这篇文章叫”四件套”，但它不是要你把四种方式都当成一整套一次性用上。恰恰相反，即梦 5.0 的高手常常只用其中的一两件，剩下的都是备用。四件套的真正含义是：四把锁，按需上锁；而不是四步工序，必须走完。这个区分很重要，因为很多人被”套”字误导，以为每张图都要过四道工序，结果把本来简单的活儿做复杂了。

什么时候只用一把锁？做一个单张海报，锁脸就够了。什么时候用三把？做系列分镜，脸加姿态加局部。什么时候全上？做需要精细控制的高价值稿，尤其是要换服装又要统一风格的商业稿。即梦 5.0 的四件套，本质是一套”按需组合”的工具箱，不是一条强制流水线。

先认清它能控的四件事

可控绘图本质上只控制四件事，我把它们称作”四把锁”：

• 控主体——角色、产品、风格在多次生成之间保持一致。主力工具是参考图。
• 控结构——构图、景别、肢体朝向、画面布局。主力工具是边缘/深度和姿态。
• 控区域——只让画面某一块发生变化，其余像素级别不动。主力工具是局部重绘加蒙版。
• 控一致性——同一角色多张图之间不换脸、不换装、不换画风。这是前三种锁协同的结果，靠参

  说到底，即梦 5.0的四件套不是四个功能，而是四条纪律。每一条纪律背后，都是对模型随机性的一次收权。

  考图串起整条流水线实现。

你把这四件事想清楚，很多”模型不听使唤”的困惑会自动消失。模型没听懂提示词，往往是因为你要它同时控主体和控结构，却没有给它对应的锁。

换句话说，即梦 5.0 的每一种控制方式，都是在替你做减法：参考图减掉脸会变的可能，姿态减掉动作会乱的可能，局部重绘减掉改一处坏一片的可能。即梦 5.0 的可控性，本质上是可减去的可能性总量。

四件套的叠加顺序：为什么顺序比参数更重要

从”功能叠加”到”信息流”：一个更好的心智模型

如果四件套被你理解成”四个功能叠加”，你会本能地想把它们全用上。但如果理解成”一条信息流”，你会发现很多环节根本不需要参与。信息流的意思是：身份从参考图流向生成，动作从骨架图流向生成，局部从蒙版流向修补。每一条信息流都是单向的，都只在需要的时候才打开。

关于即梦 5.0的姿态图，我还想补充一个细节：骨架图里的手部如果画得太简，手指就一定会崩。这不是姿态强度能解决的问题，而是输入信息不足。所以找骨架图时，手部宁可画清楚，也不要省事画个圈。

用信息流的视角看，即梦 5.0的很多”功能纠葛”会变得清晰：参考图和姿态图争的，其实是”身份信息”和”动作信息”谁先进入生成器；局部重绘和风格图争的，是”局部替换”和”全局统一”谁后执行。一旦你把顺序想清楚，冲突就自然消解了。

在即梦 5.0 里，四件套的正确顺序是：先锁脸，再定姿态，再改局部，最后调风格。这个顺序不是拍脑袋定的，它遵循一条硬原则：越靠近”身份识别”的约束，越应该早施加；越靠近”视觉表现”的约束，越应该晚施加。

把四件套当成”摄影棚的四个岗位”

我很喜欢用一个比喻：即梦 5.0 的四件套，其实就是摄影棚里四个岗位。参考图是选角导演，负责”这个人是谁”；姿态图是动作指导，负责”怎么站、怎么动”；局部重绘是化妆师，负责”哪儿要补”；风格参考是灯光师，负责”整体氛围”。

一个成熟的摄影棚，不会让选角导演去管动作，也不会让化妆师去改灯光。同理，在即梦 5.0 里，你也不该用参考图去管动作，或者用局部重绘去统一风格。每个岗位只管自己的事，出片效率才高。

这个比喻还有一个好处：它告诉你谁先上岗。选角永远在动作指导之前，灯光永远在化妆之后。顺序一旦颠倒，整个棚就乱了。

为什么”选角”这一步不能省

在影视工业里，选角错了，后面再好的服化道也救不回来。即梦 5.0 的参考图就是这样：它是整条流水线的选角环节。图选错了，你后面花的所有积分、调的所有参数，都只是在错误的人身上加装饰，没有意义。

为什么”灯光”永远排在后面

灯光是对整体氛围的统一。你在主体还没定下来之前就定灯光，等于给一个还不存在的演员打光。很多即梦 5.0 用户习惯一上来就写”赛博朋克霓虹光”，结果主体一团糟。正确做法是先把人和动作立住，最后再统一加光。

一个实用检验

出图后问自己一句：如果把这四个岗位的贡献拆开看，哪个岗位出了问题？答得出来，说明你理解了即梦 5.0 的四件套；答不出来，说明你还在盲调。

第一件：参考图锁脸——把角色的身份写死

参考图锁什么：一个被严重误读的按钮

“参考图”这个名字，让人以为它是”给张图做参考”。在即梦 5.0 里，它更像”给个身份，让模型去扮演”。你给的不是灵感，是主权的转移：这张图从此决定了角色的长相、体态倾向、色感。理解了这一点，你就会明白为什么参考图的选取标准必须那么苛刻。

为什么”锁脸”要被理解成”立规矩”

在即梦 5.0 里，锁脸不只是”把脸固定住”，而是在给整条流水线立规矩：从此以后，所有的动作、服装、场景，都必须在这张脸的基础上生长。规矩一旦立下，后面的每一步都变得有据可依；规矩没立，每张图都是重新谈判。

这也是为什么我反对”先出成品、后面再统一”的做法。即梦 5.0 的模型不具备事后统一的强能力，统一只能靠一次次重绘硬掰，掰到第三张，脸就开始漂。规矩要立在前头，这是所有内容工业化生产的共性。

我见过最典型的误读，是把一张”氛围图”当参考图：画面很美、很酷，但脸是侧着的、光线是很强的逆光。结果后面每一张图都逆光，每一张侧脸都变形。即梦 5.0 并不是做错了什么，它忠实执行了你的授权。参考图是一份”授权书”，你授权了什么，它就会继承什么。

为什么锁脸必须放在第一步

因为人脸是整张图里信息熵最高、容错率

在即梦 5.0里工作，我会刻意保留失败图。因为它们记录了边界在哪里，而边界比成功更有信息量。即梦 5.0的高手，都是从一堆废图里读出来的。

最低的部分。观众对一张画宽容度很高，构图可以怪、光影可以糙，但脸一旦不像，整张图就废了。如果你先把姿态定好、风格调好，最后再试图用参考图把脸”拉回来”，等于在一个已经固定的大骨架上强行整形——要么脸不像，要么姿态被拽歪，两头不讨好。

很多人在即梦 5.0上做项目的第一个月，都会经历一个”参数越调越乱”的阶段。这不是退步，而是你在同时尝试太多变量。退回到一次只改一个变量的状态，一周就能走出这个阶段。

为什么即梦 5.0 的锁脸一定要放第一步？为什么必然如此？因为模型一旦先固定了姿态和光影，后面再回头改脸就会牵一发动全身。

顺序反了，你会花三倍时间修一张本来可以一次成的图。这是我在早期测试时摔得最狠的一跤。

换句话说，即梦 5.0 的参考图是身份锚，姿态图是动作锚，局部重绘是区域锚。三个锚依次落下，即梦 5.0 的可变空间就只剩背景和光影。这就是即梦 5.0 从抽卡走向调度的全部秘密。

参考强度与”表情自由度”的关系

很多人会觉得锁了脸之后，角色的表情也一起被锁死了。这其实和参考强度有关：强度在 0.75 到 0.8 时，脸的五官比例被锁住，但表情仍有空间变化，提示词里写”微笑”是有效的；强度到 0.9 以上时，连表情都被一起复刻，你写”大笑”也只会得到参考图里那个淡淡的笑。

这个细节做漫画时特别重要。如果你需要不同情绪的分镜，参考强度卡在 0.78 左右最合适，既能保持脸不变，又能让表情活起来。这也是即梦 5.0 里角色一致和情绪表达之间必须做的一个平衡。

参考强度应该给多少

参考强度是参考图唯一的旋钮，它控制”这张参考图对结果的影响有多大”。我给的经验区间是这样的：

在即梦 5.0 里，参考强度是最该反复试的一个参数。在即梦 5.0 里，参考强度每差 0.1，结果就是另一个人。

参考强度区间	表现	适用场景	过了会怎样
0.3–0.45	只取画风和大色块，主体自由度大	风格迁移、情绪板探索	低于 0.3 基本等于没给参考图，脸部乱跑
0.5–0.65	脸和发型像，服装和背景可重排	同角 如果你只做一个项目，即梦 5.0和普通文生图工具的差别不大；但如果你做十个项目，即梦 5.0的流程价值会指数级放大。 另外提醒：即梦 5.0的局部重绘有一个常被忽视的限制，蒙版只有一张。如果要同时修手和换衣服，必须分两次，不能一次框两个区域。这不是设计缺陷，而是两条不同的编辑意图本来就不适合混在一起。 色换场景、换服装	脸对了但整体像拷贝，构图僵化
0.7–0.85	脸、发型、服装都高度一致	系列图、漫画分镜、IP 形象	姿态会被参考图拽住，你想换动作换不动
0.85–1.0	几乎复刻参考图	仅用于纯换背景	任何改动都失效，等于高级版复制粘贴

注意最后一行。很多人以为”参考强度拉满最保险”，恰恰相反。强度超过 0.85，你要的姿态控制会彻底失效，模型会优先复刻参考图里那个人原来的姿势。这就是典型的”参数过了反而更糟”。

看到这里，你可能会问：参数这么多，会不会很难记？不会。记忆诀窍只有一句话——越像身份，越早锁；越像画面，越晚调。把这句话贴在界面旁边，比背任何参数表都管用。

为什么”3/4 侧”是最好用的角度

做角色锚图时，正面、3/4 侧、全身三张里，3/4 侧是最有价值的。因为它同时包含脸的正脸信息和侧脸信息，模型可以从中推断出这个人转过去长什么样。即梦 5.0 在做动作图时，往往需要一定的转身幅度，3/4 侧锚图的成功率明显高于纯正面。

纯正面的问题在于：模型只知道正脸长什么样，一旦动作需要侧脸，它只能瞎猜。而 3/4 侧给了它两个视角的信息，猜的就准多了。这也是为什么很多老手的锚图库里，3/4 侧总是最常用的那一张。

多张参考图的组织方式

字节的图片 5.0 Pr

换个角度看，即梦 5.0的每种控制方式都在回答一个具体问题：这是谁、在做什么、在哪一层、改哪块。四个问题答完，即梦 5.0的图就对了。

o 支持一次最多 10 张参考图，提示词上限 5000 字。这给了很大空间，但不是让你把 10 张全塞进去。我的经验是：

即梦 5.0 的参考图上限和提示词上限都比较宽，但宽不等于要用满。

1. 1 张主参考：只含一个清晰的正面或 3/4 侧脸，光照均匀，背景干净。这张决定脸。
2. 1 到 2 张辅参考：同一角色的其他角度或服装细节。决定侧脸和后脑勺的一致性。
3. 0 到 1 张风格

   在即梦 5.0的日常使用中，我最常对自己说的一句话是：先别急着生成，先想清楚这张图要锁哪几件事。即梦 5.0的效率，一半来自参数，一半来自这个停顿。

   如果你做完一个即梦 5.0项目，回头看第一批图和最后一批图，发现质感不一样了，那说明你的参数卡在进化。这是好事，也说明你该把参数卡固定下来了，否则下一批又会漂移。

   参考：如果你要的不是写实，而是一种特定画风，单独给一张风格图。

超过 4 张参考图后，边际收益迅速下降，而且不同参考之间会互相”投票”，导致脸向平均脸漂移。10 张是上限，不是目标。

换句话说，即梦 5.0的调度不是多用工具，而是少留随机。这句话我放在即梦 5.0工作流的正中间。

主参考图的选取标准

参考图的”信息密度”判断

同一张脸，从不同照片里提取出来的信息量是不一样的。正面、中性光、纯色背景、五官清晰的照片，信息密度最高；侧光、复杂背景、过度美颜的照片，信息密度会下降。即梦 5.0 对信息的利用效率，取决于你给它的信息密度。

一个简单的测试方法

把候选参考图缩小到 128 像素，问自己还能不能认出是谁。认得出，说明关键信息是稳定的、可被捕捉的；认不出，说明你依赖的是细节而不是身份，模型也会犯同样的错。

干净、正脸、中性光

即梦 5.0的参考图、姿态、局部重绘、风格，合起来是一套语言。学会这套语言，你才能和即梦 5.0对话，而不是命令它。

主参考图的三条硬标准：背景干净（纯色或虚化）、脸是正的或轻微 3/4 侧、灯光中性无强阴影。一张带强烈侧光的参考图，会把”半张脸在阴影里”这个特征刻进后续所有生成，你修都修不掉。这是最隐蔽的坑。

选主参考图这件事，在工作流里比任何提示词技巧都重要。后续所有生成的脸型、肤色、光影倾向，都会被这张图带偏。

不要用电影截图或网红图

为什么参考图不能给”故事感”

一张有强烈情绪、有明确叙事、有电影感打光的参考图，对写作是好素材，对锁定身份是坏素材。因为它把”氛围”捆进了”身份”里。即梦 5.0 会把这两者当成一个包一起学，于是你接下来每一张图，都会带着那个氛围：同一张脸永远在黄昏里、永远在皱眉、永远有一束侧逆光。

三个判断标准

判断一张参考图是否合格，我用三条：去掉背景后脸是否依然完整可辨、关掉滤镜后五官是否清晰、把图缩到 200 像素是否还能认出是谁。三条都过，就是一张合格的”身份参考”。即梦 5.0 对身份的吸收，本质上是对这些低带宽信息的复刻，所以只要低带宽下还认得出，就说明信息足够干净。

截图里往往有滤镜、有故事感、有复杂背景。模型会把这些当成”风格的一部分”一起学走。你要的是身份，不是氛围。

即梦 5.0的社群里有大量”万能提示词”，我建议一个都不要直接照搬。因为提示词的价值在于和你的参考图、骨架图匹配，别人的提示词再好，配上你的锚图也未必成立。

多轮迭代：把一次生成拆成几次

即梦 5.0 支持在同一个工作台里持续迭代，这个能力很多人没用起来。对比一下两种做法：一次性堆满提示词和所有约束，一次性出图；或者先只锁脸，确认；再加姿态，确认；最后加风格，确认。后者看起来多跑了两轮，实际上每轮的问题都很清楚，整体耗时反而更短。

多轮的价值在于可归因。一次改动一个变量，哪一步出的问题一目了然。反过来，一次塞十个变量，出图后你根本不知道是谁的问题，只能全部推倒重来。这是我在即梦 5.0 上最常用的策略：宁可多跑两轮，也不要一次蒙对。

第二件：姿态控动作——让骨架决定肢体

锁完脸，第二步才是定姿态。因为此时模型已经知道”这是谁”，姿态控制只需要回答”她在做什么”。顺序反过来，模型会在一个陌生的身体上找脸，脸必然漂。

在即梦 5.0 里，姿态控制是四件套中第二落下的锁。姿态决定了肢体，但决定不了脸，所以它只能在锁脸之后用。

姿态强度的甜区与崩坏点

姿态强度控制骨架图对结果的影响力。以下是经验区间：

姿态强度不是越高越准，而是越高越僵。这个反直觉的点，几乎每个新手都要试错一轮才信。

• 0.4–0.55：姿态大方向对，但四肢可以自由微调。适合你只想要”大概站着”的场景。低于 0.4，骨架形同虚设。
• 0.6–0.75：这是甜区。关节位置基本准确，手指方向可控，还能容忍服装褶皱的自然摆动。大部分工作场景落在这一段。
• 0.8–0

  我在即梦 5.0上见过很多”一招鲜”的技巧，最后都失效了。即梦 5.0真正稳的，只有”顺序 + 区间 + 素材质量”这三板斧。

  .95：姿态被严格复刻，但同时会带出”僵硬感”。超过 0.9 后，即使骨架画得不够好，模型也会努力凑上去，容易在关节处出现扭曲或多余的肢体。

崩坏点具体表现是：手腕翻转角度不对、肘部出现”折断”、膝盖朝向违背解剖。如果你看到手变成鸡爪或者多出一条手臂，先别怀疑骨架，先看姿态强度是不是太高了。

最后说说即梦 5.0的成长路径：从抽卡到调度，再到”能设计流程并交给别人执行”。第三步最难，因为它要求你能把隐性经验写成文档。很多人卡在第二步，就是因为没有把经验具体化。

即梦的姿态短板：没有自定义骨骼

这里必须说清楚：即梦缺少 ControlNet 那种自定义骨骼姿态。它的姿态控制是”给一张姿势参考图”，让模型去模仿这张图里的骨架，而不是让你在三维空间里自由摆一个 CMU 开源骨架。这意味着两件事：

这是即梦 5.0 最明显的短板之一：平台没有自定义骨骼，只有姿态参考图。用它做高精度动作预览，只能做到近似。

1. 你需要先找到或画出一张符合目标动作的参考图，才能驱动。手头没有合适的动作图，你就没法凭空造一个”左手持剑、右腿后撤、身体前倾 30 度”的精确姿势。
2. 自由度明显低于本地 SD。SD 里 OpenPose Editor 可以一根指头一根指头地摆，即梦做不到。你只能在大方向上调。

这个短板很实在。做武打、舞蹈这种精细分镜，即梦 5.0 的姿态控制只能给你近似值，剩下靠局部重绘补。认清楚，别硬来。

边缘与深度的分工，很多人搞混

边缘图和深度图在即梦 5.0 里都归到结构控制，但它们管的事情不一样。边缘图锁的是”边的位置”，深度图锁的是”面的远近”。做一张建筑图，用边缘能保证窗框、墙线全部对位；做一张风景纵深图，用深度能保证山在前、湖在中、云在后。

混用的后果很典型：用边缘图去锁一张带景深的场景，结果前景清晰、后景也清晰，画面像贴在一起；用深度图去锁一个产品轮廓，结果产品的棱角全部被磨圆。即梦 5.0本身不限制你选哪个，它只负责执行，所以选错的责任在操作者。

我的经验规则是：画面里有明确”前后关系”的，用深度；画面主要靠”轮廓与线条”表达的，用边缘。两者都需要时，先深度定层次，再边缘修轮廓，这个顺序比反过来稳定得多。

第三件：局部重绘改衣——只动蒙版里的事

脸锁了，姿态定了，第三件才是改衣服、换背景、修手。局部重绘的优势是

把这套逻辑迁移到别的工具也成立：任何可控绘图工具，底层的控制原理都是”约束 + 顺序 + 优先级”。即梦 5.0只是把这个原理做得最直观。

“像素级不侵扰”：蒙版外的区域基本不动，所以你不用担心修一只手把整张脸修崩。

到了第三步，局部重绘才登场。前两把锁已经锁住身份和结构，局部重绘只负责修最后那 10%。

重绘幅度的三档划分

重绘幅度	表现	适用	过了会怎样
0.25–0.4	纹理级修改，颜色、材质微调	改衣服颜色、换拉链扣子	低于 0.25 几乎没变化，白花积分
0.45–0.6	结构级修改，形状和轮廓能变	换整套服装、加帽子围巾	0.6 以上容易溢出蒙版边缘
0.65–0.85	完全重画蒙版内内容	换背景、彻底翻新道具 坦白讲，即梦 5.0的四件套里，我最看重的是参考图。因为姿态可以换、局部可以修、风格可以调，只有脸是没法救的。即梦 5.0的一切，都绕着这张脸转。	边缘会出现明显接缝和颜色断层

关键经验：重绘幅度要和蒙版边缘的羽化程度匹配。蒙版画得太硬（完全贴合边缘），重绘幅度高一过 0.6，就会出现”贴上去”的感觉；蒙版边缘羽化宽一点，允许 0.7–0.8 的幅度也能自然融合。

在即梦 5.0 里，重绘幅度和蒙版羽化是一对必须匹配的参数。即梦 5.0 的局部重绘如果羽化太窄、幅

这也是为什么我在即梦 5.0的每个项目开始前，都要先把角色锚图做到自己满意。即梦 5.0的地基不牢，后面每一张都是返工。

度太大，接缝就会像贴纸一样明显。

修手：局部重绘的最高频用法

为什么”参考强度 0.8″几乎是个万能值

很多读者会问：为什么你反复提 0.8？因为在即梦 5.0上，0.8 是一个很特殊的位置：足够让脸稳，又没到让姿态死。它的来源是实测中最常命中的甜区，不是官方推荐值。你可以在自己的项目里上下浮动 0.05，但一旦低于 0.72，一致性开始松散；一旦高于 0.86，姿态开始僵。0.8 不是绝对答案，但它是一个可以信任的出发点。

这也说明一件事：即梦 5.0的参数区间是有结构的，不是一团模糊的”差不多”。区间有开口，有收口，有危险边缘，有稳定中心。理解这个结构，比记住某个数字更重要。真正的熟练，是你不再需要查表也知道该往哪边调。

即梦 5.0 在复杂手部和多人场景里偶尔会崩坏。这也是局部重绘最值钱的地方。修手的要点有三条：

手指、道具、袖口、发丝，是最容易翻车的四个位置。把这四处纳入局部重绘的日常检查清单，交付率会明显上升。

1. 蒙版只圈手和一小圈手腕，不要圈整条手臂。圈太大，模型会连袖子一起重画，衣服又变了。
2. 提示词只写手：比如”右手自然握拳，指节清晰，皮肤纹理自然”。不要重复写整个画面描述，那会稀释局部指令。
3. 重绘幅度给 0.5–0.65。低了手还是错的，高了手腕接缝突兀。

风格迁移的真实边界

很多人把参考图当成”风格迁移工具”：丢一张油画进去，希望出图变油画。这在即梦 5.0 上可行，但有边界。强度超过 0.5 时，它会开始迁移构图而不是只迁移风格，你给的油画里那个人站在左边，出图的人也会站在左边。真正的”只换风格不换内容”，强度必须压在 0.3 到 0.45 之间。

这就是为什么风格参考和角色参考要分开：角色参考要强度高（0.75 以上），风格参考要强度低（0.3 到 0.45）。两者用一个滑杆控制，就必须分两次生成，这也是即梦 5.0 在风格统一上的一个实操难点。

关于”风格”的一个误解

很多人以为风格是一个”滤镜”，在图上叠加一层效果就行。但在即梦 5.0 里，风格是生成时就决定的，不是后期叠加的。你给 0.35 的风格参考，是在生成过程中让模型往那个方向偏，而不是在图生成完之后贴一层皮。

这也解释了为什么”后期统一风格”在即梦 5.0 里效果有限：真正的风格统一必须重跑一遍生成，而不是加个滤镜。所以我在项目里的做法是，风格参考从第一张就固定，而不是最后再统一。这一点和很多人的直觉相反，但实测更稳。

第四件：调风格——最后才动

为什么风格放最后？因为风格本质上是对”整体光照和渲染质感”的统一处理。你如果在风格已经定稿的图上加大额姿态修改，风格必然会被破坏；反过来，先定结构和内容，最后一轮用低强度参考图或提示词做风格统一，是对整张图最友好的操作。

在四件套里，风格永远是最后一步。因为生成过程中，风格的权重会压制结构细节，早调就来不及改结构了。

调风格有两种做法：一是用参考图的低强度（0.3–0.4）做风格迁移，二是纯提示词描述画风。前者更稳，后者更灵活。做系列图时我建议前者，因为低强度参考图对”同一画风”的复现能力，远强于你自己去描述”赛博朋克霓虹配暖色皮肤”。

我个人的偏好是：即梦 5.0 做系列

所以，如果你问我在即梦 5.0上最重要的一条建议是什么，我会说：把时间花在前面，而不是后面。即梦 5.0的返工，大多是在还前面的债。

图时，风格参考图固定一张，全程复用。这让即梦 5.0 的六张图在质感上天然齐平。

四件套叠加的完整顺序清单

把上面的逻辑压缩成一份可以直接抄的清单：

下面这份清单可以直接抄进项目的备注里。每一位做系列项目的人，都应该有一份自己的叠加顺序清单。

这条流水线的本

即梦 5.0的这套方法，本质上是一种”工程化思维”：先定约束，再定参数，最后才是生成。这套思维用在任意一个可控绘图工具上都成立。

质，是把即梦 5.0 的随机性关进小笼子：身份由参考图锁死，动作由骨架图决定，局部由蒙版控制，风格由低强度参考图统一。做到这一步，即梦 5.0 出的每一张图，都是你想要的那一张的候选，而不是一个陌生人。

【即梦 5.0 四件套叠加顺序】
① 参考图锁脸：1 张主参考（正脸/中性光/净背景）+ 0~2 张辅参考
   参考强度 0.7~0.85（系列图）/ 0.5~0.65（单张探索）
② 姿态控动作：叠 1 张姿态参考图，姿态强度 0.6~0.75
   姿态强度与参考强度同时 > 0.8 时，先降姿态强度
③ 局部重绘：出图后逐一检查，脸/手/道具/衣服分区域修
   重绘幅度 0.45~0.6（换衣）/ 0.25~0.4（调色）/ 0.65~0.85（换背景）
④ 风格统一：低强度风格参考 0.3~0.4，最后一轮统一光照与质感

原则：身份约束早施加，视觉表现晚施加
     每一步确认后再进入下一步，不要跳步

换个说法：即梦 5.0的四件套工作流，其实是在做一场”信息谈判”。你手里的参考图、骨架图、蒙版、风格图，各自带来一部分信息；模型的先验带来另一部分。调度的本质，是谈判出谁的信息占优。参考强度是身份方的筹码，姿态强度是动作方的筹码，重绘幅度是局部方的筹码。筹码怎么分配，结果就怎么长。

我在即梦 5.0的项目里，几乎每一次”翻车”都能翻译成一句谈判失败的话：身份方筹码太多，动作方没话说；或者局部方越权，把身份方的地盘改了。把参数冲突理解成谈判冲突，你会发现它其实有很清晰的结构，也有很清晰的解法。

参数冲突怎么处理：参考强度和姿态强度打架时听谁的

这是四件套里最实操、也最少人讲的部分。参考强度管”像不像这个人”，姿态强度管”动作对不对”，两者都会影响模型的”注意力分配”。当它们同时调高时，冲突就会出现。

在实操里，参数冲突是必然发生的。四种约束不是天然和谐，它们共享同一份注意力预算。

冲突的典型场景

你给了一张正坐的参考图（参考强度 0.9），同时给了一张站立举手的骨架图（姿态强度 0.9）。生成出来的结果往往是：人坐在椅子上，手举着，但身体下半部分和人腿的姿势是半坐半站的扭曲。这就是双高打架。

双高冲突几乎必现：参考强度和姿态强度同时拉满，模型会给出一个半像半不像的怪。

或者：参考强度 0.8 加姿态强度 0.8，脸像了，但手举到一半就停，姿态只复刻了 60%。

优先级的硬规则

我的经验规则是：参考强度优先，姿态强度让路。具体操作：

如果你正在用即梦 5.0做商业稿，记住这个判断：能被蒙版圈定的改动，绝不用重抽。即梦 5.0的积分应该花在确认上。

我把它总结成一句口诀：脸先保，动作可让。双约束下，姿态强度超过 0.72 就要警惕。

1. 先锁死参考强度（比如 0.8），把姿态强度降到 0.6 试一次。
2. 如果姿态还不够，每次加 0.05，直到 0.72 附近。这是双约束下的有效上限。
3. 如果到 0.72 姿态还没到位，不要再加——此时问题不在参数，而在于骨架图和参考图的身体朝向差异太大。换一张朝向更接近的骨架图，或者改参考图为半身像，让模型少受下半身约束。

为什么参考优先？因为”不像”是致命错，”动作稍微偏”是可接受错。一张脸不像的图无法交付，一个动作差 10 度的图观众根本看不出来。这是成本收益判断，不是技术规则。

这就是听谁的这个问题在即梦 5.0 里的真正答案：不是看谁的数字大，而是看去掉谁之后损失更不可接受。即梦 5.0 的参数冲突处理，永远是一个成本判断，而不是一个技术判断。

局部重绘会不会反过来破坏一致性

会，但可控。局部重绘是”区域内重画”，蒙版外的脸和衣服本来是不受影响的。真正破坏一致性的情况只有一种：蒙版圈得过大，溢出了服装或脸部边缘。所以修局部时的铁律是：宁小勿大，宁多轮勿一轮。分三轮修，每轮只动一个小区域，比一次性圈一大块更安全。

换句话说，局部重绘才是四件套里最安全的一步。因为它不碰全局，只碰蒙版内，一致性风险被压到最低。

边缘/深度和姿态同时用时听谁的

边缘/深度和姿态都在控结构，但分工不同：边缘/深度管”轮廓和空间关系”（包括背景物体的位置），姿态管”人体骨骼”。两者同时使用时，边缘/深度的控制权重大于姿态——因为它是像素级的轮廓锁定，姿态只是姿势提示。如果你发现人物被挤进了画面边缘，通常是边缘控制权重太高把姿态压扁了，应该降低边缘权重，而不是加姿态强度。

这种结构级冲突，最常见的表现是人物被挤在画面角落。边缘权重过高时，姿态图几乎是被忽略的。

失败表现清单：每一种”过了”长什么样

前面讲参数区间时，我提到了”过了会怎样”。这里把它整理成一张可以对照的失败图鉴。因为即梦 5.0 的失败不是随机失败，而是有高度可识别的形态，看到形态就知道哪个参数过了。

失败形态	最可能的原因	调整方向
脸像，但整张图像”拷贝”	参考强度过高（>0.85）	降 0.05 到 0.1，再试
动作正确，但身体僵直	姿态强度过高（>0.85）	降到 0.7 附近，看是否放松
蒙版边缘有明显色块断层	重绘幅度过高或羽化过窄	降幅度，扩羽化，分两轮
人物被挤向画面角落	边缘权重过高，压扁姿态	降边缘权重，不要加姿态
脸是平均脸，谁都不像	多张参考并列，互相平均	只留一张主参考
背景凌乱、元素过载	提示词过长，场景描述堆叠	删掉一半提示词
颜色整体发灰发脏	风格参考与原图冲突	换风格参考或降强度

这张表我在项目里会打印出来贴在屏幕上。即梦 5.0 的排错速度，一半靠这张表，一半靠经验。看到形态，就知道往哪个方向微调，这比漫无目的地反复抽图省太多时间。

一个反常识的观点：模型越强，”约束”越重要

很多人以为模型越强，就越不需要人工干预，写个提示词就完事。恰恰相反：即梦 5.0 的模型足够强，它的想象力也足够强，你不给约束，它就会把自己的想象填满画面。约束不是限制模型的才能，而是把这份才能导向你要的结果。

这也是为什么在即梦 5.0 上，四件套比写提示词更关键。提示词是”请求”，约束是”命令”。模型越强，越要明确命令，而不是客气请求。

为什么我建议把”重抽”按钮当成最后一招

重抽的成本，不只是积分，还有你已经投入的判断。一张图你已经看了十秒、已经在心里做了评估，这十秒的判断在重抽之后全部作废。相比之下，局部重绘保留了九成的有效信息，只在有问题的地方重新做决定。

把重抽理解成格式化重来，你就明白为什么它应该是最后选项。即梦 5.0 的效率优势，恰恰在于它允许你在已有的结果上继续做，而不是每次从白纸开始。

大多数人做错的地方：把”高”当成”好”

这一节我要专门讲，因为这是我观察到的最高频、也最致命的认知错误：大多数人默认把每一个强度参数调到最高，认为”约束越强越保险”。

这是用户里最普遍的误会。参数滑杆没有一个是越高越好的，每一个都有一个窄窄的甜区。

强度不是保险，是注意力垄断

参数的本质，是模型在”听指令”和”自由发挥”之间的注意力分配。强度调高，意味着这个约束垄断了模型的注意力，其他约束就被挤出去了。参考强度 1.0 时，姿态强度和提示词描述几乎全部失效——你以为自己锁了三样，实际上只锁了一样。

所以正确的用法是：逐个锁、逐个验、逐个微调。高强度参数，只应出现在纯复制的场景里。

真正的高手是把每一个参数都放到”够用但不过”的位置。参考强度 0.8 够锁脸了，为什么给 0.95？因为你怕不像。但这个”怕”会让你在换动作的时候寸步难行。

我踩过的最贵的坑，就是第一次做系列图时把参考强度拉到了 0.95。那一套图动作全部僵住，即梦 5.0 像在重复同一张照片。后来把参考强度降回 0.8，动作立刻活了，脸也没有变。这是我理解即梦 5.0 的转折点。

手部崩坏的另一种解法：构图回避

修手是局部重绘的高频用法，但最高明的解法其实是”不让手出问题”。即梦 5.0生成人物时，手部暴露越少越稳。所以我在做分镜和封面时会主动设计：让角色手插口袋、手扶栏杆、手持道具、手藏在身后、双手交叠。这些构图既能表达情绪，又避开了最脆弱的部分。

这不是逃避，而是对工具特性的善用。一个成熟的内容制作者，不是把所有问题都用后期修掉，而是在前期就设计成”问题不会发生”。即梦 5.0的调度思维，最高级的一层就是这个：让必须修改的东西减少到零。

第二个错误：第一轮就上 4K

很多人觉得”既然要交付，就直接 4K 出”。这是典型的用钱买安全感。4K 档输出 4096×4096 或 5404×3040，单张积分成本远高于 2K。而你的构图还没确认的时候，4K 只是把错误放大四倍。

这也是 4K 档最容易用错的地方。4K 是用来放大已确认的稿，不是用来放大不确定的稿。

正确做法：先用 2K 档（2048×2048 或 2560×1440）确认构图和造型，确认后再做超分或重生成。而且默认一次出 2 张，改成 1 张先抽，能直接省一半积分。这个开关很多人根本不知道。

这条省钱策略，我在多个项目里验证过：2K 试稿加定稿后升 4K，比全程 4K 省下约六成积分。

一个隐藏参数：出图数量与”确认成本”

默认一次出 2 张，看似是福利，其实是提高了你的”确认成本”：你要在两张里选，要比较，要犹豫，时间成本翻倍。而在四件套已经锁好的工作流里，两张图的差异通常很小，选哪张都不会错。所以改 1 张不是降低质量，而是降低决策负担。

这个逻辑在项目规模大的时候尤其重要。六张图 × 2 张 = 12 张要挑，挑完还要一致性地对齐，中间消耗的注意力远超积分本身。即梦 5.0 的默认 2 张适合”探索阶段”，因为此时两张的差异有意义；而在”执行阶段”，1 张就是最优解。

当参考图和提示词冲突时

这是即梦 5.0 里最隐蔽的一类冲突：参考图说这是黑发，提示词写”白发”，结果出来是灰色的。很多人以为这是模型”没听懂”，其实是两个约束在打架。原则上以参考图为准，因为它是强约束；提示词是弱约束，越靠近身份描述，越容易被覆盖。

所以，给即梦 5.0 写提示词时，尽量不要再描述身份特征。你要改发色，就换参考图；你要改服装，就用局部重绘。提示词只留给”变化的部分”，也就是场景和动作，冲突自然就少了。

第三个错误：让提示词和参考图打架

给了参考图，提示词里还写”红发少女，蓝色眼睛，白色卫衣”——如果参考图是黑发，模型就懵了。参考图已经固定了”是谁”，提示词就不该再描述身份特征，而应该只描述”这次发生什么”。这是语义层面的参数冲突，比数值冲突更难发现。

这三点合起来，就是即梦 5.0 的成本哲学：即梦 5.0 的积分不是花在可能性上，而是花在确认上。你用即梦 5.0 花的每一笔积分，都应该是一次确认，而不是一次赌博。

为什么”先锁脸”几乎从来不是错

我把”先锁脸”写在四件套的第一位，是因为它有一个很特殊的位置：脸是整张图唯一”从头到尾都不能变”的元素。动作可以改，衣服可以换，背景可以推倒重来，唯独脸必须是一张。所以，任何工作流的第一个约束，都应该是这一张脸。

如果脸过早被随机化，你后面每一轮生成，都是在赌一张新脸。而即梦 5.0 的模型，对不同脸型的”偏好”并不均匀，赌出来的脸可能一次比一次偏。这是我在做漫画项目时最深的一次教训：六个角色，前面四个没锁脸，最后一个角色融不进去，整套重做。

所以，锁脸不只是一种操作顺序，它是一种风险管理。

成本控制：什么时候省、什么时候花

成本项	高消耗的典型行为	更省的做法
出图积分	每次都默认出 2 张	探索期才 2 张，执行期改 1 张
清晰度档位	未定稿就 4K	2K 定稿，最后只 4K 一两张
返工成本	整张重抽	局部重绘修一处
合成成本	反复生成去凑合成效果	智能画布多图融合 + 扩图
时间成本	一天出二十张 4K 排到隔天	白天 2K 试稿，夜间批量 4K

把这五项排一排，你会发现绝大多数成本不是”生成的成本”，而是”判断的成本”。即梦 5.0本身不贵，贵的是你还没想清楚就按下去的那一下。真正的省钱办法，是把判断做在生成之前，而不是把生成做在判断之前。

积分省法清单

• 默认 1 张而不是 2 张：先出 1 张看方向，方向对了再加出图数量。这一条就能省四成积分。
• 2K 试稿、4K 定稿：构图没定之前，永远在 2K 档跑。2K 档的 2560×1440 其实已经够在手机和网页上看了。
• 用局部重绘代替整张重抽：图已经八成对，只是手错了、衣服颜色错了，就一定要局部重绘，绝不要重抽。重抽等于把八成的正确一起扔掉。
• 转智能画布而不是重抽：需要多图融合、扩图、消除、抠图时，智能画布的成本远低于反复生成。尤其是扩图，智能画布的一键扩图几乎是无损的，重抽的扩图往往会变脸。

先把”分辨率”和”清晰度”分开想

很多人把 4K 和”更好看”划等号，这是个误区。分辨率解决的是”能放多大”，清晰度解决的是”细节有多真”，两者相关但不等价。即梦 5.0 的 2K 档在 2048×2048 下已经能把一根睫毛画清楚，4K 档的优势主要体现在印刷尺幅和大幅面展示上。

所以判断该不该上 4K，问的不是”这张图重要吗”，而是”这张图要印多大”。手机屏幕、网页 banner、公众号首图，2K 都过剩；画册跨页、展板、包装盒，才真正需要 4K。想清楚这个，你就不会在每一次生成里都下意识点 4K。

什么时候上 4K

提示词工程：四件套时代的写法变了

四件套出现之后，提示词的写法必须跟着变。以前文生图时代，提示词是”包办一切”：外貌、穿搭、场景、镜头、画风，全塞进去。现在角色已经由参考图锁定、姿态已经由骨架图锁定，提示词再写外貌和姿势，就是在和参考图、骨架图打架。这是很多人用了四件套还不稳定的根源。

提示词的三段式结构

我现在的即梦 5.0提示词，固定按三段写：第一段写”发生什么”（动作或情节），第二段写”在哪”（场景、时间、光照），第三段写”怎么拍”（镜头、焦段、质感）。外貌、衣服一概不写。三段加起来往往不到五十字，比过去几百字的提示词效果好得多。

为什么要删掉一堆形容词

“精致、高质量、超高清、大师作品”，这类词在文生图时代是标配，在四件套里反而有害。因为它们占了前半句的注意力权重，而即梦 5.0 对前半句更敏感。把有效的场景信息放到前面，把”高质量”这类修饰放到最后或者干脆去掉，出图会更贴合你的意图。

用否定句要谨慎

即梦 5.0对”不要”这类否定表述的处理并不可靠。写”不要戴帽子”，有时反而会生成一顶帽子。更好的做法是用正面描述替代否定：写”头发自然垂落，无遮挡”，而不是”不要帽子”。即梦 5.0 的提示词，尽量做到只用肯定句。

实战：一个角色、三个动作、两套服装的完整流程

下面这个案例来自一个真实的漫画项目需求。设定是一个 18 岁的赛博朋克少女角色，需要产出 6 张图：三套动作 × 两套服装。要求全部是同一个人、同一个画风、细节一致。

下面这个案例我完整跑过一遍，用的是完整的四件套流程。每一步参数，我都记了下来。

步骤 0：建立角色档案图

先用纯文生图生成一张”角色设定图”——正面、四分之三侧面、全身三个视角并排。这一步不需要锁脸，因为没有东西可锁。反复生成，直到选出一张自己满意的。这张就是后续所有图的”主参考图”。

这张档案图是系列项目的地基。后续所有图的参考强度，都基于这一张展开。

很多人在这里就犯错了：跳过档案图，直接从第一张正式图开始，结果后面每一张都是”新的人”。档案图是整个系列项目的锚点，值得多花几轮。

这一段可以展开说：即梦 5.0的生成逻辑是先搭大结构、再填细节，所以越早锁的东西越稳。

步骤 1：确认动作骨架

三个动作分别是：转身回头看、单手撑墙、蹲在机车上。这三个动作的骨架图，我建议先在本地或者其他工具里找现成的姿势参考，直接用。即梦本身没有骨骼编辑，你只能”找图”，所以这一步要提前准备素材库。

找骨架图这件事，工具本身帮不了你，需要提前建素材库。姿态控制只负责复刻，不负责创造。

这里的关键是：骨架图的身体朝向要和参考图里的角色朝向接近。主参考图如果是正脸，那么”回头看”的骨架图最好带侧身，让模型有旋转空间。

步骤 2：出第一张正式图

把主参考图放进参考图位，参考强度给 0.75；放入”回头看”的骨架图，姿态强度给 0.65。提示词只写场景和动作：”转身回头看，霓虹街道背景，夜景，胶片颗粒质感”。不要把外貌描述写进去——参考图已经管了。

以上参数组合，是双约束下的典型配置。参考 0.75 加姿态 0.65，基本能兼顾脸和动作。

为什么”先做动作、后做服装”是铁律

再强调一次顺序：动作是不可逆的，服装是可替换的。动作做完再换服装，只需要在稳定的人体上做局部替换；服装先做完再套动作，就会在每一张图里重新对齐已确定的服装，误差越滚越大。

即梦 5.0 的局部重绘，最适合”其它都对，只差一块”的场景。所以，把服装放到最后，就是在创造这个理想场景。这条铁律，在几乎所有系列项目里都成立。

步骤 3：服装 A 的三张动作图

保持参考图不变，依次换三张骨架图，每张出 1 张先看。三张都到位后，统一进局部重绘：如果某张的衣服褶皱或颜色有偏差，用 0.4–0.5 的幅度修。不要一次性修所有细节，一次修一个。

这一阶段的核心纪律是：参考图锁死不动，一次只换一张骨架图。多约束叠加，最怕的就是同时动两件事。

为什么我把”两套服装”放在最后做

回到实战案例。三个动作、两套服装，为什么服装一定要在动作全部完成之后再换？因为换服装是不可逆操作：蒙版一旦重绘，原来的服装细节就没了。如果你先做服装 B，再用服装 B 去套姿态，每一步都要重新对齐服装位置，误差会累积。

先动作、后服装，等于先把”人”定好，再给”人”换皮。这时候每一张图的动作都已经确认、姿势已经稳定，换服装只需要动衣服区域，风险最小。即梦 5.0 的局部重绘，最理想的使用场景就是这种”其它都对，只差一件衣服”的图。

顺序错了，代价是双倍的：你既要重做动作，又要重做服装。这也是”顺序比参数重要”在实战里的最直白体现。

步骤 4：切换到服装 B 的变体

这是最容易出问题的一步。很多人会重新用一张”穿服装 B 的参考图”来做，导致脸又变了。正确做法是：保持原角色参考图不变，服装 B 通过局部重绘完成，重绘幅度 0.55–0.6，蒙版只圈衣服区域。这样脸和身体姿态完全不动，只有衣服换。

换服装这件事，是局部重绘的主战场。蒙版圈衣服区域，重绘幅度给到 0.55，比重新生成稳得多。

如果服装 B 的结构和 A 差异很大（比如从连体衣换成外套加裙子），局部重绘可能会溢出，此时改用智能画布的融合模式：把服装 B 参考图放进另一个图层，融合度控制在中段，再局部修接缝。

步骤 5：风格统一与交付

最后一张图定稿后，取它作为风格参考，用 0.3–0.35 的强度，对前面所有图做一次统一的低强度刷新。这一步不明显，但会让六张图的整体质感齐平，观众一眼看过去才觉得”是一套的”。

到这里，完整流水线就跑完了。出六张图的总积分，大约是纯抽卡路线的三分之一。

最后提醒一句：花费不只是积分，还有你的注意力。一次成稿省下的，省下的是反复挑选的心力。这才是调度思维最值钱的部分。

输出规格：为下一环做准备

很多人在即梦 5.0 上出图时只考虑”好不好看”，不考虑”下一环怎么用”。如果你后面还要合成、要加文字、要导出成短视频，那么出图时就应该预留空间：主体不要贴边，四周留出余量，方便扩图和排版。

我现在的习惯是，凡是可能会做二次设计的图，一律用 2K 出，并留 5% 边距。这样即梦 5.0 之后在智能画布里扩图时，不需要裁掉原有内容，成品裁切也从容。这是一个很小的习惯，但能省掉大量后期烦恼。

交付标准：什么算”能用”

很多项目做到最后卡住了，不是因为技术，而是因为一直没有定”什么算能用”。我的标准是五条：脸一眼能认出是同一个人、动作没有解剖学错误、服装关键特征齐全、局部无接缝、整体色调统一。五条里只要有一条不满足，就不算交付状态。有了这个标准，即梦 5.0 的每一轮修改都有明确的”停手点”，而不是无限打磨。

如果项目扩大十倍怎么办

一个人物变十个人物、一集变十集，即梦 5.0 的用法会变。十个角色意味着十套锚图，靠人工记忆会乱。我的做法是：每个角色一个素材文件夹，命名固定为”角色名-正面/侧面/全身”，参数卡也存进去。这样调即梦 5.0 的参数时，直接拿文件夹里的锚图，不会出现”用错人的参考图”这种低级错误。

规模上来之后，返工成本会指数增长。所以大项目的即梦 5.0 工作流，重心应该放在标准化：标准锚图、标准参数、标准检查单。工具的上限，最终由流程的严谨度决定。

实战提示词模板

【角色档案图提示词】
18岁赛博朋克少女，正面、四分之三侧面、全身三个视角并排，
白色短发，左眼义体，黑色紧身机能服，霓虹蓝紫环境光，
干净的浅灰背景，均匀布光，人物设定图，清晰五官，
（用于后续作为主参考图，不需要场景氛围）

【正式图提示词（叠参考图 + 姿态图后）】
转身回头看，霓虹街道夜景，湿滑路面反光，
胶片颗粒质感，中景，85mm 焦段，
（不要重复外貌描述）

客观短板：即梦 5.0 相比本地 SD 差在哪

写这篇东西我不想只讲好话。即梦 5.0 的可控绘图在”易用性”上远胜本地 SD，但在”精细度”上确实弱。诚实地告诉你差距，你才能正确选择工具。

做深度测评，绕不开一个事实：可控性强在易用，弱在精细。

一个被低估的优势：中文原生理解

横向比较时，很少有文章认真讲这一点：即梦 5.0 是原生中文的。这意味着它对中国场景的理解，是海外工具给不了的。”老式居民楼、楼道里堆着自行车和纸箱、下午的斜光”这种描述，即梦 5.0 能直接get，换成英文工具，你要翻译三遍还不一定对味。

这不是小优势。做本土题材、做中文内容、做有中国生活质感的项目时，即梦 5.0 的文化先验会帮你省下大量”翻译加纠偏”的工作量。可控性之外，这是它最被低估的一项能力，也是我愿意把它留在工作流里的重要原因。

骨骼自定义的缺失

前面说过了，即梦没 ControlNet 的自定义骨骼。SD 里你可以打开 OpenPose Editor，把每一个关节摆到想要的位置，然后生成。即梦只能给姿态参考图，让模型去模仿。这意味着”精确的动作”在即梦上做不到，只能近似。

对比下来，自由度确实低于本地 SD。牺牲自由度换来了开箱即用，这是它的取舍。

参数粒度的粗放

SD 的 ControlNet 通常有多个控制权重、引导开始步、引导结束步、预处理器选择、多个控制网络叠加。即梦只有”一个强度滑杆”。这意味着你不能做”前 30% 步数控制姿态、后 70% 步数控制风格”这种精细调度。即梦的调度更接近”一锤子买卖”，SD 的调度是”分阶段引导”。

调节粒度只有一根滑杆，这是与 SD 最本质的差别之一。你少做决定，也少踩坑。

多人画面的一致性

SD 有 Regional Prompter 这种工具，可以为画面不同区域分配不同角色。即梦没有。多人场景里，两张脸同时像，靠的是参考图融合和局部重绘修补。复杂多人画面偶尔崩坏，需要手工修，这是明摆着的短板。

多人场景下，分区控制能力不足。只能靠蒙版和多次局部重绘拼出来。

那即梦的优势是什么

说完短板，也得说为什么我还要用它。即梦的最大优势是”一套工具撑起整条产线”：生成、局部修、扩图、消除、抠图、多图层，全在一个界面里，不用导来导去。SD 全流程要 ComfyUI、Photoshop、各种插件协作，学习成本高，环境配置麻烦。即梦适合”快速打样、系列产出、中小项目”，SD 适合”极致控制、高度定制、自动化批量”。选哪个，看你的项目需要哪一种。

如果说 SD 是专业暗房，即梦 5.0 更像一间成品工作室。它把全链路装进一个界面，省掉的是折腾环境的时间。

所以我不建议把即梦 5.0 当成 SD 的替代品，而建议把它当成 SD 的快速外骨骼：用即梦 5.0 快速打样、快速拓量，用 SD 做极端精细的收尾。即梦 5.0 和 SD 之间不是二选一，而是一前一后。

三套模板各自的适用边界

很多人拿到模板就直接套，结果发现不好用。因为每份模板都有边界。参数配置表适用于”已经有角色锚图”的阶段；叠加顺序清单适用于”从零开始做系列”；提示词模板适用于”脸已经锁定，只差场景”。三份模板有严格的先后关系：先顺序，后参数，最后提示词。

反过来用，就会出问题。比如你先拿提示词模板去写，写完发现脸不对，再去套参数表，此时参数表也救不了你——因为锚图没建好。即梦 5.0 的所有模板，都必须建立在正确的流程顺序上，脱离了顺序，模板只是装饰。

把”过了”当成正向信号

这段话可能有点反直觉：你发现参数”过了”，其实是好消息。说明你已经摸到了这个旋钮的边界，知道它再往上会坏。而大多数人的问题，是根本不知道边界在哪，永远停在”好像有点不对”的模糊地带。

所以我建议在即梦 5.0 里做一次”故意调过”的实验：把参考强度拉到 0.95 看效果，把重绘幅度拉到 0.9 看效果。看过一次，你就记住了的那个坏的样子。，以后再也不会无意识地把参数推向那个方向。这就是”过了”带给你的价值：它不是失败，是一次免费的边界认知。

四件套参数配置表（可直接抄用）

┌─────────────────────────────────────────────┐
│ 场景              参考强度  姿态强度  重绘幅度  │
├─────────────────────────────────────────────┤
│ 单张探索           0.5~0.6    0.6~0.7     —      │
│ 系列图/分镜        0.75~0.85  0.6~0.72    —      │
│ 双约束（参考+姿态）0.8        0.6~0.7     —      │
│ 换服装             保持不变    保持不变    0.55~0.6│
│ 换背景             保持不变    保持不变    0.65~0.8│
│ 修手               保持不变    保持不变    0.5~0.65│
│ 调色/换材质        保持不变    保持不变    0.3~0.4 │
│ 风格统一           0.3~0.35    —           —      │
└─────────────────────────────────────────────┘
注：参考强度与姿态强度同时超过 0.8 会互相拉扯，
    优先保参考强度，姿态强度封顶 0.72。

二次创作：把旧图变成新素材

即梦 5.0 的价值不止在生成，还在”回收”。之前做过的图，不要丢掉，它们是你最好的素材库。一个走过路人的场景图，可以用图像消除做成空场景；一个动作优美但脸不对的角色，可以用局部重绘换脸；一张氛围很好但构图一般的图，可以用智能画布扩图改成横版。

这种”二次创作”的成本几乎为零，因为它不消耗生成积分，只在原有图上做局部修改。一个成熟的即梦 5.0 用户，会把自己过去三个月的产出当成一个池子，新项目先从这个池子里找素材，再补生长出来的部分。

智能画布：被低估的第五件套

严格说，智能画布不属于四种控制方式，它是即梦 5.0 把多种编辑能力打包在一起的模块。但在我实际的流水线里，它的使用频率仅次于局部重绘，所以我把它称为”第五件套”。它解决的很多问题，是四件套用参数怎么调都调不出来的。

多图 AI 融合：两个世界拼在一起

当你需要一张图里同时出现”角色 A 站在场景 B 里”，而场景 B 是你另外一张图里的画面时，多图融合是最直接的办法。把两张图各占一个图层，调融合强度，即梦 5.0 会在光照、透视、色调上做统一。这一招做海报合成、场景概念图极高效。

融合的失败形态很典型：两张图的光照方向不一致，融合后出现”两个世界”的割裂感。解决办法不是调融合强度，而是先在源图里把光照方向对齐，再融合。即梦 5.0 擅长缝合，不擅长修光。

一键扩图：从 16:9 到 9:16 的无损路径

社交媒体迟早要你出一张竖版。用局部重绘硬刷会崩，用重抽会变脸，正确做法是智能画布的一键扩图：在四周扩展画布，模型会补全背景和边缘元素，主体不动。即梦 5.0 的扩图对构图结构的保留非常好，尤其是竖直方向的延伸，几乎看不出接缝。

扩图的诀窍是：扩的时候在提示词里补一句”延续当前背景与光照”，让模型知道该往哪个方向补。不然它可能给你补出一条完全不同风格的街景。

图像消除与抠图：清理比生成更值钱

一张好图，常常死在背景里多出来的一个路人、一个电线杆、一个垃圾桶上。图像消除可以无痕抹除，几乎不需要调参数。抠图则可以一键把角色取出来，换成纯色底或透明底，用于后续二次合成。这两项能力，让即梦 5.0 的输出不需要离开平台就能做初步后期，这比”出图再导出 PS”省下大量时间。

多图层编辑：把拼图当排版

即梦 5.0 的多图层编辑，本质上是把”局部重绘”和”多图融合”扩展到了图层级别。你可以把不同的元素分别放在不同图层，独立调整、独立重绘、独立消除。做复杂构图时，我会先把所有元素在图层里摆好，再逐层精修。这个工作方式有点接近设计软件的思路，但生成能力更强。

常见的七个翻车现场与现场急救

这一节是我按下即梦 5.0 的生成键之前，会预先想好对策的七种情况。每一种都来自实测，不是理论推演。

翻车一：两张参考图互相污染

现象：主参考的脸对了，但发色、瞳色和辅参考串了。原因：主参考和辅参考的风格差异太大，即梦 5.0 在融合时做了加权平均。急救：降低辅参考强度，或者换一张风格接近主参考的辅参考。信息越一致，融合越干净。

翻车二：姿态对了，衣服全都乱了

现象：动作精确复刻，但服装的褶皱、长度、款式完全不是你给的。原因：姿态强度太高时，即梦 5.0 会优先保骨骼，把服装当成”背景信息”随机处理。急救：姿态强度降到 0.62 左右，补一张服装锚图，然后用局部重绘（0.5 幅度）把服装区域修一遍。

翻车三：手变成了鸡爪或多指

现象：这是即梦 5.0 最常见的典型崩坏。原因：手是局部高频信息，模型在 2K 分辨率下容易数不清指头。急救：局部重绘精修档（刷子最小、幅度 0.5 到 0.55），提示词只写手的形态。如果反复修不好，改成”手藏在背后、手持物体、手插口袋”——减少手部暴露面积，是零成本的回避策略。

翻车四：背景里的人消失了

现象：你给的场景有路人，出图后全没了。原因：模型默认倾向”干净画面”，多人场景天生容易崩。急救：如果要保留人群，把”人群”写进提示词，并且降低背景边缘控制权重，让模型有空间保留。如果不需要人群，那这就是好事。

翻车五：脸是同一张，但年龄变了

现象：角色锚是 18 岁，出图有时像 25 岁。原因：姿态和构图变化时，模型会重新推断面部比例，导致年龄漂移。急救：参考强度提到 0.82 到 0.85，同时在提示词里固定年龄词。如果还是漂，用特写构图，面部占比越大越稳。

翻车六：接缝像贴纸

现象：局部重绘换过的区域，边缘有明显的颜色断层。原因：重绘幅度过高加上羽化过窄。急救：降低幅度到 0.5，扩大羽化，分两轮修。

把”失败库”当成资产

几乎所有人都会删掉失败的图，我却建议留着。因为失败的图记录了即梦 5.0 在某个参数组合下的边界，下次遇到类似情况，你知道该往哪个方向调。半年下来，这会是一份比任何教程都准确的私人手册。

整理失败库的方法很简单：按”失败类型”分文件夹，比如”多指””脸漂””接缝”。每次翻车，存进去一张。三次之后你会发现，你的大部分失败都集中在两三个类型上，针对性规避就能解决八成问题。

翻车七：越修越不像

什么时候该停手

这是最难的一课。即梦 5.0 的图，越修越需要判断力：这张图值得再修一轮，还是该被放弃？我给自己的阈值是：如果一轮修改后，画面还在往坏的方向走，立刻停。因为即梦 5.0的每一轮局部重绘，都会有微小的累积误差，修到第五轮，角色可能已经不是一开始那个了。

停手的另一个好处是保持审美判断。连续修十几轮之后，你会对这张图失去判断力，觉得它”还行”，其实已经很差了。这时候最好的办法是离开屏幕半小时，回来再看，你会一眼看出问题。即梦 5.0的工作流里，休息也是生产力。

现象：局部重绘修了三轮，脸越来越不像原角色。原因：每一轮修都在把细节重新”发明”一次，误差在累积。急救：立刻停手，回到上一版，用更小的蒙版和更低的幅度再试。如果三次复现，说明原图本身的基础有问题，回到参考图重新生成，比继续修便宜。

以上七个翻车点，本质上是同一件事：即梦 5.0 的四种控制方式在互相挤压。理解了挤压的方向，你就能预判翻车，而不是事后补救。

九种典型项目的参数配方

通用参数表解决的是”我该填多少”，配方库解决的是”我这类活儿该按什么思路填”。下面九个配方，覆盖了即梦 5.0 上最常见的项目形态。每一条都可以直接当起点用，跑一轮再微调。

配方一：漫画分镜

核心矛盾是”动作要准、脸要稳”，所以参考强度 0.78 到 0.82、姿态强度 0.68，前景人物的骨架图优先。分镜图通常不需要 4K，2K 的 2560×1440 足够。背景尽量虚化，避免抢戏。一页四格，建议每格独立生成，最后用智能画布排版，不要试图一张图里塞四格——即梦 5.0 处理多格布局会糊。

配方二：小说封面

封面需要”一眼抓人”，参考强度可以降到 0.6 到 0.7，给模型更多构图自由；姿态强度 0.55 左右，人物姿态做大一点更抓眼球。最后用 4K 出图，因为封面往往要印刷或大屏展示。风格参考给 0.35，统一质感。

配方三：品牌 IP 形象

IP 形象最看重一致性，参考强度拉到 0.85，姿态强度 0.6 到 0.65。每个动作只出一张，但每个都精修。IP 的服装通常固定，几乎不动局部重绘，一旦要换表情或道具，用精修档小幅修改。这一类的即梦 5.0 用法，更像”批量复刻”而不是”创作”。

配方四：电商产品图

电商图的命门是”产品不变、场景百变”。用边缘/深度锁产品外形（权重 0.65 到 0.75），背景全部交给提示词。产品不能有变形、不能有额外反光，所以重绘幅度只用来修补背景，产品区域完全不碰。这类项目用即梦 5.0 的效率极高，因为场景可以批量换。

配方五：短视频分镜

短视频分镜不需要高精度，只需要”动作连贯、画面风格统一”。参考强度 0.7、姿态强度 0.7，2K 出图，快速批量。重点在于统一的光照描述词，避免拼成视频时帧与帧之间跳色。

配方六：绘本插图

绘本对”角色一致”和”画风温柔”的要求极高。参考强度 0.8、姿态强度 0.6，风格参考固定为同一张水彩或蜡笔画风，强度 0.35。绘本不追求写实，局部重绘只用来修小瑕疵，不要过度精修，否则会破坏手绘感。

配方七：游戏角色设定

游戏设定图往往要多角度、多服装版本，是即梦 5.0 四件套的强项。先用 0.85 锁本体，再用姿态控制做各种动作，最后用局部重绘做服装版本。武器、配件这些细节用精修档单独修，不要指望一次生成就齐。

配方八：海报主视觉

海报主视觉可以放开一些，参考强度 0.55 到 0.65，姿态强度 0.5，让模型多发挥。同时配合边缘/深度控制背景构图，避免画面散。海报定稿后一定要上 4K，这是它唯一值得 4K 的场景。

配方九：社交媒体套图

这类项目追求”批量、快速、统一”。参考强度 0.75、姿态强度 0.6，2K 出图，一次出 1 张。重点是用固定风格参考和固定光照提示，保证一套图放在一起不会突兀。即梦 5.0 在这类项目上的优势最大，因为它的产出速度快、风格一致性好。

项目类型	参考强度	姿态强度	档位	关键手段
漫画分镜	0.78–0.82	0.68	2K	姿态优先，背景虚化
小说封面	0.6–0.7	0.55	4K	放开构图，统一风格参考
品牌 IP	0.85	0.6–0.65	2K	参考锁定，精修表情道具
电商产品	—	—	2K/4K	边缘/深度锁外形
短视频分镜	0.7	0.7	2K	光照描述统一
绘本插图	0.8	0.6	2K	固定手绘画风
游戏设定	0.85	0.65	2K	多动作、局部换装
海报主视觉	0.55–0.65	0.5	4K	深度构图 + 放开主体
社媒套图	0.75	0.6	2K	固定风格，一次一张

配方不是教条

表格里的数字是起点，不是答案。每个配方跑两三轮之后，你都会发现自己的甜区往某个方向偏一点。这就是为什么我在前面反复强调”参数手感训练”：即梦 5.0的通用参数只能给你一个及格线，真正的参数永远是你的。即梦 5.0的高手和新手，差距不在知道几个数字，而在于知道什么时候打破这些数字。

FAQ

即梦 5.0 做系列人物，为什么必须用角色参考图模式，纯文生图行不行

不行。文生图的人脸本质上是一个随机变量，即梦 5.0 也不例外。每次生成都是重新采样一张新脸，你写多少外貌描述都不能把它锁定。要做系列人物，必须用角色参考图生图：先建立一张确认过的角色锚图，参考强度拉到 0.75 以上，后续每张都以它为参考。这是做 IP 内容的地基，也是四件套里最先要落下的那一把锁。

参考强度和姿态强度同时调高会怎样，应该听谁的

会互相拉扯：脸被参考图拽住，肢体被姿态图拉走，结果是一个人半扭着的怪相。即梦 5.0 的处理原则是身份优先、姿态让路：参考强度保持 0.8 左右，姿态强度封顶 0.72。如果动作还是不到位，别再调参数，换一张身体朝向更接近参考图的骨架图。参数打架的根源往往不在数值，而在素材本身不匹配。

为什么第一轮就上 4K 反而更亏

因为 4K 会把不确定放大四倍。构图和造型没确认之前，4K 出的每一张都可能是废片，而它的积分消耗和时间成本都远高于 2K。正确做法是在 2K 档（2048×2048 或 2560×1440）上反复确认，定稿之后再上 4K 或超分。即梦 5.0 的 4K 与超分，价值在于放大小而精的成果，而不在于放大一个模糊的方向。

什么时候该用局部重绘，什么时候该转智能画布

判断标准是改动的性质。只改画面某个像素区域（衣服颜色、一只手、背景的一块）用局部重绘；需要跨区域合成、改变画幅、去掉物体、把角色抠出来换底，用智能画布。即梦 5.0 的智能画布集成了多图融合、扩图、消除、抠图、多图层编辑，处理这类任务比重新生成便宜得多，也更精准。

即梦 5.0 和本地 SD 相比，可控性差在哪里

核心差两点。一是骨骼：即梦 5.0 没有 ControlNet 那种自定义骨骼工具，只能给姿势参考图让模型模仿，精确到手指的姿势做不到，自由度明显低于 SD。二是参数粒度：SD 可以分阶段引导，而即梦 5.0 只有一个强度滑杆。此外，SD 有 Regional Prompter 这类分区提示工具，多人场景可控性更好。

即梦 5.0 一次能放几张参考图，提示词上限多少

图片 5.0 Pro 一次最多支持 10 张参考图，提示词上限 5000 字。不过数量上限不等于最优配置：超过 4 张后，不同参考之间会互相拉平均，脸容易漂向一张平均脸。推荐的配置是一张主参考加零到两张辅参考，再加一张风格参考。提示词方面，核心原则是少写身份、多写场景与动作，因为身份已经由参考图锁死了。