图生图5种参考方式：角色风格边缘姿势

先说结论：同一张参考图，模型能”读出”的东西不止一种

很多人第一次打开即梦的「导入参考图」，会下意识把它当成”喂图”——我给它一张图，它照着这张图画。这个理解在三年前或许成立，但在今天这个”参考图可以拆成若干个维度来选”的版本里，它已经严重误导人。

因为同一张图里，同时藏着至少五类可以被单独抽取的信息：人物的五官发型、画面的艺术风格、物体外轮廓的骨架、前中后景的空间关系、肢体的动作与朝向。模型本身并不知道你现在想要哪一类，它需要你在参考面板里先声明一个维度，然后它才会沿着那条通道，从图里把对应的信息”取出来”用在生成上。

所以这篇文章的标题不是随便并列五个词，而是在说一件很具体的事：参考角色、参考风格、参考边缘、参考景深、参考姿势，是五条不同的信息管道，各有各的控制入口，各有各的模型兼容范围，也各有各的强度甜区。你把它们当成五件事来理解，很多”明明给了参考图却完全不像”的问题，会一次性消失大半。

这篇长文解决的核心痛点

在我们收集到的实际使用反馈里，图生图最常被抱怨的四句话是这些：

• “我上传了人物的图，结果脸全变了，但衣服又对上了。”
• “我只是想用它的画风，结果它把我的角色也换成了参考图里那个人。”
• “参考图明明放好了，出来的构图比例却跟我想的不一样，边被裁了。”
• “我想同时保持人物和姿势，面板里却只能选一个，这怎么弄？”

这四句话分别对应了四种不同的错位：选错了通道、强度给错了区间、比例规则没有注意、不理解维度互斥这个设计。本文会逐一拆开讲，而且给出可执行的替代方案，而不是只说”多试几次”。

本文不做什么

本文不会教你”哪张参考图最美”——那是个人审美问题。本文也不会给你一堆玄学提示词，因为参考图这条链路上，提示词的作用是补足参考图表达不了的部分，不是主导。明确这一点很重要：带参考图生成时，提示词更像”备注”，图才是”主稿”。

一句话先记住：参考图的质量决定你能达到的上限，参考强度只决定你这次离上限有多远。上限不够，拉满强度也救不回来；上限足够，强度低一点反而更自然。

为什么必须先分清：参考图不是”喂图”，而是”指定抽取哪一类信息”

一个类比：五条独立的传感器

想象一台机器上有五个传感器：一个专门读人的面部与服饰纹理，一个专门读整体笔触与调色倾向，一个专门读物体的外轮廓几何，一个专门读场景的深度分层，一个专门读人体骨架的姿态。它们装在同一台机器上，但看的是同一张图里五个完全不同的层面。

你上传参考图，等于把同一张照片同时递给这五个传感器。但机器每次只能启动其中一个——这就是参考面板里”互斥单选”的意义：它在告诉你这次到底启用哪个通道。如果你不选，模型可能会用默认的”智能参考”去做一个全局氛围的模糊模仿，于是结果就是”好像有点像，又说不上哪里像”。

混着用的代价：五个矛盾指令同时下发

有人会问：那为什么不让五个同时开？我人物也要、风格也要、构图也要，不是更省事吗？

问题恰恰在这里。假设你要保人物，但参考图是真人照片、你想要的又是水彩画风。保真人五官这件事，要求保留照片的细节与质感；转水彩这件事，要求打碎照片的质感、改成笔触。两条要求同时下发，模型只能取一个折中解，结果往往是”既不像本人，也不像你要的画风”，四个维度里没一个达标。

这就是那个核心判断的由来：五个维度本质是五条不同的信息管道，混着用等于给模型发五个矛盾指令。互斥不是功能缺失，而是一种纪律性约束——它逼你把一个复杂任务拆成几轮可控的子任务，每一轮只让一条管道放行。

区分带来的三个实际收益

收益一：可预测

你选定一个维度之后，结果是可预期的——选角色特征，出来的东西一定长得像参考图里那个人；选边缘轮廓，出来的外形一定跟参考图那个剪影吻合。可预期，才有迭代的可能。

收益二：可归因

出问题时能定位。脸崩了，是角色特征强度不够，还是参考图本身分辨率太低？轮廓变形了，是用了不支持的模型，还是参考图边缘本来就模糊？只要通道清晰，排查就是线性的，一次只动一个变量。

收益三：可组合

五个维度分开之后，你才谈得上”串联”——先用一个维度出底图，再用第二个维度做二次迭代。混着用是没法串联的，因为串联的前提就是”每一步只做一件事”。

先立好地图：五维度总览与它们各自抽取的东西

五维度一句话版

把下面五句话记住，剩下的内容都是展开：

• 角色特征：把参考图里”这个人是谁”抽出来——五官、发型、服饰、配饰。
• 风格特征：把参考图里”这是什么画法”抽出来——笔触、色调、质感、光影气质。
• 边缘轮廓：把参考图里”这是什么形状”抽出来——物体的外轮廓骨架。
• 景深构图：把参考图里”空间怎么排”抽出来——前、中、后景的层次与遮挡关系。
• 人物姿势：把参考图里”肢体怎么摆”抽出来——动作、朝向、关节角度。

参考面板里那两个”额外项”是怎么定位的

参考面板里除了这五个，还有「智能参考」和「人像写真」。它们不属于本文主线，但必须知道边界，否则容易混淆：

智能参考是一个全局氛围式的模仿——一次性把整张图的”感觉”都拿去，但拆不细，也说不清具体保留了哪一项。它仅支持图片 2.0 Pro，参考图分辨率建议在 2000px 以上。适合的场景很窄：你只是想快速找方向、拿气氛稿，不追求精确控制。

人像写真是”只保脸不保其他”的中间态，除图片 3.0 以外的模型都可选。它比角色特征宽松——角色特征会连服饰、配饰、发型一起锁，人像写真只锁面部。适合”我要这个人，但衣服要换”的需求。不过在角色特征能调比例、能控强度的前提下，人像写真的独特性被压缩了不少，本文把它当补充选项看待。

七个入口的定位对比

入口	本质	控制粒度	模型支持	适用判断
角色特征	身份与穿着锁定	高	仅图片 2.0 Pro	人物要一致时首选
风格特征	画风 DNA 提取	中高	除图片 3.0 外可选	统一画风、不保长相
边缘轮廓	外轮廓骨架	几何级精确	仅 2.0 与 XL Pro	工业、建筑控形
景深构图	空间分层复制	中	仅 2.0 与 XL Pro	场景空间要沿用
人物姿势	肢体骨架还原	中高	仅 2.0 与 XL Pro	动作要复刻
智能参考	全局氛围	低，不可拆	仅图片 2.0 Pro	找方向、气氛稿
人像写真	仅面部相似	中	除 3.0 外可选	换装保脸

维度一：参考角色（角色特征）——只锁”人是谁”

它抽取什么信息

角色特征抽取的是生物性细节加穿着细节：五官比例、瞳距、鼻型、嘴型、脸型轮廓、发型的走向与长度、服饰的款式与纹理、配饰的位置与材质。你可以把它理解为”人物身份证”——它把这个人身上那组可辨识的特征打包，然后在你新生成的画面里重建。

它不抽取的东西同样重要：不听构图、不管背景、不学画风、不定动作。如果你给它一张侧身站桩的图，它不会让新图也站桩；如果你给它一张油画人物，它不会让新图也变成油画。它只认”这个人穿这身”。这就是为什么它的一致性最强——因为它的工作范围最窄，误差来源最少。

模型兼容与比例规则

角色特征仅支持图片 2.0 Pro。这一点要硬记住，因为它决定了你在面板里一旦选了这个维度，模型下拉框的实际可选范围就被收窄了。很多人抱怨”找不到角色特征选项”，十有八九是模型还停在别的地方。

比例这一项，角色特征是可以改的。这是它相比另外三个”结构类”维度的巨大优势：你完全可以拿一张 3:4 的竖构图人像做参考，输出一张 16:9 的横构图场景。原因很简单——它锁的是人，不是画布。人在不同画布里自然会被重新安排位置，这是合理的。

强度甜区：70-90 与 50 是两种活法

70-90：高保真复刻

当你需要”这就是同一个人”，强度拉到 70-90。这个区间里，模型对面部的约束很硬，输出的辨识度明显高于低强度。适合：连载主角、品牌形象、系列头像、需要跨图一致的角色。代价是人物相对”板正”，姿态与表情的自主发挥空间被压缩。

50：带变化的延展

当你需要”这个人，但换了个状态”，强度停在 50 左右。这个区间里，模型保留主要特征，但允许表情、光影、角度的自然变化。适合：同一个人物在不同场景里的组图、表情包系列、故事分镜。代价是极端角度下相似度会掉——尤其侧脸和大俯仰角，这是所有身份类方案的共性，提前预期到就不会失望。

典型误用：拿角色特征去”统一画风”

最常见的误用是：用户手上有一组自己画的插画角色，想让新图也保持这个画风，于是选了角色特征。结果——人物长得倒有几分像，但画风飘了，因为角色特征根本不学画风。

正确做法是先用风格特征单独把画风锁定，生成一版基础画风的图，然后再考虑用流程串联把角色接进去。这两件事不可能一步同时完成，这是通道机制决定的。

另一个误用：参考图里的人物被背景”污染”

角色特征虽然是抽人，但如果参考图里人物只占画面的 20%，其余 80% 是复杂背景和大段文字，抽取就会被稀释。理想参考图应该是主体清晰、占比足够、背景相对干净。这和后面”参考图准备规格”一节是呼应的——不是模型笨，是输入信号的信噪比太低。

维度二：参考风格（风格特征）——只提”艺术 DNA”

它抽取什么信息

风格特征抽取的是画面的艺术表达层：笔触走向与粗细、色相与饱和的取向、明暗对比的强度、材质质感（是胶片颗粒还是扁平矢量）、整体光影气质（是伦勃朗光还是柔光）。你可以理解为它在读”这幅画是怎么画出来的”，而不是”这幅画画了谁”。

它明确不保人物长相。这一点是关键分界：你给它一张莫奈风格的少女油画，它学到的是印象派的笔触与光色，出来的人物可以是完全另一个人，甚至可以是一只猫、一栋房子——只要还是那种笔触。

模型兼容与比例规则

风格特征的兼容面是五个维度里最宽的——除图片 3.0 外其他模型都可选。这也符合直觉：风格是最普适的一种参考，大多数模型版本都具备风格迁移能力。所以用 3.0 的时候不要指望风格特征，这是它的版本取舍，记着即可。

比例方面，风格特征不锁画布，你可以自由改。理由和角色特征一样——风格是画在画布上的，不是画布本身。

强度甜区：70-80 最稳

风格特征的甜区比较窄：70-80 强度最稳。低于 70，风格迁移不彻底，出来的东西”有点那个味道但又不是”；高于 80，风格开始侵蚀内容结构——线条过于粗犷，色块粘连，细节被风格吞掉。

举个具体的例子：你要做一套扁平插画风格的电商主图，参考图是某种高饱和平涂作品。强度 65 时，出来的图半写实半扁平，很尴尬；强度 72 时，扁平边缘清晰、色块干净；强度 88 时，商品本身的材质细节（比如玻璃杯的高光）会被压成一块纯色，商品辨识度掉了一大截。所以 70-80 这个区间不是保守，是实测出来的平衡点。

典型误用：以为风格特征能”连人物一起搬”

反过来的误用也很常见：有人想”用这张图的画风，画同一个角色”，结果发现人物完全变了，然后抱怨工具不行。其实这是设计如此——风格特征从定义上就不保长相。

正确做法是先想清楚你要哪个：要画风，就用风格特征，人物让它自由发挥，挑满意的那版；要人物，就用角色特征或人像写真。两个都要，走串联。

另一个坑：参考图风格不纯

如果参考图是混合风格——比如上半部分水墨、下半部分赛博朋克，或者是一张拼贴海报，风格特征会提取出一个”平均风格”，出来的东西四不像。风格参考图要风格纯粹、单一，一张图只说明一件事：这种画法长这样。

维度三：参考边缘（边缘轮廓）——只抓”外轮廓骨架”

它抽取什么信息

边缘轮廓抽取的是物体的外轮廓几何：把一张图二值化成剪影，能看到的那个形状。它不读内部纹理、不读颜色、不读材质、不读光影。它只回答一个问题：”这个东西的外形边界是这条曲线。”

这让它成为五个维度里几何精确度最高的一个，也特别适合工业设计和建筑设计——一个产品的外形能不能不对，这是硬指标；建筑的门洞比例、屋檐弧线、体块关系，也是硬指标。拿角色特征去做这些是徒劳的，因为产品不是”人”。

模型兼容与比例规则（重点）

边缘轮廓仅支持图片 2.0 与 XL Pro。兼容面比风格特征窄，因为轮廓控制需要模型具备较强的结构约束能力，不是所有版本都有。

更关键的是比例：边缘轮廓的比例只能跟参考图。这是它和角色、风格最大的不同。为什么？因为轮廓是一个二维几何量，你换画布比例，轮廓就会被拉伸或留白，几何就不再精确。用它的时候，必须在出图前就把画布比例定成与参考图一致——这也是它常被抱怨”图被裁了”的根本原因。

参考图规格：1500px 是底线

边缘轮廓对分辨率的要求最明确：建议 1500px 以上。因为轮廓提取本质上是边缘检测，分辨率不足时，细小的转折会被平滑掉，弧线变折线，该锐利的角变圆。这个误差会原样传递到输出图里。所以做产品外形时，不要用手机截图或九宫格里的小图，一定用高清原图。

典型误用：拿人物照片去控轮廓

有人想”控制人物姿势”，看到”边缘”这个词就选了边缘轮廓。结果——人物外轮廓对了，但内部五官、发型全乱了，因为边缘轮廓根本不读内部。人物动作要用人物姿势维度，不要用边缘轮廓。

反过来也一样：做产品外形时，不要用人物姿势维度，那玩意儿是按人体骨架设计的，对机械物体效果很差。

另一个误用：比例没对齐导致的”变形”

一条非常具体的失败路径：参考图是 4:5 的竖图（比如一个高瓶子正面照），你输出时选成了 16:9 横图。模型为了保住轮廓不裁切，把瓶子横向拉宽了——看起来”肥了一圈”。这不是模型算错，是比例规则在起作用。用边缘轮廓之前，第一步先确认画布比例与参考图一致，这一条能省掉一半废图。

维度四：参考景深（景深构图）——复制”空间怎么分层”

它抽取什么信息

景深构图的抽取对象是前、中、后景的空间层次关系：哪个元素在最前面（最清晰、最大）、哪个在中景（通常是画面主体）、哪个在远背景（虚化、起氛围作用），以及它们之间的遮挡、大小对比、透视方向。

它复制的是”空间结构的排版”，不是”内容本身”。也就是说，你可以拿一张森林小路的照片做景深参考，生成的却是一条赛博朋克街道——只要前中后景的层次关系沿用，画面就有那种”纵深往里推”的厚重感。这是它最有价值的地方：很多图看起来平，不是因为画得差，而是因为没有清晰的景深分层。

模型兼容与比例规则

景深构图仅支持 2.0 与 XL Pro，和边缘轮廓一致。比例也是只能跟参考图——道理相同，空间层次是相对于画布建立的三维关系，换比例会推翻这个关系。

强度甜区与调整思路

景深构图没有官方给的单点甜区，但按经验属于”中等强度最舒服”的类型：太低，层次复制不明确，画面还是平的；太高，参考图里的具体元素会开始”渗”进新图——比如参考图前景有棵树，高强度下新图里也冒出一棵树，而你要的本来是别的东西。合理区间在 60-75，配合提示词把”前景是什么、中景是什么、后景是什么”写清楚，效果最稳。

典型误用：想要”更深的景深”却给了平铺参考图

景深构图是复制，不是创造。如果参考图本身就是一张平铺的素材图（白底产品图、扁平插画），你选景深构图，只能得到一个同样平的结果。想要纵深，参考图本身必须要有纵深。

维度五：参考姿势（人物姿势）——还原”肢体怎么摆”

它抽取什么信息

人物姿势抽取的是人体骨架与朝向：四肢的关节角度、躯干的扭转、头部的朝向、重心落在哪条腿上。它不管这个人长什么样、穿什么、站在哪儿——只管”这个动作是怎么摆的”。

它和边缘轮廓的区别值得反复讲：轮廓是二维剪影，姿势是三维骨架。同样一个叉腰站姿，正面拍和侧面拍的剪影完全不同，但骨架是相似的。所以控制”人做得像不像这个动作”要用姿势维度，控制”物体的外形曲线”才用轮廓维度。

模型兼容与比例规则

人物姿势仅支持 2.0 与 XL Pro，比例只能跟参考图。同样是空间性约束——骨架在不同画布比例下会发生关节位置的偏移，所以要保持比例一致。

强度甜区与实操建议

姿势维度最常见的问题是”姿势对了，但人很僵硬”——骨架约束太硬，人物丢了自然感。实操上建议把强度放在 65-75，并且在提示词里写清楚动作意图，比如”人物正在转身回望，裙摆被风带起”，给模型更多信息去柔化。同时，参考图最好用正面或 45 度角的人像，纯侧影和极端俯仰的参考图，姿势还原的成功率会明显下降。

典型误用：拿多人的图去控单人姿势

参考图里如果有两个人（比如双人合影），姿势维度会尝试还原两个人的骨架，而你要的可能只是其中一个人。这会导致”两个骨架打架”的结果。正确做法是先裁出你要的那个人的单人图，再做姿势参考。

五维度横向对比大表：一张表看清”保什么、丢什么”

这是本文的核心表格。建议直接存下来——下次打开面板之前扫一眼，很多错误可以提前避免。

维度	抽取的信息	明确保留	明确丢弃	支持模型	比例规则	强度建议	参考图分辨率	典型场景
角色特征	五官、发型、服饰、配饰等生物与穿着细节	人物身份与穿着	构图、背景、画风、动作	仅图片 2.0 Pro	可自由改	70-90 高保真；50 带变化	2000px 级别	人物连载、品牌形象、系列头像
风格特征	笔触、色调、质感、光影气质（艺术 DNA）	画风统一性	人物长相、具体内容、构图	除图片 3.0 外可选	可自由改	70-80 最稳	2000px 级别	统一系列画风、插画风主图
边缘轮廓	物体外轮廓几何骨架	外形曲线与比例	内部纹理、颜色、材质、光影	仅 2.0 与 XL Pro	只能跟参考图	中高，几何优先	建议 1500px 以上	工业产品、建筑外观、Logo 造型
景深构图	前中后景的空间层次与遮挡	纵深结构与空间关系	具体元素、人物身份、画风	仅 2.0 与 XL Pro	只能跟参考图	60-75 最舒适	1500-2000px	场景空间沿用、产品场景图、电影感构图
人物姿势	肢体动作、朝向、关节角度	骨架与姿态	长相、服饰、场景、画风	仅 2.0 与 XL Pro	只能跟参考图	65-75 自然优先	主体清晰即可	动作复刻、分镜、运动海报、瑜伽体式

怎么读这张表

先看”明确丢弃”这一列

大多数人只看”保留”那一列，其实“丢弃”那一列才是分辨维度最有效的入口。如果你要的东西在某个维度的”丢弃”列表里，那这个维度就是错的，无论怎么调强度都救不回来。比如你要背景，但选了角色特征——背景就在丢弃列，那就换维度，别硬调。

再看”比例规则”这一列

这一列是硬约束，没有商量余地。前两个维度你可以随便改比例，后三个必须跟参考图。记住规律：能改比例的是”内容类”参考（人或风格），不能改比例的是”结构类”参考（形、空间、骨架）。

最后看”支持模型”这一列

这是第一个要检查的：你当前选的模型，支不支持你要用的维度。三个结构类维度只活在 2.0 和 XL Pro 上，角色特征只活在 2.0 Pro 上。模型不对，选项根本不会出现，调什么都没用。

参考强度怎么取：一张表与三条纪律

强度取值表

先说清基本盘：滑块范围约 30-90，默认 50。30-50 属于创意延展区，70-90 属于高保真复刻区，中间 50-70 是过渡带，效果最模糊，也最容易出”半像不像”的尴尬图。实操上尽量跳过中间带，要么往低拉，要么往高拉。

强度区间	行为特征	输出倾向	适合目标	典型误判
30-40	轻提示，模型自由度高	只借一点”味道”，主体全新	找灵感、风格试水	以为会有明显参考痕迹
40-50	弱约束，创意延展	特征依稀可辨，变化幅度大	同角色换状态、表情延展	指望高相似度，怪”不像”
50-60	过渡带，行为不稳定	像又不像，两边都不占	一般不建议停留	反复微调找不到落点
60-70	中强约束	结构明确，细节开始跟随	景深、姿势的结构还原	风格开始僵化
70-80	强约束，最稳区间	主要特征高度还原	风格统一、角色高保真	构图也被一起锁死
80-90	极强约束	几乎贴参考图，变化空间小	硬复刻、产品原型	提示词几乎不起作用

三条取值纪律

纪律一：高保真任务从 75 起步，不要直接拉满

很多人为了”保角色”，一上来就拉到 90。结果是人物像了，但姿态僵硬、光影呆板、背景跟参考图一样。更有效的做法是从 75 起步，每次加 5，看哪里开始”过”了，找到临界点之前的那个值，通常就是最佳值。

纪律二：低强度任务别低于 30

低于 30 基本等于没开参考，模型几乎全靠提示词。如果你的目标真是”只想借一点点感觉”，35 左右就够了。再低，参考图对比结果几乎不可见，白白消耗 2 积分。

纪律三：不同维度的甜区不能互套

风格 70-80 的”最稳”，不能挪到角色特征上当成”最保真”。每个维度的响应曲线不一样：角色对强度很敏感，70 和 80 差异肉眼可见；景深对强度最不敏感，60 和 75 可能差不多。所以按维度分别记甜区，别用一个通用数字走天下。

再次回到那句话：强度只决定你离上限多远。参考图分辨率不够、轮廓不干净、姿势参考图是背影——这些是上限问题，强度拉满也救不回来。

要同时控两个维度怎么办：三条流程串联方案

为什么不能开两个：互斥的设计意图

面板里各维度互斥单选，不是技术做不到，而是为了避开两个强信号互相干扰。当两个维度各自承担”保谁”的责任，它们会在潜空间里争夺同一批像素：一个说”这块区域要保持五官”，一个说”这块区域要按轮廓走”。争不过就变形，勉强融合就崩。

所以”同时控两个”的唯一正解是时间上的串联：让每个维度独享一次生成，前一次的产出成为后一次的输入。也就是常说的流程串联——先用一个维度出底图，再用局部重绘或者另一个维度做二次迭代。下面是五条经过验证的方案，各自适配不同目标。

方案 A：角色特征 → 局部重绘（保人不保场）

你的目标：人物是固定角色，但场景要换三套。做法：

第一步，用角色特征强度 80，生成人物在场景 A 里的图。第二步，基于这张图做局部重绘，把背景区域涂成蒙版，提示词写新场景。重复一次，得到场景 B。这种方法的好处是：角色身份由第一步冻结，局部重绘只碰背景区域，几乎不可能伤到人脸（前提是蒙版别压到头发边缘和肩膀）。

适用：品牌形象系列图、角色在不同环境里的官方图。

方案 B：边缘轮廓 → 景深构图（先定形，再定空间）

你的目标：产品外形必须精确，但想放进一个有纵深的场景。做法：

第一步，边缘轮廓控形，生成一版白底或简洁背景的产品图。第二步，以第一版为参考图，用景深构图处理——把产品放进一个有前中后景的场景。注意第二步的比例要和第一步一致，因为景深构图的比例只能跟参考图。

适用：电商产品场景图、工业产品渲染、建筑效果图。

方案 C：风格特征 → 角色特征（先定画风，再定人）

你的目标：要某种画风 + 固定角色。这是最经典也最容易翻车的组合。做法：

第一步，风格特征强度 75，用风格参考图生成一版任意人物的图，得到”这种画风下的人长这样”。第二步，以这一步的输出当参考图，用角色特征（只支持 2.0 Pro）强度 75-80，生成最终图。

注意：第二步的参考图是”画风正确的人物图”，不是”原角色图”。这会让角色特征在抽取时同时读到画风环境，从而在保持身份的同时保留画风质感。这是很多教程没讲的关键细节。

方案 D：人物姿势 → 角色特征（先定动作，再定人）

第一轮用人物姿势强度 70，把动作骨架先落到一个占位人物上；第二轮用角色特征强度 78，把主角换进去。两轮比例必须一致，第二轮不低于第一轮的动作清晰度。如果发现第二轮的姿势力道变弱了，说明角色特征的强度压过了姿态，回调到 74 左右再试。

方案 E：景深构图 → 局部重绘（沿用空间，换内容）

第一轮用景深构图把前中后景层次固定下来，第二轮用局部重绘只换主体。关键是蒙版要保住前后景的层次——只涂主体区域，不要把前景虚化层也涂掉，否则整个空间会被压平。

组合串联方案表

方案	目标	第一轮	第二轮	关键约束	失败信号
A	保角色、换场景	角色特征 @80	局部重绘背景	蒙版不压头发边缘与肩膀	发丝生硬、肩线错位
B	控形状、加纵深	边缘轮廓 @70	景深构图 @65	两轮比例一致	产品在场景边缘被裁
C	画风 + 角色同时要	风格特征 @75	角色特征 @78	第二轮参考图用第一轮输出	五官偏离画风、脸上有”照片感”
D	复刻动作、换人换景	人物姿势 @70	角色特征 @78	比例一致，动作参考图只留单人	姿势力道丢失、显得松垮
E	空间沿用 + 新内容	景深构图 @65	局部重绘主体	蒙版保留前后景层次	前后景被简化成平面

串联流程模板

下面这份可以直接照着套，以方案 C 为例：

【目标】用固定角色 + 指定画风，出新系列图（方案 C）

Step 0  准备两张参考图
        - style_ref.png   只含纯画风，不含任何真实人脸
        - char_ref.png    同一角色的正面高清图，分辨率 2000px 级别

Step 1  风格锁定
        model      = 图片 2.0 Pro
        reference  = style_ref.png
        dimension  = 风格特征
        strength   = 75
        ratio      = 3:4
        prompt     = "一个人安静的侧身肖像，背景简化，只体现画风"
        output     -> draft_style.png

Step 2  身份锁定（以 draft_style.png 为参考图）
        model      = 图片 2.0 Pro
        reference  = draft_style.png + char_ref.png（按参考位叠加）
        dimension  = 角色特征
        strength   = 76
        ratio      = 3:4（与 Step 1 保持一致）
        prompt     = "同一个人，正面近景，表情平静，画风不变"
        output     -> final_v1.png

Step 3  验收
        检查五处：瞳距 / 鼻翼宽 / 下颌线 / 发型外缘 / 画风一致性
        不通过 -> 回到 Step 2，strength 加 3 或减 3 各试一次
        通过   -> 进入 Step 4

Step 4  场景延展
        以 final_v1.png 为参考图，走方案 A（局部重绘换背景）
        准备 3 个场景提示词，逐个跑，得到系列图

串联的成本意识

即梦带参考图生成是 2 积分/次。上面这条四步流程，一轮完整跑完至少 4 次生成，就是 8 积分；如果 Step 2 调两三次强度，整体可能接近 14 积分。所以串联的前提是——第一步的参考图质量就过关。拿一张低分辨率的角色图去跑串联，只会把废图成本放大两倍。这一点下一节重点讲。

参考图本身的准备标准：决定上限的第一步

为什么参考图质量决定上限

回到开头那句判断：参考图的质量决定上限，强度只决定你离上限多远。实际含义是：模型从参考图里能抽取的信息，其信噪比由参考图本身决定。一张 800px 的模糊人像，五官边界本身就不清晰，抽出来的”身份特征”就是模糊的；你把它强度拉到 90，模型只会更”自信地”复刻一个模糊的脸。反之，一张 3000px 的高清正面人像，即使强度只给 72，出来的相似度也明显更高。

参考图准备规格表

准备项	角色特征	风格特征	边缘轮廓	景深构图	人物姿势
分辨率	2000px 级别	2000px 级别	建议 1500px 以上	1500-2000px	主体清晰即可
构图	主体占画面一半以上，正面或 45°	风格单一，无拼贴	轮廓完整，无遮挡不贴边	层次清晰，前中后景可辨	单人，全身或半身，正侧面均可
干净度	背景干净，无文字水印	无签名、无边框、无贴纸	边缘对比要清楚	无明显噪点或压缩块	肢体不被衣物大面积遮挡
光照	均匀柔光，无强逆光	整体曝光适中，不过曝	侧光或平光，强化轮廓	有明确光源方向，深度线索清晰	光照不干扰关节位置判断
格式	PNG 优先，JPEG 质量 90 以上	PNG 优先	PNG，避免压缩糊边	PNG 优先	PNG 优先

四个硬标准逐条讲

分辨率：分维度要求不同，别一刀切

智能参考对分辨率要求更苛刻，建议 2000px 以上；边缘轮廓建议 1500px 以上；其他常规维度也建议 2000px 级别。实操上，所有参考图都按 2000px 准备最省心——只有边缘轮廓可以放宽到 1500px，但不要更低。手机原图一般是 3000px 以上，直接用就行，不要先压缩再上传。

构图：主体占比是隐藏变量

角色特征一节提过：人物只占 20% 时，抽取会被稀释。同理，边缘轮廓的参考图若物体贴边或被裁，轮廓就残缺，模型会”猜”被裁掉的部分，形状就错了。景深构图的参考图若前后景对比很弱，层次就提不明确。通用原则：你要抽取的那个信息，必须在参考图里占据视觉上的主要位置。

干净度：水印和文字是最容易忽视的干扰源

一张带水印的角色图，水印区域会被当成角色的一部分抽取，在输出里变成奇怪的纹理。带边框的图，边框的直线会被边缘轮廓当成轮廓的一部分。带签名的风格图，签名会被当成风格元素。所以上传前花 30 秒检查四角与边缘，这是性价比最高的一步。

光照：对姿态和轮廓影响最大

强逆光的姿态参考图，四肢会被轮廓光包住，关节位置判断失准；极端侧的光影，会让边缘轮廓的边界判断偏向光的一侧。要保动作精确，用均匀柔光图；要保轮廓精确，用侧光或平光让边界对比更明显，但别选大背光。

上传前 60 秒自检清单

【参考图上传前 60 秒自检】

[ ] 分辨率：宽度 1500px 以上（边缘轮廓）/ 2000px 级别（其他维度）？
[ ] 目标信息占比：人物 / 物体 / 动作 / 层次是不是画面的主体？
[ ] 四角：有没有水印、logo、平台标识？
[ ] 边框：有没有加白边、黑边、圆角、阴影？
[ ] 文字：画面里有没有大段文字、字幕、贴纸？
[ ] 光照：是不是过曝、欠曝、强逆光？
[ ] 遮挡：目标区域（脸 / 轮廓 / 关节）有没有被别的东西挡？
[ ] 压缩：是不是从聊天软件、平台缩略图另存的？
        （二次压缩过的图，边缘会明显糊边）

全部通过 -> 直接使用
任一不通过 -> 修图或换图，别硬上

五类典型任务的最优解：把维度对准场景

任务一：换背景（保人不保场）

最优路径：角色特征（强度 80）+ 局部重绘。

不要试图用智能参考或风格特征来换背景，这两条路对人物身份的保护都不够。角色特征会把人锁住、不让背景干扰；然后通过局部重绘把背景区域替换掉。如果当前场景用不了 2.0 Pro，可以退一步用”人像写真”（只保脸，除 3.0 外可选），但要接受衣服会跟着变这个代价。

任务二：人物连载 / 一致性（保角色）

最优路径：角色特征（强度 75-85），全程锁定同一张参考图。

连载的关键不是每次生成，而是每次都拿到同一张参考图，不要每次换参考。强度也不要拉到 90 以上，因为连载需要角色在不同场景里有表情和动作变化，强度过高会让每一格都一模一样地”站着”，像纸片人。另外，连载主角的参考图最好是正面、中性表情、均匀光照的图，这是所有生成模型最”熟悉”的输入形态。

任务三：控海报版式（保形与空间）

最优路径：边缘轮廓（先定主体形状）+ 景深构图（定前后层次），两轮串联，比例固定。

海报版式的本质是”主体的位置与大小、背景的前后关系”，这两件事分别属于边缘和景深两个维度。海报比例通常特殊（比如 2:3 或 1:1.414），一定要在第一步之前就把比例与参考图对齐，否则后面两轮都会按错误的比例传递。文字排版部分不要指望模型，交给设计软件处理。

任务四：控建筑 / 产品外形（保几何）

最优路径：边缘轮廓（强度 75-85），参考图 1500px 以上，比例与参考图一致。

这是边缘轮廓最正宗的用法。成功率很大程度上取决于参考图的边缘清晰度——白底渲染图、线稿、高对比度实拍，效果依次递减。如果是实拍图，建议先把背景抠掉再做参考，轮廓会干净很多。建筑场景中，立面的门窗、檐口、体块分割线，都会被完整保留。

任务五：复刻动作（保姿势）

最优路径：人物姿势（强度 65-75）+ 提示词补充动作描述，必要时串联角色特征。

姿势维度最怕”骨架对了，人不像”。如果你只是要”那个动作”，直接用姿势就够了；如果还要”那个动作下的人也得像”，就走方案 D。一个很实用的小技巧：提示词里除了写”是谁、穿什么”，再加一句动作质感，比如”身体前倾，手肘微微内收，重心在左脚”，模型会比你预期更贴合意图。

失败案例对照表：典型翻车的归因与解法

现象	常见归因（错误）	真实原因	修正动作
给了人物图，脸全变了，衣服却对了	“模型不行”	选的是人像写真，或角色特征强度低于 60	改用角色特征，强度 75 以上，参考图换正面高清
想统一画风，人物也变成了参考图里那个人	“这就是风格迁移”	实际选的是角色特征，误以为选了风格特征	换风格特征，强度 75，接受人物变化
产品外形被拉宽或被压扁	“模型算错比例”	边缘轮廓比例只能跟参考图，但用户改了比例	输出前把画布比例设成与参考图一致
轮廓毛糙、棱角变圆	“模型精度不够”	参考图低于 1500px，或 JPEG 压缩糊边	换 1500px 以上的 PNG，白底或抠好背景
姿势僵硬像纸片人	“姿势功能不好用”	强度高于 80，且提示词只写了”同动作”	降到 65-75，提示词补动作质感与光影
景深参考后画面反而更平	“景深功能失效”	参考图本身层次弱，或强度低于 50	换一张前中后景鲜明的参考图，强度 60-75
面部局部出现奇怪纹理	“模型抽风”	参考图四角有水印或 logo，被当成特征抽取	裁掉水印再上传
串联后人物越来越像前一张图	“串联没生效”	第二轮仍用原参考图，没用上一轮的输出	方案 C/D 中，第二轮参考图必须是第一轮输出
前两张都还行，第三张突然崩	“随机性太大”	参考图被二次压缩，或中途换了模型	确认模型一致，原图上传，每轮保存参数

这张表怎么用

出图不理想时，先查”现象”对应的”真实原因”，再看修正动作，别按直觉猜。比如脸不像，你的第一反应可能是”多加描述”，但真实原因往往在维度选错或强度太低这一层，加描述反而会让约束更混乱。这张表的价值在于，它把”主观感觉”翻译成了”可执行参数”。

提示词模板：参考图之外你还需要补什么

提示词在参考图链路里的角色

一句话定位：参考图负责”保什么”，提示词负责”变什么”和”补什么”。当你开了参考图，提示词不需要再重复描述参考图里已有的东西——重复描述反而会让模型困惑”到底听图的还是听字的”。有效提示词应该是：主体变化 + 环境描述 + 动作质感 + 输出规格。

五维度的提示词模板

【角色特征 · 模板】
"同一个人，{新场景描述}，{新动作或表情}，{服装微调，如需}，
保持面部与发型一致，{画风倾向，如：写实摄影、浅景深}，
{画幅如：竖构图 3:4，上半身近景}"

【风格特征 · 模板】
"{主体描述，如：一位少女坐在窗边}，{画风质感，如：厚涂水彩、暖黄调}，
{笔触描述，如：可见笔刷纹理与纸面颗粒}，
{构图，如：居中构图，留白充足}"

【边缘轮廓 · 模板】
"{主体是什么，如：一只陶瓷壶}，{材质，如：哑光釉面}，
{造型须与外轮廓一致}，{表面细节，如：壶身有细划纹}，
{背景，如：纯色浅灰背景}"

【景深构图 · 模板】
"前景：{元素与虚化状态}；中景：{主体位置与大小}；
后景：{背景元素与氛围}；{光照方向与色温}；{透视感觉}"

【人物姿势 · 模板】
"一位{年龄与身份}的{人物}，正处于{动作过程，如：转身回望}，
{肢体细节，如：右臂自然下垂，左手轻扶栏杆}，
{服装}，{服装动势，如：裙摆轻微飘起}，{场景}，{光影}"

【串联 · 第二轮补充说明】
"（注：本轮参考图为上一轮输出，保留其画风与构图质感，
  仅调整{具体调整项}）"

三个写作细节

细节一：把”保持不变”的项写在前面

在角色特征里，把”保持面部与发型一致”放在句首，模型的注意力会更集中在前置条件上。低强度下这个差异最明显。

细节二：动作要写成”过程”而非”状态”

“站着”是一个状态，力度很低；”刚转过身，重心已移到右脚”是一个过程，模型能从中读到时间信息，动作会自然得多。姿势维度尤其吃这条。

细节三：不要在一句话里放两个矛盾指令

比如”保持极简画风，细节丰富而精致”，极简和细节丰富是矛盾的。参考图已经给了模型很多信息，提示词再自相矛盾，模型只能选一半执行。

FAQ：五个维度与两个附加项的高频疑问

Q1：面板里为什么不能同时勾选两个维度？我确实两个都想要

因为两个维度会争夺同一批像素的控制权，同时下发等于给模型发两个矛盾的指令。想要两个，就走流程串联——先出一个，再基于它做二次迭代。这不是妥协，而是控制精度的必要代价。串联比”一步到位”慢，但可控。

Q2：我选了角色特征，为什么模型下拉里找不到图片 3.0？

因为角色特征仅支持图片 2.0 Pro，选了它之后其他模型本来就被排除了。同理：边缘轮廓、景深构图、人物姿势仅支持 2.0 与 XL Pro；风格特征除图片 3.0 外其他可选；智能参考仅 2.0 Pro；人像写真除 3.0 外可选。遇到”选项不见了”，第一反应应该是回看这份兼容清单，而不是怀疑界面坏了。

Q3：我用边缘轮廓控产品外形，为什么输出图总是被裁一刀？

大概率是比例问题。边缘轮廓的比例只能跟参考图，一旦输出时改成别的比例，为了保住轮廓不裁切，会出现两种结果之一：物体被拉宽压扁，或者边缘被裁掉。解决方式很直接：出图前把画布比例设成和参考图一致。景深构图、人物姿势也是同样的规则。

Q4：参考图分辨率要多少才够？我可以用手机截图吗？

分维度：智能参考建议 2000px 以上；边缘轮廓建议 1500px 以上；其他维度也建议 2000px 级别。手机截图一般只有 1170×2532 左右，做边缘轮廓容易糊边，不建议。手机原图（相机拍的，一般 3000px 以上）直接上传就行，不需要压缩。最关键的是别从聊天软件另存图，二次压缩会明显损害边缘质量。

Q5：我按方案 C 做，第二轮角色特征后画风没了，怎么办？

先检查第二步是不是用第一轮的输出当参考图，而不是原角色图。如果用原角色图，画风在第一步结束时就已经脱钩了。其次，第二轮的强度不要超过 80——超过 80 后，身份约束会盖过画风质感，人物会”回到写实”。合理做法是从 76 出发，每次加减 2 微调，找到”人像但画风还在”的那个点。

Q6：带参考图生成是 2 积分/次，串联一轮下来很贵，怎么省？

三个策略。第一，先把参数定下来——提示词、维度、强度写在纸上一次跑对；或者先不用参考图跑文生图找构图，构图对了再开参考图。第二，参考图准备到位，一张 2000px 以上的干净图可以一次成功，比 5 张 800px 的次品省太多。第三，串联时把第一步做到极致——第一步底图出好，第二步成功率显著提升，整体成本自然降下来。

出图之前的三分钟检查单

把这篇长文压缩成一张能贴在显示器旁边的清单。每次开图之前扫一遍，至少能省下一半废图：

【五维度 · 出图前 3 分钟检查单】

1. 这次的目标是什么？
   - 保人   -> 角色特征（2.0 Pro，强度 70-90）
   - 保画风 -> 风格特征（除 3.0 外，强度 70-80）
   - 保外形 -> 边缘轮廓（2.0 / XL Pro，比例跟参考图，参考图 1500px 以上）
   - 保空间 -> 景深构图（2.0 / XL Pro，比例跟参考图，强度 60-75）
   - 保动作 -> 人物姿势（2.0 / XL Pro，比例跟参考图，强度 65-75）

2. 参考图自检
   - 分辨率够吗？
   - 目标信息是主体吗？
   - 四角干净、无文字、无边框？
   - 没有经过二次压缩？

3. 参数
   - 模型已选对（与维度兼容）？
   - 比例规则已确认（前两维可改，后三维须一致）？
   - 强度落在甜区里？跳过了 50-60 的过渡带？

4. 提示词
   - 只写"变什么"，不重复"保什么"？
   - 动作写成过程，不写成状态？
   - 没有自相矛盾的描述？

5. 串联
   - 两个目标需要串联时，第一轮已经出好底图？
   - 第二轮的参考图是上一轮输出，不是原参考图？

6. 验收
   - 与上一版并排对比：瞳距、鼻翼、下颌、发际、画风一致性

结语：五个入口，一条主线

回看一下这篇长文的主线：参考图不是”喂图”，而是在告诉模型”从这张图里，我要你抽取哪一类信息”。角色、风格、边缘、景深、姿势，五条独立的通道，各自抽取不同的东西，各有各的模型门槛、比例规则与强度甜区。混用会打架，串联才会赢。

两个判断送给你收尾。第一个：五个维度本质是五条不同的信息管道，混着用等于给模型发五个矛盾指令。这句话值得每次打开面板前默念一遍——它几乎能解释图生图里 80% 的莫名其妙。第二个：参考图质量决定上限，强度只决定你离上限多远。当你觉得”怎么调都不对”，先别怀疑参数，先怀疑那张图——它够不够大、够不够干净、目标信息够不够清晰。

等你把五条通道各自跑熟，再往上加串联，你会发现整套流程突然变得可预测——不是每次靠运气抽卡，而是知道每一步在做什么、为什么这么做、下一步该往哪走。这才是图生图真正的工作方式。