《掌握AI写真技巧：ControlNetEasyPhoto助力打造个性化形象》

文章主题：ControlNet EasyPhoto, 妙鸭相机, 写真效果, AI熟悉特征

在上一篇日志中，我们探讨了如何运用ControlNet EasyPhoto来实现类似于妙鸭相机的精美寫真效果。这一方法的基本原理在于，通过上传个人照片，使AI充分了解并熟悉人的特徵，接着将人脸“移植”到预先设定的模型上，从而达到特定的视觉效果。

而今天的笔记内容会比较短，就是一些针对上一篇文章的补充说明，让我们废话少说开始今天的学习吧！

提示词

在上篇笔记中，我们强调了大部分操作并不需要提示词，只需上传个人照片并选择合适的模板即可。然而，在上篇笔记的结尾部分，我们也提到了另一种方法：在某些情况下，可以使用AI生图工具生成一张新的图片，然后再将此图片与新生成的模板进行匹配。这样一来，便能够实现更加灵活的设计效果。

在本文中，我引用了教程中关于五官、发型和身形的关键词，以便让AI更精确地识别参考图的特点。

发型：

very long hair 过腰长发

straight hair 直发

curly/wavy hair 卷发

messy hair 凌乱的头发

(half)updo （半）高鬓

bangs 刘海

diagonal bangs 斜刘海

hair over eyes 头发遮住眼睛

ponytail 马尾辫

twintails 双马尾

french braid 法式编制鞭子

hair bun 丸子头

side cut 侧切

脸型和五官：

heart-shaped face 瓜子脸

oval face 鹅蛋脸

round face 圆脸

pear face 梨型脸

square face 方脸

diamond face 窄额头

long face 长脸

oblong face 超模脸

thin face 瘦脸

high forehead 高额头

high cheekbones 高髋骨

thin lips 薄嘴唇

full lips 丰满的嘴唇

pointed chin 尖下巴

aquiline nose 鹰钩鼻

flat nose 扁平的鼻子

体格：

overweight 过胖的

tubby 矮胖繁荣

curvy 曲线饱满的

voluptuous 肉感的

bony 瘦得只剩下骨头

rangy 又高又瘦

lean/wiry 瘦而精实的

slender 有曲线且苗条的

willowy 身材修长的

husky 高达健壮的

jacked 肌肉发达的

fit 健美的

slim 苗条纤瘦的

well-built 体格健壮的

EasyPhoto

EasyPhoto的工作机制可以简述为用户首先上传个人照片，系统随后在这些照片中发现共性特征。AI会挑选出具有鲜明特征的照片（如人脸清晰无模糊），并进行相应的处理（如美颜、移除背景等）。接下来，AI经过多次训练来熟悉这个人的特点，最后生成与参考图片相符的“替身”。

EasyPhoto其实还在不断地迭代中，例如他更新了一个新的功能：图像批处理。

该功能与之前提到的上传单张照片的步骤类似，不过它允许用户一次上传多张照片，从而实现批量生成的目的。这样一来，用户便能在短短10分钟内，轻松制作出包含多种风格的AI写真集。换言之，利用此功能，用户可以在短时间内获得一系列个性化的照片作品。

EasyPhoto其实可以不只处理一张人脸，像是和闺蜜或者家人朋友一起拍写真的话可以生成多人的写真集。

要做得也很简单，在训练时分别训练好两个人的模型然后生成时分别填写上对应的User_id即可。

当然，EasyPhoto这款软件还提供了更为高级的玩法，比如在其基础上融入了SDXL的微调模型。这一创新使得EasyPhoto能够直接新增一个功能区域，让用户能够在同一页面上完成底图生成、微调、训练以及成果输出的整个过程。这样一来，用户可以更加便捷地利用EasyPhoto软件，享受到更为高效的使用体验。

想要使用这个7G大小、需显存16GB以上的SDXL模型，对于大多数显卡来说，的确是一个挑战。然而，对于那些对此感兴趣的朋友们来说，我们可以推荐使用之前了解的在线部署方式。

以前是我不懂事买了办公本，现在我只想好好学画画（Stable Diffusion番外篇-SD的在线部署）

白嫖的东西谁不喜欢？（Stable Diffusion番外篇-阿里云线上部署）

在选择显卡时，建议挑选一款较大型的现有机型，以确保在中高画质设置下能够稳定运行。当然，EasyPhoto的其他功能，如这两篇文章所介绍的，对显存需求并不高，因此即使选择了较大的显卡，也不会对性能产生太大影响，可以放心使用。

今天的课程就到这里结束啦！

说实话只是一个补充篇所以内容还是比较少的，不过我发现Stable Diffusion的官方在11月28号发布了个新东西，我还是很感兴趣的，后续会研究学习下。