企业官网建设流程全解析

SenseNova-U1.5-8B-MoT-pose-bf16是 SenseNova-U1.5-8B-MoT 的**姿态迁移（pose transfer）**MLX 版本权重：把 RefControl 姿态 LoRA 合并进基座模型并转为 bf16，专为 Apple Silicon 设计。给定一张 OpenPose 风格骨骼图和一张人物参考图，它就能让人物"穿上"目标姿势，同时保留身份、服装与场景。本文手把手讲清width/height（分辨率）、steps（采样步数）、cfg（引导强度）三个核心参数怎么选，并附常用参数速查表，帮你快速出图、少走弯路。

这个模型能做什么：双参考图姿态迁移

它属于two-reference edit（双参考图编辑），两张图的角色固定且顺序不能反：

⚠️ 一个新手最常踩的坑：如果两张图传反了，模型会直接复现参考图自己的姿势，完全忽略骨骼图——看起来像是"参数没生效"，其实只是槽位错了。

快速上手：一条命令跑通 pose-bf16 推理

先获取权重仓库：

git clone https://gitcode.com/hf_mirrors/mlx-community/SenseNova-U1.5-8B-MoT-pose-bf16

然后用配套 CLI 执行一次标准的 768×768 / 28 步 / cfg 4.0 推理（这正是 README.md 给出的官方推荐组合）：

sensenova-cli --weights SenseNova-U1.5-8B-MoT-pose-bf16 \ --edit-image skeleton.png --edit-image identity.jpg \ --prompt $'Image-1: <image>\nImage-2: <image>\napply pose from image 1 with reference from image 2' \ --width 768 --height 768 --steps 28 --cfg 4.0 --out posed.npy

在 Swift 侧通过MLXEngine包装调用时，参数写进IEditRequest：

let response = try await package.run( IEditRequest( images: [skeleton, identity], // 1 = 姿势，2 = 外观 prompt: SenseNovaVariant.posePrompt, width: 768, height: 768, steps: 28, seed: 42))

注意seed固定为 42 的意义：调参对比时必须固定 seed，否则每次结果都不同，你无法判断变化来自参数还是随机性。

核心参数一：分辨率（--width / --height）怎么选

模型内部的像素约束记录在 config.json 中：

• min_pixels: 65536（约 256×256）——低于此值会先被放大处理
• max_pixels: 16777216（即 4096×4096）——总像素上限
• patch_size: 16——图像按 16×16 切块编码，宽高取 16 的倍数最稳妥

选择原则：

1. 默认就用 768×768，这是 README 验证过的基准档位，姿势还原与身份保持的平衡点。
2. 竖构图（站姿全身）用720×960或640×832一类比例，比把全身图塞进正方形再裁切更自然。
3. 想要更高清可以上探到1024×1024 / 1344×1024，但显存与耗时近似随总像素平方增长，M 系芯片上收益明显递减。
4. 超过 4096×4096 总像素没有意义，会触碰max_pixels上限被压缩。

💡 建议：先用 768×768 确认姿势、身份都对了，再放大分辨率出成品图。

核心参数二：steps（采样步数）怎么选

steps 是扩散过程的迭代次数，直接决定画质与耗时的取舍：

经验法则：

• steps 从 10 提到 28 时画质提升巨大；从 28 提到 40 只提升一点点。
• 如果 16 步草稿的姿势就已经歪了，加 steps 救不回来——那是 cfg 或槽位的问题，不是步数的问题。
• 在 M5 Max 上加载 pose-bf16 后常驻内存约35.1 GB，步数翻倍耗时也大致翻倍，批量任务建议先用低 steps 过一遍。

核心参数三：cfg（引导强度）怎么选

cfg（guidance scale）控制模型"听话程度"——对提示词、骨骼图约束的跟随强度：

排查顺序建议：

1. 姿势不对 → 先确认两张图槽位没传反；
2. 姿势基本对但"不贴骨" → cfg 从 4.0 提到 5.0 再试；
3. 贴住了但皮肤/衣物出现涂抹感、色彩过冲 → cfg 降回 3.0–3.5；
4. 身份漂移（换脸、衣服变色） → 保持 cfg ≤ 4.0，并降低 steps 或换 seed 复测。

官方推荐参数速查表

bf16 还是 8bit：该选哪个精度？

根据 README.md 的说明：

• pose-8bit（约 19.0 GB）在全部 5 个 held-out 测试用例上与 pose-bf16 渲染结果一致，是推荐档位；
• pose-bf16（本仓库，约 35.1 GB 常驻）保留参考精度，适合需要最高保真度的对比与验证工作。

📌 如果你的 Mac 统一内存紧张（比如 32 GB 机型），请优先使用 pose-8bit；本仓库的 bf16 权重适合 48 GB 及以上的 M 系设备。

关键文件说明

补充一点：这属于基座权重合并（base-checkpoint merge）而非蒸馏——文本生图、think 模式、视觉问答在这些权重上依然可用，只是生成流带姿态偏向；纯生图需求请选用基础档位而非 pose 档位。

常见问题 FAQ

Q：姿势完全没生效？先检查槽位：Image 1 必须是骨骼图，Image 2 是人物图。传反了模型只会复现参考图自身姿势。

Q：人物脸/衣服变样了？身份保持是模型强项，漂移多半来自 cfg 偏高或 steps 过高，回到 4.0 / 28 再微调。

Q：耗时太长？依次尝试：steps 降到 16 → 分辨率降到 640×640 → 换 pose-8bit。

Q：输出结果格式？CLI 默认输出.npy（如--out posed.npy），Swift 侧直接拿响应像素数据，可自行编码为 PNG。

总结

• 分辨率：768×768 起步，宽高取 16 的倍数，总像素别超 4096×4096；
• steps：28 是官方平衡点，16 步快速试错，32+ 精修；
• cfg：4.0 起步，"不贴骨"调高、"过饱和"调低；
• 固定 seed做 A/B 对比，内存紧张就换pose-8bit，画质无损还省一半内存。

按这套流程调参，绝大多数姿态迁移场景都能在第一轮就拿到满意结果。