企业官网建设流程全解析

Stable Diffusion 出图最让人抓狂的瞬间，往往不是构图崩了，也不是风格跑偏，而是整张图氛围、光影、服装全都对，唯独人脸糊成一团——远看是个美人，放大一看五官像被橡皮擦蹭过。尤其是全身照、大场景、多人合影这类构图，脸部占的像素本来就少，基础模型再强也架不住分辨率被摊薄。很多人第一反应是把整张图丢进图生图重绘，结果脸是清楚了，衣服纹理、背景细节、手部姿态全跟着变了，等于为了修一颗牙把整口牙重做了一遍。

ADetailer 就是冲着这个痛点来的。它的思路非常朴素：先让主模型把整张图正常画完，然后自动检测出画面里的人脸（以及手、身体等区域），把这些区域单独裁出来，放大到足够的分辨率，再用一个专门的面部模型做一次局部重绘，最后无缝贴回原图。整个过程只动脸，不动其他任何像素。这篇内容我会把 ADetailer 的检测机制、模型搭配、参数调优、常见翻车场景全部拆开讲，从"为什么整图重绘修不好脸"讲到"怎么让修复后的脸和原图光影完全咬合"，适合刚接触 Stable Diffusion 想解决人脸问题的新手，也适合已经用过 ADetailer 但总觉得效果时好时坏、想搞清楚参数背后逻辑的老用户。

1. 为什么整图重绘修不好一张小脸

1.1 分辨率摊薄是根子上的问题

要理解 ADetailer 的价值，得先理解 Stable Diffusion 出图时像素是怎么分配的。假设你出一张 512×768 的竖构图全身像，人物从头到脚占满画面，那么头部区域大概只占整张图高度的八分之一到十分之一，换算成像素差不多是 60×80 左右。这个尺寸下，眼睛可能只有几个像素宽，模型根本没有足够的信息去刻画睫毛、瞳孔高光、唇线这些细节。它只能"猜"一个大概的五官布局，猜得对不对全看运气。

有人会说，那我直接出 1024×1536 不就行了？分辨率提高确实能缓解，但带来两个新问题。第一是显存和速度成本翻倍甚至更多，第二是 SD 1.5 系列模型在超过 768 的尺寸上容易出现构图重复、多头多手的问题，因为它的训练分辨率就摆在那里。SDXL 虽然原生支持 1024，但全身照的脸部像素依然不够看。所以"提高整图分辨率"这条路，性价比并不高。

ADetailer 的做法相当于换了个思路：既然脸小，那就把脸单独抠出来放大。一张 60×80 的脸，裁出来之后用 latent 放大到 512×512 再重绘，等于给模型提供了 40 多倍的像素信息，细节自然就出来了。这跟修图师在 Photoshop 里把脸部选区单独放大精修的思路完全一致，只不过 ADetailer 把这一套流程自动化了。

1.2 局部重绘和整图重绘的本质差异

整图图生图（img2img）的问题在于，重绘幅度（denoising strength）这个参数是全局的。你为了让脸变清晰，把重绘幅度调到 0.4 以上，那么整张图所有区域都会按这个幅度重新生成。衣服的褶皱、背景的纹理、手指的关节，全都会被模型"重新想象"一遍。原本画得好好的部分，反而可能被改坏。而如果你把重绘幅度压低到 0.2，脸又几乎没变化，等于白修。

ADetailer 用的是 inpaint（局部重绘）逻辑，它通过蒙版把重绘范围严格限制在检测框内，框外的像素一个都不碰。这意味着你可以放心地把脸部重绘幅度拉到 0.4 甚至 0.5，让模型大胆地重建五官，而完全不用担心背景和服装被牵连。这个"隔离"特性是它最核心的价值，也是它和整图重绘最本质的区别。

还有一个容易被忽略的点：ADetailer 在重绘前会把裁出来的脸部区域放大，重绘完再缩回原尺寸贴回去。这个"放大-重绘-缩小"的过程本身就带来了一次隐性的超分效果，即使重绘幅度设得很低，贴回去的脸也会比原来更锐利。这就是为什么很多人第一次用 ADetailer 会觉得"怎么什么都没调脸就变清楚了"。

1.3 什么情况下必须上 ADetailer

不是所有图都需要 ADetailer。半身像、特写、脸部占比超过画面五分之一的构图，基础模型直接出的脸通常已经够用，强行上 ADetailer 反而可能因为检测框裁得太紧导致脸部边缘出现接缝。但以下几类场景，基本是 ADetailer 的刚需区：

• 全身照、大场景人像：脸部像素严重不足，必上。
• 多人合影：每个人脸都小，而且基础模型经常把多张脸画得互相污染，ADetailer 可以逐张脸独立修复。
• 远景、俯拍、广角构图：人物在画面中占比小，脸部细节全靠 ADetailer 补。
• 需要放大出图的商业稿：即使原图脸还行，放大后也会暴露细节不足，提前用 ADetailer 修一遍能省掉后期很多事。

反过来，如果你出的是头像、半身特写，或者风格化很强的插画（比如厚涂、像素风），ADetailer 的检测模型可能识别不准，或者重绘后风格和原图对不上，这时候要谨慎使用，或者换用专门针对该风格的检测模型。

2. ADetailer 的检测机制与模型体系拆解

2.1 它到底是怎么"找到脸"的

ADetailer 本身不是一个生成模型，它更像一个调度器。它的工作流程可以拆成四步：检测、裁剪、重绘、回贴。其中"检测"这一步依赖的是外部的目标检测模型，最常见的是 YOLO 系列的人脸检测器。这些检测器是在大量标注数据上训练出来的，专门负责在图像中框出人脸的位置和范围，输出一组边界框坐标。

这里有个关键认知：ADetailer 的检测精度直接决定了修复质量的上限。如果检测框没框住整张脸（比如只框到了眼睛区域），那么重绘时就只有眼睛附近被处理，下巴、额头还是糊的；如果框得太大，把头发、背景也框进去了，重绘时模型可能会在框内重新生成一些莫名其妙的东西。所以选对检测模型、调好检测阈值，比调重绘参数更重要。

检测阈值（confidence threshold）这个参数值得单独说。它控制的是"检测器有多确信才认为这是一个脸"。阈值设高了，检测器只框它非常有把握的脸，漏检率上升，多人图里可能只修了一部分人；阈值设低了，误检率上升，可能把背景里某个圆形图案当成脸去修。默认值通常在 0.3 到 0.5 之间，多人图建议往低调到 0.3 左右保证不漏，单人图可以适当调高避免误检。

2.2 常用检测模型怎么选

ADetailer 生态里流通的检测模型有好几种，各自定位不同，选错了会出现"检测不到"或"框不准"的问题。下面这张表是我实际用下来总结的对照，参数和适用场景都来自反复测试：

新手最容易犯的错是拿 person 模型去修脸。person 模型框的是整个人，重绘时等于把整个人重新画一遍，脸是清楚了，但衣服、姿态全变了，完全违背了"只修脸"的初衷。修脸就用 face 系列，这是铁律。至于 n 版和 s 版的选择，单人图用 n 版足够，多人图或者人物在画面中占比很小的情况，建议直接上 s 版，多花的那点时间换来的是不漏检。

2.3 重绘模型（checkpoint）的搭配逻辑

检测模型负责找脸，重绘模型负责画脸，这两个是分开配置的。ADetailer 允许你为面部重绘单独指定一个 checkpoint，这一点非常关键。很多人修脸效果不好，问题就出在重绘模型和主模型不匹配上。

基本原则是：面部重绘模型应该和主模型同源或同风格。如果你主图用的是写实系模型，面部重绘却挂了一个二次元模型，修出来的脸会像贴上去的，风格完全割裂。反过来，主图是二次元插画，面部重绘用写实模型，脸会变得诡异。最稳妥的做法是面部重绘直接用主模型本身，这样风格天然一致。如果主模型的脸部表现力一般，可以换一个同风格但脸部更强的模型，比如写实系里专门优化过人脸的那些。

还有一个进阶技巧：面部重绘的提示词可以和主提示词不同。主提示词里可能有一堆场景、服装、光影的描述，这些对面部重绘没用甚至有害。面部重绘的提示词应该聚焦在五官、肤质、表情上，比如"detailed eyes, sharp focus, smooth skin, natural lighting"，把场景词全部去掉。这样模型在重绘脸部时注意力更集中，不会被无关信息干扰。

3. 参数调优：让修复后的脸和原图严丝合缝

3.1 重绘幅度（denoising strength）的取舍

重绘幅度是 ADetailer 里最需要拿捏的参数，没有之一。它决定了模型在多大程度上"重新画"这张脸。设得太低（0.2 以下），脸几乎没变化，等于没修；设得太高（0.6 以上），模型会完全抛弃原图的脸部信息，重新生成一张脸，结果就是"换脸"而不是"修脸"，五官可能和原图对不上，甚至表情都变了。

我的经验区间是0.35 到 0.45。这个区间内，模型会保留原图的脸型、五官大致位置和表情，同时补足细节。具体怎么定，看原图脸部的崩坏程度：如果只是糊、缺细节，0.35 就够；如果五官已经明显变形、眼睛不对称，可以上到 0.45 让它多改一点。超过 0.5 就要非常小心，尤其是多人图，很容易出现"每个人都换了张脸"的情况。

这里有个反直觉的点：重绘幅度不是越高越清晰。很多人以为调高就能让脸更锐，实际上超过某个点之后，模型开始自由发挥，反而可能生成一张和原图光影不匹配的脸，贴回去之后脸上像打了不一样的光，特别假。清晰度主要靠"放大-重绘-缩小"这个流程本身来保证，重绘幅度负责的是"改多少"，不是"多清晰"。

3.2 蒙版羽化与接缝处理

ADetailer 把修好的脸贴回原图时，如果蒙版边缘是硬切的，就会出现一条明显的接缝——脸和脖子、脸和头发的交界处有一条不自然的线。这个问题在浅色背景或者脸部边缘有复杂发丝的时候特别明显。

解决办法是开蒙版羽化（mask blur）。羽化会让蒙版的边缘产生一个渐变过渡，贴回时脸部和周围像素是柔和融合的，接缝就消失了。羽化值一般设 4 到 8 像素，太小起不到作用，太大会让修复区域边缘变模糊，反而损失细节。这个参数在 ADetailer 的设置里通常叫 mask blur，不同版本位置略有差异，但逻辑是一样的。

还有一个相关参数是蒙版扩张（mask dilation / inpaint padding），它控制检测框向外扩多少像素。适当扩张可以让重绘区域覆盖到脸和脖子、脸和头发的过渡带，避免修复区域边缘出现"断层"。一般扩张 4 到 16 像素比较合适，具体看脸在画面中的大小，脸越小扩张值相对可以大一点。

3.3 放大倍数与重绘分辨率的匹配

ADetailer 在重绘前会把检测到的脸部区域放大到一个目标分辨率。这个目标分辨率设多少，直接影响重绘质量和显存占用。设得太小（比如 256），模型拿到的信息还是不够，修出来提升有限；设得太大（比如 1024），显存吃紧，而且对于一张原本只有 60×80 的脸，放大到 1024 属于过度插值，模型可能生成一些原图没有的"想象细节"，导致和原图对不上。

比较稳妥的做法是让重绘分辨率落在512 到 768之间。这个区间既能给模型足够的像素去刻画五官，又不会过度放大引入失真。如果原图脸部本身就比较大（比如半身像），重绘分辨率可以适当降低到 512，避免无谓的算力浪费。另外要注意，重绘分辨率最好和重绘模型的原生训练分辨率接近，SD 1.5 系用 512，SDXL 系用 1024，这样模型发挥最稳定。

4. 实战流程：从出图到修复的完整链路

4.1 主图生成阶段的预留意识

很多人是等图出完了、发现脸糊了，才想起来开 ADetailer 补救。其实更高效的做法是在出图阶段就为修复留好余地。具体来说，主图生成时不要把重绘幅度、CFG 这些参数压得太死，给后续修复留一点空间。更重要的是，主图的构图要尽量让人脸有足够的像素——哪怕最终要上 ADetailer，一张脸部像素稍多的原图，修复效果也明显好于脸部只有几十像素的原图。

实际操作中，我会在主图生成时就把 ADetailer 挂上，让它和主图一次性出完。这样省去了"出图-发现糊-再修"的来回，效率高很多。ADetailer 作为脚本挂在文生图流程里，主图生成完自动触发面部检测和重绘，整个链路是串起来的。第一次配置好之后，后续出图基本不用再管，除非遇到特殊构图需要临时调参。

4.2 一次完整的参数配置示例

下面给一套我常用的、适配 SD 1.5 写实系全身像的配置，可以直接抄作业，再根据实际效果微调：

ADetailer 配置（第一单元，面部）： - 检测模型：face_yolov8s - 检测置信度阈值：0.3 - 重绘模型：与主模型相同（或同风格写实模型） - 重绘提示词：detailed face, sharp eyes, smooth skin, natural lighting, high quality - 负面提示词：blurry, deformed, asymmetric eyes, extra fingers - 重绘幅度（denoising）：0.4 - 重绘分辨率（inpaint width/height）：512 - 蒙版羽化（mask blur）：6 - 蒙版扩张（inpaint padding）：12 - 最大检测数量：0（不限制，多人图全部修）

这套配置的逻辑是：检测阈值放低保证不漏脸，重绘幅度取中间值兼顾保真和细节，羽化和扩张保证接缝自然，重绘分辨率对齐 SD 1.5 的原生 512。多人图把最大检测数量设为 0 表示不限制，让每一张脸都被处理；如果只想修主角，可以设成 1 或 2。

4.3 多人图的特殊处理

多人合影是 ADetailer 最能体现价值的场景，也是最容易翻车的场景。翻车点主要有两个：一是检测漏人，二是多张脸重绘后风格不统一。

检测漏人的问题，前面说过，把置信度阈值降到 0.3 甚至 0.25，换用 s 版检测模型，基本能解决。如果还是漏，可以开第二个 ADetailer 单元，用不同的检测模型再扫一遍，两个单元的检测结果会合并。风格不统一的问题更隐蔽——同一个重绘模型，对不同的脸可能生成不同的肤质、不同的光照方向，修完之后几个人像来自不同的图。解决办法是确保所有脸用同一个重绘模型、同一套提示词、同一个重绘幅度，不要给不同的人设不同参数。另外，如果原图光照方向明确（比如侧光），在重绘提示词里加上对应的光照描述，能帮助模型保持光照一致。

还有一个多人图特有的坑：脸挨得近的时候，检测框可能重叠，重绘时两张脸会互相干扰。这种情况可以适当减小蒙版扩张值，让每个框尽量只覆盖自己的脸，减少重叠区域的冲突。

5. 那些年踩过的坑与排查思路

5.1 修完脸变"塑料"了

这是最常见的抱怨：ADetailer 修完，脸是清楚了，但透着一股假，像磨皮磨过头的美颜相机。根本原因通常是重绘幅度偏高加上重绘提示词里堆了太多"high quality, masterpiece, best quality"这类词，模型被引导去生成一张"完美但失真"的脸。

排查顺序是这样的：先看重绘幅度是不是超过 0.5，超了就往下调；再看重绘提示词是不是堆了太多质量词，把提示词精简到只保留五官和肤质描述；最后看重绘模型是不是和主模型风格不一致，不一致就换成主模型本身。这三步走完，塑料感基本能消掉大半。还有一个容易被忽略的点：如果主图本身的光影比较柔和、有颗粒感，而重绘模型生成的脸过于干净锐利，也会显得假，这时候可以在重绘提示词里加上"film grain, soft lighting"之类的词，让质感往原图靠。

5.2 检测不到脸，或者框歪了

检测不到脸的情况，先确认检测模型选对了没有——拿 person 模型修脸、拿 face 模型修手，都是低级但常见的错误。确认模型没错之后，看置信度阈值是不是设太高，往低调。如果还是不行，看原图的脸是不是被遮挡、侧脸角度太大、或者分辨率太低，这些情况 YOLO 检测器确实容易失效。

框歪了的表现是修复区域偏移，脸的一部分被修了、另一部分没修，或者把头发、背景也修了。这通常是检测框本身不准，可以尝试换一个检测模型（n 版换 s 版，或者换 mediapipe），或者调整蒙版扩张值让覆盖范围更合理。还有一种情况是原图的脸部有强烈风格化（比如厚涂、油画），检测器按写实人脸的特征去框，自然框不准，这种图建议手动圈定区域用普通 inpaint 修，别硬套 ADetailer。

5.3 修复后脸和身体光影对不上

这个问题在多光源、强侧光、逆光的图里特别突出。ADetailer 重绘脸部时，模型是根据重绘提示词和它自己的理解去打光的，如果提示词里没提光照，它可能默认给一个正面平光，贴回原图后脸是亮的、身体是暗的，割裂感极强。

解决办法是在重绘提示词里明确描述光照，比如"side lighting from left, warm light, shadow on right side of face"，让模型按原图的光照方向去画。更彻底的办法是把原图的光照信息通过 ControlNet 传给重绘过程，但这需要额外的配置，对新手来说先用提示词控制就够了。另外，重绘幅度越低，光影越容易和原图保持一致，所以光影对不上的时候，优先考虑降重绘幅度，而不是加提示词。

5.4 手部修复的额外注意事项

虽然这篇主要讲面部，但 ADetailer 修手也是高频需求，顺带说几个坑。手部检测模型（hand_yolov8s）对姿态很敏感，手指交叠、握拳、手部被遮挡的情况经常框不准或者框不全。修手时重绘幅度要比修脸更低，0.3 左右比较稳，太高容易把手指数量改错。而且手部修复最好配合负面提示词里加强"extra fingers, fused fingers, bad hands"，双管齐下。手部修复失败率天然比面部高，如果修了两三次还是不理想，别死磕，回主图重新生成一张手部姿态更简单的图，往往比反复修更省时间。

6. 进阶玩法：把 ADetailer 用出花来

6.1 多单元串联：脸、手、身体分而治之

ADetailer 支持挂多个单元，每个单元独立配置检测模型和重绘参数。这意味着你可以一个单元修脸、一个单元修手、一个单元修身体，各用各的模型和参数，互不干扰。这个玩法在出全身商业稿的时候特别有用——脸用高精度 face 模型配 0.4 重绘幅度，手用 hand 模型配 0.3 重绘幅度，身体用 person 模型配 0.25 重绘幅度做整体锐化，三层叠加下来，整张图的细节水平能上一个台阶。

多单元串联的注意点是顺序和算力。单元是按顺序执行的，脸先修、手后修，如果手的位置和脸有重叠（比如托腮），后修的手可能会覆盖先修的脸的一部分，需要留意。算力方面，每多一个单元就多一次检测和重绘，出图时间线性增加，配置不高的机器建议一次最多挂两个单元。

6.2 配合 ControlNet 做精准约束

ADetailer 的重绘过程本身可以挂 ControlNet，用来约束修复后的脸和原图保持结构一致。最常用的是在面部重绘时挂一个 soft edge 或者 lineart 的 ControlNet，把原图脸部的轮廓线提取出来作为约束，这样重绘出来的五官位置、脸型走向会和原图高度吻合，避免"换脸"。这个技巧在修那些"脸糊但轮廓还在"的图时效果拔群，等于告诉模型"细节你随便补，但形状得按原图来"。

配置上，在 ADetailer 单元里启用 ControlNet，选择对应的预处理器和模型，控制权重设 0.5 到 0.7 之间。权重太低约束不住，太高又会限制模型补细节的自由度。这个玩法对显存有一定要求，因为相当于在重绘时多跑一个 ControlNet 前向，显存紧张的机器要权衡一下。

6.3 用 ADetailer 做批量出图的稳定性保障

批量出图的时候，最怕的就是几十张图里混进几张脸崩的，事后一张张挑出来重修非常耗神。把 ADetailer 固定挂在批量流程里，等于给每一张图都上了一道面部保险，出图合格率能明显提升。尤其是做角色设定图、表情包、连续分镜这类需要大量出图的场景，ADetailer 的自动化修复能省掉大量后期筛选和返工的时间。

批量场景下建议把参数调得保守一点，重绘幅度 0.35 左右，宁可修得轻一点也不要修过头，因为批量出图你没法逐张检查，修过头的图混在里面反而更难发现。检测阈值也建议设低一点，保证不漏检，误检的脸大不了多修一次，漏检的脸就是硬伤。

7. 关于效果预期的一点个人体会

ADetailer 不是万能的，它的能力边界很清晰：它能解决"脸小导致细节不足"的问题，能解决"多人图脸部互相污染"的问题，但它解决不了"主模型根本不会画某种脸"的问题。如果主模型对某种人种、某种年龄、某种表情的脸本身就画不好，ADetailer 用同一个模型去修，修出来还是那个水平，只是更清晰而已。这种情况下换主模型比调 ADetailer 参数有用得多。

我在实际使用中最深的一个体会是：ADetailer 的参数没有一套放之四海皆准的最优解，它高度依赖你的主模型、你的构图、你的出图分辨率。网上抄来的参数只能作为起点，真正好用的参数是你自己在自己的常用工作流里反复试出来的。我的建议是固定一套基础配置，然后每次只改一个参数，观察变化，慢慢建立起对每个参数手感的直觉。这个过程急不得，但一旦建立起来，你看到一张图就知道该调哪个参数，效率会有质的提升。

另外一个容易被忽视的点是，ADetailer 修完的脸，最好还是放大到 100% 检查一遍再交付。缩略图上看不出问题的接缝、光影错位、五官轻微不对称，放大后一目了然。养成这个习惯，能避免很多返工。