选对写实模型并确认兼容性
进入“模型广场”，筛选类型为“写实”或“Photorealistic”的模型，优先加载F.1超清纯感人像写实或xl-ill-写实风格。这两款模型经哈苏/飞思中画幅人像数据微调，原生支持皮肤次表面散射模拟，能呈现更真实肤质。
点击模型卡片右下角“详情”，滚动到底部——必须确认“兼容LoRA”和“支持ControlNet”两项都已打钩。若任一缺失，后续所有精修操作都将失效，导致无法实现个性化调整。
【严禁选用ReVAnimated、Anything V5等动漫向模型】——它们会强制注入二次元骨骼比例与高饱和色偏，哪怕加入realistic提示词也难以挽回写实效果。
小提示：确认兼容性后，建议先测试一次基础生成，确保模型效果符合预期，再进行后续调整。
构建三层提示词结构
正向提示词必须按顺序分层嵌入：首段写实锚点，中段身份定义，末段物理细节。这种结构能引导模型准确识别写实生成路径。
第一步：写实锚点
在最开头插入固定锚点组：realistic, photorealistic, photo, 8k, best quality, masterpiece, ultra-detailed, high detailed skin。这组词是模型识别写实路径的开关信号，缺一则整条链路降级为默认风格，导致头像失去真实感。
第二步：身份描述
紧接主体描述，格式为“a professional [职业] portrait of [性别]+[年龄段], front-facing, upper body, sharp focus on eyes”。例如“a professional brand strategist portrait of female+32, front-facing, upper body, sharp focus on eyes”。【职业、性别、年龄段必须写实，不能写‘职场精英’‘知性女性’】——否则AI会自由补全西装+领带+办公室背景，彻底脱离本人特征。
第三步：材质与光影
追加材质与光影修饰项：subsurface scattering on skin, natural pore texture, soft directional lighting, shallow depth of field。这些短语直接调用模型训练时学习到的皮肤光学散射模型，不加则容易出现塑料感或油光脸，影响整体辨识度。
小提示：提示词顺序不可随意调整，否则模型可能无法正确解析写实路径，导致生成结果偏离预期。
配置关键生成参数
CFG Scale设为3.5（F.1模型专用值），采样步数设为30，分辨率选1024×1024。此参数组合能兼顾细节与稳定性。
若使用FLUX系列写实模型，则CFG Scale须改为0.51，步数控制在25–28之间——错配会导致人脸结构崩解或肤色灰暗，严重影响头像质量。
启用ControlNet双通道：OpenPose锁定姿态，SoftEdge强化轮廓线。二者缺一不可，否则微表情和颈部过渡会失真，降低头像的真实感。
小提示：参数设置后，建议先预览小尺寸效果，确认无误后再生成大图，避免资源浪费。
图生图微调提升辨识度
方法一：基于本人照片微调
上传本人高清正面半身照，开启图生图模式，重绘幅度设为0.45–0.55，在正向提示词末尾追加局部指令，例如“left cheek freckle enhanced, right eyebrow slightly thicker, nose bridge sharpened”。这些细节能让头像更贴合个人特征。
方法二：使用ADetailer插件
用ADetailer插件自动修复五官：先勾选“Enable ADetailer”，再设置“Face model: face_yolov8n.pt”，最后点击“生成”。这一步能纠正AI常犯的瞳孔偏移、耳垂变形、发际线锯齿等问题，确保五官精准自然。
每次微调后务必固定Seed值——复制首次满意结果的Seed，后续所有迭代都粘贴复用，否则特征一致性无法保障，头像会反复变化。
小提示：记录每次微调的Seed值，方便后续回溯和对比，快速找到最佳效果。
常见问题
模型不兼容LoRA或ControlNet怎么办？
选择其他兼容性更好的写实模型，或先确认模型详情页是否支持。如果仍不兼容，可尝试手动加载LoRA和ControlNet，但效果可能不稳定，建议优先使用官方推荐的兼容模型，以免影响头像质量。
提示词中写实锚点缺失会怎样？
模型可能无法识别写实路径，导致生成结果偏动漫或虚幻风格，头像失去真实感。务必在提示词开头包含realistic, photorealistic等关键词，确保模型按写实方向生成。
参数设置后生成效果不佳怎么办？
检查CFG Scale是否匹配模型，步数是否合适。对于F.1模型，CFG Scale应在3.5左右；对于FLUX系列，应在0.51左右。同时确认ControlNet双通道已启用，并检查提示词结构是否完整，确保各环节无误。
总结：生成高辨识度头像的关键在于模型选择、提示词结构和参数设置三方面的同步优化。遵循以上步骤，即可产出符合个人特征、不撞脸的头像，减少无效尝试，快速获得理想效果。