图生图与垫图实战：用参考图控制构图与人物一致性

图生图（img2img）指上传一张图片作为底稿，模型在这张图的基础上重新绘制，输出一张与原图结构相近的新图。垫图（参考图）则更进一步：模型把参考图当作视觉依据，用来锁定人物长相、画风或构图，而不只是换个背景。两种方式经常组合使用，是参考图玩法的两个基本动作。

一般而言，想「保留这张图的骨架、只换部分内容」时用图生图；想「以这张图的人物为准，批量生成新场景」时靠垫图控制一致性。纯文生图没有视觉依据，全靠文字碰运气；一旦有了参考图，结果就从「随机抽奖」变成「可控调整」，这也是后面所有一致性玩法的基础。

图生图通常有一个「重绘幅度」参数，有些平台叫去噪强度或相似度，它决定新图偏离原图的程度。幅度越低，输出越贴近原图；幅度越高，模型改动越自由，但人物和细节也越容易走样。

通用思路是：想微调画面（换背景、调光线、改服装颜色）用中等幅度；想保留姿势和构图（人物动作、镜头角度都不能变）用低幅度；想大幅改造甚至接近重画，才用高幅度。这个参数没有万能数值，不同模型和平台的取值范围、默认值都不一样，建议从中间值试起，每次小步调整，观察画面的变化方向再决定增减。幅度调过头的两种典型翻车：太低时背景纹丝不动，太高时人物换了张脸。

最常见的诉求是「人不变，背景换」，比如把室内照换成海边、把白天改成黄昏。这类任务一般用中等重绘幅度：模型既有足够空间重画背景，又不至于把人物五官和体型改掉。

更稳妥的做法是配合局部重绘：用蒙版把人物圈出来保护，只对背景区域做较大改动，人物区域保持低幅度甚至不参与重绘，这样背景可以大刀阔斧地换，人物却几乎不动。多数主流图生图工具通常都支持蒙版功能，用法大同小异：涂抹想改的区域，写下新背景的描述，然后生成。

当姿势和构图本身就是重点时，比如按固定模板批量出图，或让一组图片保持同样的镜头角度，应该使用低重绘幅度。低幅度下模型主要做表面翻新：光影、质感和色调会变，人物的动作、肢体位置和画面布局基本保留。这种低幅度改写也常用来统一套图的色调风格。

低幅度也有代价：它很难大幅修改内容。如果想在保姿势的同时换服装或换发型，低幅度往往改不动，这时要么适当提高幅度，要么用局部重绘只处理想改的部位。判断标准很简单：看输出像不像原图的近亲，太像就加一点幅度，人物开始变形就减一点。

让同一个人出现在多张图里，是参考图最有价值、也最容易翻车的用法。通用的做法是「三件套」：固定随机种子、固定人物描述、固定使用同一张参考图。

种子相同，模型的随机起点就一致；文字里对人物外貌的描述（发型、脸型、服饰特征）每次保持一字不差；再叠加同一张人物参考图，三者互相约束，跨图相似度通常明显高于只靠文字描述。不少工具一般还支持参考图权重或多参考图输入，可以把脸部参考和风格参考分开给，脸部权重略高一些。另外，一致性最好一次只锁定一个角色；画面里要出现多个角色时，各自的参考图应分开对应，否则五官容易互相串。即便如此，多张图之间仍会有细微差别，这是目前技术的常态：建议一次生成多张，挑最接近的一张，必要时以它为新参考图继续迭代。

图生视频一般支持「首帧」用法：上传一张图片作为视频的第一帧，画面从这张图开始动起来。首帧质量直接决定整段视频的观感，因此常见流程是先用图生图把首帧打磨到位，构图、人物、光线都满意之后，再交给视频模型添加运动。首帧本身也可以直接用文生图产出，再进入视频环节。

给首帧任务写提示词时，重点应放在「怎么动」上：镜头推拉、人物动作、环境变化，而不是重复描述画面里已有的内容。部分工具通常还支持首尾帧模式：再给一张结束画面，模型自动补出中间的过渡，适合做转场或循环动画。

有了参考图，文字并没有失业，而是换了分工：参考图负责「长什么样」，文字负责「改什么、要什么」。配合得当的写法是：要保留的主体简短带过，因为图里已经有了；把篇幅留给要改变的部分，也就是新背景、新光线、新动作、新风格。举例来说，参考图给了一张站立的人物，文字写「同一人物，黄昏的海边，逆光，风衣被风吹起」，通常比大段重复外貌描述有效得多。

常见错误有两种。一是文字与参考图严重冲突，比如图里是短发、文字却写长发，模型左右为难，输出容易混乱；二是文字把画面描述得过于详细，反而干扰了参考图的引导。经验法则是：参考图已经表达清楚的内容不必重复，文字只补充图里没有的信息，并明确指出哪些要变、哪些不变。