企业官网建设流程全解析

1. 项目概述：从“脸崩”到“一键修复”的救星

在AI绘画，特别是使用Stable Diffusion生成全身人像时，你是否也经历过这样的绝望瞬间：精心构思的构图、华丽的服饰、完美的光影，一切看起来都那么美好——直到你把目光聚焦到人物的脸上。一张扭曲、模糊、五官错位甚至长出“克苏鲁”式触手的脸，瞬间让整幅作品沦为废稿。这个被圈内戏称为“脸崩”的问题，几乎是所有SD玩家从新手进阶到高手路上必须翻越的一座大山。

“脸崩”的根源，在于Stable Diffusion模型的工作原理。SD模型在生成图像时，会将整张画布划分为多个潜在空间区域进行处理。当生成分辨率有限（例如常见的512x512或768x768）的全身图时，分配给面部的像素区域可能只有几十甚至十几个像素点。对于模型而言，在如此有限的“画布”上精确描绘出复杂的五官结构、皮肤质感和表情细节，是一项极其困难的任务。它就像让一位画家在一枚邮票上画一幅肖像，细节的丢失和扭曲几乎是必然的。更棘手的是，即便你通过高清修复（Hires. fix）放大图像，模型也只是在已有扭曲的基础上进行“脑补”和细化，往往会让错误变得更加根深蒂固。

手动修复？那意味着你需要将脸部区域裁剪出来，导入图生图，重新写提示词，调整重绘幅度，生成数十张候选图，再挑选最合适的进行后期合成。这个过程繁琐、耗时，且对新手极不友好。而今天要深入探讨的ADetailer插件，正是为了解决这一痛点而生。它并非一个简单的“美颜”滤镜，而是一个基于检测模型和局部重绘的自动化工作流引擎。它能智能识别图像中的人脸（以及手部、身体等），自动将其分割出来，调用你指定的模型进行高精度重绘，最后无缝融合回原图。简单来说，它把上面那个繁琐的“手动修复”流程全自动化了，真正实现了“一键解决”。

本指南将不仅教你如何安装和使用ADetailer，更会深入剖析其背后的运作机制、参数设置的底层逻辑，并分享大量从实际创作中积累的、在官方文档里找不到的调参心得和避坑技巧。无论你是刚被“脸崩”困扰的新手，还是希望提升出图效率和质量的老手，这篇文章都将为你提供一套完整、可靠的解决方案。

2. ADetailer插件核心机制深度解析

要真正用好一个工具，必须理解它背后的原理。ADetailer（Automatic Detailed）插件的工作流程可以拆解为四个核心环节：检测、分割、重绘、融合。每一个环节的选择和参数设置，都直接影响最终输出的质量。

2.1 检测模型：决定“修哪里”的侦察兵

ADetailer的核心第一步是检测需要细化的区域。它内置并支持调用多种预训练的检测模型，最常见的是face_yolov8n.pt（用于人脸）和hand_yolov8n.pt（用于手部）。这里的“YOLOv8n”指的是“You Only Look Once”版本8的nano小型化模型，它以速度和精度的平衡著称。

• 为什么是YOLOv8？相比早期的检测器，YOLOv8在保持高速度的同时，对小目标的检测能力更强。这对于在低分辨率全身图中定位可能只占几十像素的人脸至关重要。插件作者选择它，正是看中了其效率和精度的完美结合。
• 模型选择策略：除了默认的人脸和手部模型，社区还提供了针对特定场景的模型，如全身人物检测、特定服装检测等。如果你的画面中有多个小尺寸人脸（如远景人群），使用默认模型可能漏检。此时，可以尝试更敏感的模型，或在提示词中强化对脸部的描述（如“clear face”, “detailed eyes”），为检测器提供上下文线索。
• 检测置信度阈值：这是一个关键参数。阈值设得太高（如0.7），插件可能只检测到那些非常明显、确信度高的脸，而忽略侧脸、模糊脸或小脸。阈值设得太低（如0.2），则可能把一些类似人脸的非人脸区域（如装饰图案、云朵）也错误地框选进来，导致不必要的重绘甚至破坏画面。通常，0.3-0.5是一个比较稳妥的起步范围。

2.2 分割与蒙版：划定“手术”的精确边界

检测到目标后，ADetailer会生成一个围绕该区域的边界框。但直接用一个方形框去重绘会导致两个问题：一是会重绘到背景，二是方形边缘在融合后可能产生不自然的接缝。因此，插件会进一步在边界框内进行语义分割，生成一个精确贴合目标（如脸部轮廓、发际线）的蒙版。

• 分割模型的作用：这个步骤确保了只有真正的“脸部”像素被送入重绘流程，背景被完美保护。这对于处理复杂发型（如飘散的发丝）或脸部与背景交界模糊的情况尤为重要。
• 蒙版膨胀与收缩：这是最容易被忽视但极其重要的微调参数。Mask dilation（蒙版膨胀）会让蒙版区域向外扩展几个像素，Mask erosion（蒙版收缩）则让其向内收缩。
  • 何时使用膨胀？当发现重绘后的脸部边缘与原图背景有轻微的白边或色差时，说明蒙版抠得太“紧”了，一些边缘像素没被重绘到。适当膨胀（如2-4像素）可以让重绘区域稍微覆盖到边缘，实现更平滑的融合。
  • 何时使用收缩？如果重绘后，人物的发梢或脸部最外侧的轮廓出现了不自然的“被吃掉”或变形，说明蒙版可能包含了太多背景或头发末梢。适当收缩（如1-2像素）可以保护这些精细结构。

2.3 重绘引擎：执行“换脸”手术的核心

这是ADetailer最强大的部分。它本质上在后台自动为你运行了一个小规模的“图生图”任务。

• 模型选择：你可以为ADetailer指定一个与主模型不同的专用重绘模型。这是解决“脸崩”的灵魂所在。通用的大模型为了兼顾万物，在人脸细节上必然有所妥协。因此，强烈建议专门为ADetailer配置一个擅长绘制亚洲或欧美面孔的写实人像大模型，或直接使用诸如epiCRealism、Realistic Vision这类以真实感人脸见长的模型。让专业的模型做专业的事，效果立竿见影。
• 提示词工程：ADetailer允许你为脸部重绘设置独立的正面和负面提示词。这里的提示词应该极度精简且聚焦于脸部特质。例如：
  • 正面提示词：perfect face, detailed eyes, symmetrical features, smooth skin, beautiful detailed lips（完美脸庞，细节丰富的眼睛，对称五官，光滑皮肤，美丽精致的嘴唇）
  • 负面提示词：deformed, blurry, bad anatomy, disfigured, poorly drawn face, mutation, mutated, extra limb, ugly（畸形，模糊，解剖结构错误，毁容，画工差的脸，突变，多余肢体，丑陋）
  • 关键技巧：避免在ADetailer提示词中加入与全局构图、场景、服装相关的描述。这些由主生成流程负责。ADetailer的提示词应像手术刀一样精准，只针对脸部品质。
• 重绘幅度与步数：Denoising strength（去噪强度，即重绘幅度）控制“手术”的激进程度。太高（>0.5）会导致生成的脸部与原始姿势、角度偏离太大，甚至换了一个人；太低（<0.3）则可能修复力度不足，残留扭曲。对于常规修复，0.35-0.45是甜点区。Steps（步数）则控制重绘的采样次数，通常无需设置过高，20-30步在配合良好模型的情况下已能产出高质量结果。

2.4 融合与后处理：让修复“天衣无缝”

重绘生成的新脸部图像，需要与原始全身图进行融合。ADetailer在这里提供了Inpaint Padding（内补边缘）选项。

• 原理：这个参数控制重绘区域周边多大范围的像素会参与融合计算。较大的Inpaint Padding（例如32-64像素）意味着融合算法能看到更多的上下文信息，有助于生成更协调的过渡区域，特别是肤色和光影的匹配。如果修复后脸部与脖子、头发交界处显得生硬，尝试调大这个值。
• 融合模型：在WebUI的“设置”->“修复”中，有一个“蒙版模糊”参数，它也会影响ADetailer的融合边缘平滑度。与Inpaint Padding协同调整，可以获得最自然的边缘。

注意：ADetailer的执行顺序是在主模型生成完成之后，高清修复（Hires. fix）之前。这意味着，如果你同时开启了ADetailer和Hires. fix，ADetailer会先修复脸部，然后Hires. fix再对整张图（包括已修复的脸部）进行放大和细节补充。这个顺序通常是合理的。

3. 从安装到精通：完整实操流程详解

理解了原理，我们来一步步完成从零开始到产出完美作品的整个过程。

3.1 插件安装与环境准备

ADetailer插件可以通过WebUI的“扩展”选项卡轻松安装。

1. 打开你的Stable Diffusion WebUI，切换到“扩展”标签页。
2. 选择“从网址安装”，在“扩展的git仓库网址”中输入：https://github.com/Bing-su/adetailer
3. 点击“安装”按钮。等待命令行提示安装成功。
4. 返回“已安装”标签页，点击“应用并重启用户界面”。重启后，你将在文生图或图生图页面的生成按钮下方，看到一个折叠的“ADetailer”面板。

除了插件本身，为了获得最佳效果，我强烈建议你提前准备以下资源：

• 一个优质的人像大模型：如前所述，这是关键。去你常用的模型网站，搜索“portrait”、“realistic”、“beautiful face”等关键词，下载一个口碑好的模型，将其放入你的stable-diffusion-webui/models/Stable-diffusion目录。
• 一个专用的脸部Lora（可选但推荐）：如果你希望固定某种特定的脸部风格（如某位明星的脸型、某种妆容风格），可以训练或下载一个对应的Lora模型。在ADetailer中调用Lora，可以让你所有作品的脸部风格保持极高的一致性。

3.2 基础参数配置与第一次修复

让我们从一个最简单的例子开始。假设我们使用一个通用模型生成了一张512x768的全身像，脸部崩坏了。

1. 展开ADetailer面板：在文生图页面，找到并展开“ADetailer”面板。
2. 启用并选择模型：勾选“启用”，在“模型”下拉菜单中，选择face_yolov8n.pt。
3. 设置基础参数：
   • 检测置信度阈值：保持默认0.3。
   • 去噪强度：设置为0.4。
   • 重绘步数：设置为25。
   • Inpaint Padding：设置为32。
4. 配置提示词和模型：
   • ADetailer提示词：在“正面提示词”和“负面提示词”输入框（通常紧挨着模型选择框下方）中，填入我们前面设计的精简版脸部提示词。
   • ADetailer模型：点击旁边的模型选择按钮，从列表中选择你事先准备好的那个专用人像大模型。这是效果提升最关键的一步！
5. 生成：保持你的主模型和全局提示词不变，点击生成。等待片刻，你会发现，在生成过程中，进度条会走两遍。第一遍是生成全身像，第二遍就是ADetailer在自动检测并重绘脸部。完成后，一张脸部清晰、细节丰富的图像就诞生了。

3.3 进阶参数微调与多部位处理

一次成功不代表次次成功。面对复杂场景，我们需要更精细的控制。

场景一：画面中有多个人脸默认设置可能只检测和修复最明显的那张脸。你需要：

• 调整检测置信度阈值到更低的0.25，提高检测灵敏度。
• 在全局正面提示词中，明确人物的数量和关系，如two girls, standing side by side，这能为检测器提供上下文。
• 如果重要的人脸还是漏检，一个“笨”但有效的方法是：分两次处理。第一次用ADetailer修复检测到的人脸，保存图片；第二次以保存的图片为输入，手动在漏掉的人脸上画蒙版，使用图生图局部重绘，或者再次运行ADetailer（此时其他已修复的脸可能会被再次检测到，可通过设置更高的置信度阈值来避免）。

场景二：修复手部等其他部位ADetailer的强大之处在于可扩展性。你可以同时启用多个检测单元。

1. 在ADetailer面板，点击“创建额外区域”或类似的按钮，添加第二个处理单元。
2. 在第二个单元中，模型选择hand_yolov8n.pt。
3. 为其设置独立的提示词，例如正面提示词：perfect hands, five fingers, detailed knuckles, realistic，负面提示词：deformed hands, missing fingers, extra fingers, fused fingers。
4. 甚至可以为其指定另一个擅长绘制手部的模型（如果有的话）。这样，一次生成就能同时自动修复脸和手。

场景三：控制修复区域的强度与范围

• 蒙版精度：如果发现重绘后发际线奇怪，调整Mask erosion（收缩）1-2像素，让蒙版不要包含太多头发。
• 融合度：如果脸部与周围肤色不融，增大Inpaint Padding到48或64，让融合算法有更多参考信息。
• 重绘激进度：如果修复后表情变了，降低去噪强度到0.35；如果修复力度不够，则提高到0.45。

3.4 与其它功能的协同工作流

ADetailer不是孤立的，它与SD WebUI的其他功能可以形成强大合力。

• 与ControlNet协作：这是产生质变的组合。你可以使用OpenPose或Depth ControlNet先严格控制好全身的姿势和构图，确保生成一张构图完美但可能“脸崩”的图。然后由ADetailer负责“换”上一张好看的脸。两者分工明确，效果叠加。
• 与高清修复（Hires. fix）的配合：如前所述，ADetailer先执行，Hires. fix后执行。建议的流程是：用较低基础分辨率（如512x768）快速出图并完成ADetailer脸部修复，然后启用Hires. fix，将整张图放大2倍。这样，高清修复是在一张“脸部已正确”的基础上添加细节，事半功倍。一个关键设置：在Hires. fix的“重绘幅度”设置上，如果修复后的脸部已经很完美，你可以尝试将重绘幅度调低（如0.2-0.3），以避免高清修复过程对脸部进行过多不必要的“二次加工”。
• 与LoRA/Textual Inversion的配合：你可以在ADetailer的提示词中，加入特定的LoRA触发词或TI词，让重绘出的脸部带有特定的风格特征。例如，你有一个“碧眼LoRA”，就在ADetailer正面提示词中加入其触发词，这样生成的脸就会是蓝眼睛，而不会影响全局人物的发色或服装颜色。

4. 常见问题排查与实战心得

即使理解了所有原理和步骤，在实际操作中依然会遇到各种“妖魔鬼怪”。下面是我从大量实践中总结出的问题清单和解决方案。

4.1 问题速查表

4.2 核心避坑指南与心得

1. 模型隔离是金律：务必为ADetailer准备一个独立的高质量人像模型。千万不要偷懒使用主模型来重绘，否则效果大打折扣。这个专用模型是你“脸部银行”里最重要的资产。
2. 提示词宜精不宜多：ADetailer的提示词范围要小，目标要准。堆砌大量形容词不如“perfect face, symmetrical, detailed eyes”这几个核心词有效。避免引入场景、光照、服装等全局描述。
3. 参数调整有顺序：遇到问题时，按以下顺序排查和调整：检测置信度（确保找到脸）->去噪强度（控制改变程度）->蒙版膨胀/收缩（控制修复区域）->Inpaint Padding（控制融合度）。不要同时改动多个参数。
4. 善用“仅蒙版”预览：在ADetailer高级设置中，通常有“预览蒙版”或“仅输出蒙版区域”的选项。在调整蒙版膨胀收缩参数时，先开启这个功能，生成一张只显示蒙版区域的图，可以直观地看到你的调整是否精确覆盖了脸部，避免盲目调试。
5. 批量处理时的稳定性：当进行批量生成时，由于每张图的人脸大小、角度不同，固定的置信度阈值可能不适用。一个技巧是：为批量生成设置一个稍低的置信度阈值（如0.25），以确保绝大多数脸能被检测到，即使偶尔误检一两个背景，因为去噪强度设置合理，对整体画面影响也微乎其微。
6. 不要过度依赖：ADetailer是强大的辅助，但不能替代扎实的基本功。良好的构图提示词、正确的采样器、合适的步数，是生成好图的基石。ADetailer是用来“锦上添花”和“急救”的，而不是“无中生有”。如果原始生成的构图和姿势就很有问题，ADetailer也无力回天。

最后，我个人的体会是，ADetailer插件将AI绘画的工作流从“生成-不满意-全部重来”的粗放模式，推进到了“生成-局部优化-成品”的精细化模式。它节省的不仅仅是时间，更是创作过程中的挫败感，让你能把更多精力投入到构图、光影和故事性的构思上。开始可能会觉得参数繁多，但一旦你理解了每个参数背后的逻辑，并建立起自己的常用参数预设，它就会变成一个无声而高效的合作伙伴，默默帮你处理好那些繁琐的细节，让你的创意得以完美呈现。