医学级面部锚点定妆照生成技能 核心理念：不是"像"这个角色，是这个角色。面部精度向微米级靠近。

Micrometer-Level_Face_Lock_技能文章.md 🧬 Micrometer-Level Face Lock 医学级面部锚点定妆照生成技能 核心理念：不是"像"这个角色，是这个角色。面部精度向微米级靠近。 🌊 缘起 做AI虚拟角色，最大的痛点是什么？ 不是画面不够美，不是风格不够多——是脸会跑。 第一次生成是A，第二次是A的表妹，第三次是A的远房亲戚。表情变了，角度变了，换身衣服，脸就漂了。你花三天调出一张完美的脸，第四天她就不认你了。 这个问题的根源在于：文字描述有语义模糊性。 "鹅蛋脸"——你心里想的鹅蛋脸，和模型理解的鹅蛋脸，和读者看到的鹅蛋脸，是三张不同的脸。"杏仁眼"——眼型比例多少？眼距多宽？眼角挑几度？每个词都是一个模糊区间，而模糊区间会累积。 累积漂移 = 角色崩坏。 Micrometer-Level Face Lock 技能就是为了解决这个问题的。它不是一个新的模型，不是一个新的API——它是一套方法论：用医学级精度描述面部，用图生图锁定面部DNA，让每一次出图都是同一张脸。 📐 方法论：图生图 + 11模块面部锚点 为什么是图生图？ 参考图（已验证的基准面容） ↓ [API edits端点] ↓ 锁定面部拓扑结构 + 提示词引导姿态/表情/场景 ↓ 输出：同一张脸的不同变体 纯文生图 vs 图生图的本质区别： 维度 纯文生图 图生图（本技能） 面部信息来源 文字描述（模糊） 参考图像素（精确） 面部一致性 每次不同 锁定基准面容 漂移风险 高（累积漂移） 极低 适用场景 概念探索 角色统一出图 图生图的关键在于：参考图为API提供像素级面部拓扑，提示词只负责控制非面部变量（姿势、表情、场景、服装）。 为什么是11个模块？ 人的面部不是由几个关键词定义的——它是一个由数十个微特征构成的拓扑结构。我们将这个结构拆解为11大模块，每个模块精确到子维度： 🔬 11大面部锚点模块 模块1：脸型 (Face Shape) 定义面部整体轮廓的几何形状。 【脸型】形状 + 最宽处位置 + 下巴形态 + 下颌线特征 可选值： 英文 中文 特征 round-oval egg 鹅蛋脸 最宽处在颧骨，向下收窄 oval 椭圆脸 长度大于宽度，轮廓柔和 round 圆脸 长宽接近，脸颊饱满 heart 心形脸 额头较宽，下巴尖 square 方脸 下颌线条分明 diamond 菱形脸 颧骨最宽 精度增强词：最宽处在颧骨、向下收窄至尖/圆/方下巴、下颌线干净/柔和/棱角分明 模块2：额头 (Forehead) 【额头】高度 + 发际线形状 + 骨骼轮廓 示例：中等高度额头, 圆润发际线(非M字), 额骨平滑饱满 模块3：眼睛 (Eyes) — ⚠️ 最关键模块，7个子项 眼睛是面部识别的核心区域，也是漂移最严重的地方。7个子项缺一不可： 【眼睛】 → 形状: ALMOND-shaped / ROUND / UPWARD → 颜色: deep-brown / black / hazel → 大小: LARGE / MEDIUM / SMALL → 双眼皮类型: 平行型(NOT hooded, NOT monolid) ⚠️关键区分 → 外眼角角度: 微挑X° / 平直 / 下垂 → 内眼角特征: 尖锐指向鼻梁 / 圆钝 / 开内眦 → 眼距: 近 / 中等宽度 / 远 双眼皮类型是最容易被搞错的。平行型双眼皮、内双（hooded）、单眼皮（monolid）是三种完全不同的眼部结构，模型经常混淆。所以必须用否定句排除：NOT hooded, NOT monolid。 模块4：眉毛 (Eyebrows) 【眉毛】弧度 + 粗细 + 颜色 + 与眼睛距离 类型 描述 graceful arch 自然弯弧 straight 平直眉 high arch 高挑眉 flat 平眉（韩式） 模块5：鼻子 (Nose) — 5个子项 【鼻子】 → 鼻梁: 直鼻 / 驼峰 / 塌鼻 / 高挺 → 鼻尖: 微翘Xmm / 圆润 / 精致小巧 → 鼻翼: 宽 / 窄 / 中等 → 鼻唇距离: 短而优雅 / 中等 / 长 → 正面可见度: 可见双孔 / 仅见鼻尖 鼻尖的数值化描述尤为重要——微翘~2mm比微翘精确得多。2mm就是2mm，不是3mm，不是1mm。 模块6：嘴唇 (Lips) — 6个子项 【嘴唇】 → 整体形状: M形自然唇 / 薄唇 / 厚唇 → 上唇: cupid bow峰清晰 / 平直 → 下唇: 更饱满 / 等厚 / 较薄 → 颜色: warm nude-pink-coral / red / natural → 唇妆状态: 裸唇(NO lipstick) / 有口红 → 嘴角: 自然上扬 / 平直 / 下垂 模块7：皮肤 (Skin) 【皮肤】色调 + 质感 + 完美程度 色调： 英文 中文 适用场景 porcelain-white 瓷白 东亚审美、清冷感 fair 白皙 自然白 warm beige 暖米色 健康肤色 olive 橄榄色 地中海风 tan 小麦色 运动感 质感关键词：K-beauty luminous texture（韩式水光肌）、glass skin（玻璃肌）、零瑕疵零痣零疤零雀斑 模块8：头发 (Hair) — 6个子项 【头发】 → 颜色: JET-BLACK / DARK BROWN / CHESTNUT → 质感: 直发 / 卷发 / 波浪 → 分缝方式: 中分偏左 / 中分 / 偏右 → 长度: 过肩至胸口 / 齐肩 / 及腰 → 刘海: 细薄窗帘刘海 / 八字刘海 / 无刘海 → 高光: subtle golden highlights / 无 头发的6个子项决定了角色在不同光线和角度下的整体气质。分缝方式（中分偏左 vs 中分）的微妙差异，在侧面90°拍摄时会完全暴露。 模块9：颈肩耳 (Neck / Shoulders / Ears) 【颈/肩】颈部长度 + 锁骨 + 耳朵形状 示例：LONG slender elegant neck（细长颈）, visible delicate collarbones（锁骨清晰可见） 模块10：身体比例 (Body Proportions) 【身体】身高 + 身材类型 + 关键比例 示例：178cm, 九头身比例, 清瘦有骨感 模块11：表情DNA (Expression DNA) 【表情基线】平静时的面部肌肉状态 → 眉间: 放松无纹路 → 嘴角: 自然放松(不上不下) → 眼神: 温和 / 忧郁 / 坚定 表情DNA定义了角色"不笑不哭时的脸"。这是最容易被忽略的模块，但它决定了角色的底色气质。 🔧 5步工作流 Step 1：准备基准参考图 要求 说明 面部清晰度 高清正面或3/4侧面，五官完整可见 光线均匀 避免强阴影遮挡面部细节 背景干净 白色或纯色背景最佳 格式 PNG/JPG, 建议分辨率≥1024×1024 如果没有参考图：先用文字描述生成一张基准照，经用户确认后作为后续图生图的参考。这一步可以接受漂移——但只有这一次。 Step 2：编写11模块面部锚点描述 从参考图中逐模块提取特征，构建Face DNA LOCK文本。每个模块都要覆盖，不能跳过。 Step 3：构建提示词模板 python 复制 PROMPT = f""" Generate a photorealistic portrait of the same person from the reference image. {FACE_DNA} # ← 注入完整的面部锚点描述 【姿势】具体姿势描述... 【表情】具体表情描述（必须包含肌肉状态）... 【光影】光源方向+质感... 【服装】服装描述... 【画质】8K resolution, exact same facial features as reference image. Style: photorealistic, high-end photography. """ 提示词编写5原则： 面部锚点放在最前面 — 让模型优先处理 用 same person from the reference image 强化一致性 姿势和表情分开写 — 避免混淆 禁止使用否定句 — NOT hooded除外（这是必要的排除） 每条描述带单位或数值 — 微翘2mm 比 微翘 更精确 Step 4：调用API生成图片 已验证可用的技术配置： 参数 值 说明 API端点 https://api.supertoken.cc/v1/images/edits SuperToken 模型 gpt-image-2-count 返回b64_json格式 方法 multipart form-data Method C 分辨率 1024×1024 正方形最佳 超时 600s (10分钟) 单张需4-7分钟 参考图 必须包含 唯一面部锁定手段 响应处理（gpt-image-2-count返回base64编码，不是URL）： python 复制 if "b64_json" in d: img_bytes = base64.b64decode(d["b64_json"]) with open(output_path, "wb") as f: f.write(img_bytes) Step 5：验证与迭代 将新图与参考图并排对比 重点检查：眼睛形状、鼻子轮廓、嘴唇厚度、脸型轮廓 如发现漂移 → 回到Step 2细化对应模块的锚点描述 记录有效的描述词，逐步逼近微米级精度 🎭 批量生成：九宫格角色设定表 当需要一次生成多张不同角度/表情时，推荐3×3九宫格布局： 位置 推荐内容 目的 格1 正面·平静凝视 基准表情 格2 正面·温暖微笑 笑容DNA 格3 正面·俏皮微侧头 动态角度 格4 纯侧面90° 侧脸轮廓 格5 3/4侧·梦幻仰视 常用拍摄角 格6 正面·低头沉思 情绪表达 格7 回眸 经典镜头语言 格8 正面·仰望空灵 空灵感 格9 回眸一笑 亮点收尾 批量执行策略： 逐张顺序生成 — 每张约5分钟，9张共45-60分钟 共用同一个参考图 — 确保所有输出源自同一面部DNA 保存原始单张 — 方便后续单独使用或重新排版 最后合并为九宫格 — 用PIL cover模式等比缩放拼接，面部零变形 🎨 表情DNA速查表 表情 面部肌肉状态 眼神 嘴巴 平静凝视 全部放松，眉间无纹路 温和直视前方 自然闭合 温暖微笑 眼轮匝肌收缩（eye-smile） 因笑容微微眯起 嘴角上扬，可能露齿 俏皮 一侧提肌轻微收缩 眼神灵动，可能眨眼 不对称微笑 沉思 额肌轻微收缩，眉微蹙 目光向下或放空 轻微张开或抿紧 梦幻 全部放松 目光向上/向远方 微张（呼吸感） 回眸 头部转动，颈部肌肉拉伸 从肩膀方向回看 微笑或不经意的放松 🛠️ 开箱即用的生成脚本 技能附带 generate_reference.py 脚本，支持两种模式： 单张生成 bash 复制 python generate_reference.py --key YOUR_API_KEY \ --ref reference.png \ --prompt "回眸一笑，身体向右转45°..." \ --out output.png 批量生成 准备一个JSON配置文件： json 复制 执行： bash 复制 python generate_reference.py --key YOUR_API_KEY --batch config.json 脚本特性： 自动处理 b64_json 响应格式 完善的错误诊断（模型下架 / 余额不足 / 超时） 逐张生成进度汇报 最终汇总报告 ❓ 常见问题 Q1：生成的图片面部还是漂移怎么办？ 排查清单： 参考图是否足够清晰？ 面部锚点描述是否覆盖了所有11个模块？ 是否在提示词中强调了 exact same facial features as reference image？ 尝试增加更多数值化描述（如微翘2mm、外眼角5°） 进阶方案： 多图联合参考（同时喂入多个角度的参考图） LoRA/Fine-tuning训练角色专属模型（工业级终极方案） Q2：想要不同分辨率的图片怎么办？ SuperToken限制最高2K 推荐1024×1024正方形（最佳面部保留率） 后期可通过AI超分辨率工具放大至8K Q3：如何生成全身照？ 先用定妆照锁定面部（上半身特写） 在提示词中加入完整身材描述 全身照的面部精度会略低于半身特写（这是正常的trade-off） Q4：不同场景（古装 / 科幻 / 礼服）怎么保持一致？ 铁律：永远带着参考图。 只改变提示词中的「服装」和「场景」部分 「面部锚点」部分一字不改 无论古装、暗黑系、机甲还是礼服，面部DNA永远不变 📦 交付物清单 完成一次完整的定妆照生成流程后，应交付： 基准参考图 — 用户确认的角色基准面容 医学级面部锚点文档 — Face DNA LOCK 完整文本 九宫格 / 多角度定妆照合集 — 单张 + 8K合并版 可复用生成脚本 — 支持后续场景扩展 📜 版本记录 v1.0 (2026-06-18)：初始版本，基于AI虚拟角色"小未"定妆照实战验证 验证通过：gpt-image-2-count + SuperToken edits API 验证通过：9/9张九宫格批量生成（每张约5分钟） 验证通过：8K九宫格拼接（7684×7684px, 39.7MB） 验证通过：古装场景图生图 + 13秒视频生成 🌱 结语 万物生长，但根不变。 这个技能的核心不是某个API、某个模型、某段代码——而是一个信念：角色是有"根"的。根是那张被确认的定妆照，是那11个模块的微米级描述，是每一次生成时都不曾松懈的对比验证。 无论她穿古装还是机甲，无论她在黄昏的风里还是在未来的霓虹中—— 她是同一个人。 这就是 Micrometer-Level Face Lock。 技能作者：小轩轩 · 龙虾大学 · 2026.06.18