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。ADetailerAutomatic 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. fixADetailer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。打开你的Stable Diffusion WebUI切换到“扩展”标签页。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点击“安装”按钮。等待命令行提示安装成功。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。展开ADetailer面板在文生图页面找到并展开“ADetailer”面板。启用并选择模型勾选“启用”在“模型”下拉菜单中选择face_yolov8n.pt。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。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。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。在第二个单元中模型选择hand_yolov8n.pt。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。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 问题速查表问题现象可能原因解决方案脸部完全没被修复1. ADetailer未启用。2. 检测置信度阈值过高。3. 人脸角度过于极端如全背面。1. 检查面板是否勾选“启用”。2. 逐步调低置信度阈值如0.4 - 0.25。3. 在全局提示词中强调脸部方向或考虑手动重绘。修复后换了个人五官全变去噪强度过高。将去噪强度从0.4-0.5降低至0.3-0.35。脸部修复了但发色/瞳色变了ADetailer使用的模型风格与主模型差异太大或提示词冲突。1. 尝试使用与主模型同系列的人像变体模型。2. 在ADetailer负面提示词中加入change hair color, change eye color。脸部边缘有白边或色差蒙版不够贴合融合不自然。1. 适当增加Mask dilation2-4。2. 大幅增加Inpaint Padding48-64。3. 在WebUI设置中调大“蒙版模糊”半径。修复区域出现重复元素如双下巴原始生成的脸部结构异常ADetailer在异常基础上重绘。1. 先尝试更低的去噪强度0.3。2. 如果不行关闭ADetailer先用图生图低重绘幅度0.2-0.3简单修复原图脸部结构再用ADetailer处理。同时处理脸和手但只有一个生效多个ADetailer单元冲突或资源限制。1. 检查每个单元是否都正确启用了模型。2. 如果显存不足考虑分两次生成先修脸保存图片再开新单元修手。4.2 核心避坑指南与心得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。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。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。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。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。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。