做眼镜电商的朋友丢给我一批产品图让我帮忙生成一组模特佩戴效果。说实话第一次跑出来的结果把我自己也逗笑了镜框是歪的镜腿悬空logo直接糊成一坨色块跟路边打印店P的图没什么区别。后来我把整个ComfyUI工作流推翻重做才慢慢摸到高精度眼镜VTON的门道。这篇就完整复盘一下我的方案用ComfyUI做眼镜试戴图单张成本控制在1元以内同时把镜腿上的logo、金属铰链、镜片反光这些细节尽量原样还原。适合正在做眼镜类目电商、独立站、直播间场景图的运营和设计师也适合刚接触ComfyUI、想用VTON思路接单变现的朋友参考。VTON这个词可能有人不熟通俗讲就是虚拟试穿试戴。放在眼镜场景里就是从一张眼镜白底图和一张模特正脸图出发让AI把眼镜“戴”到人脸上同时保证眼镜本身的款式、颜色、logo、材质细节不丢。这事看着简单实际坑不少尤其是logo还原这关卡住了很多人。下面直接进入正题。1. 眼镜试戴为什么是VTON里最让人头疼的场景1.1 透明材质、镜腿遮挡和logo细节三座大山叠在一起做过服装VTON的朋友都知道换T恤、换连衣裙相对容易因为布料是柔性材质遮盖关系简单AI稍微发挥一下也不容易穿帮。但眼镜不一样它是刚性物体加透明材质加高密度小文字的混合体三个难点叠在一起第一镜片是透明的。换衣服时AI只需要“覆盖”换眼镜时AI必须理解“透过镜片能看到后面的眼睛和皮肤”同时还要在镜片上模拟出高光反射。SD系列模型对透明材质的理解本来就弱默认情况下它很容易把镜片画成不透明的实心色块或者干脆画成一块灰蒙蒙的塑料片。第二镜腿和鼻托存在大量遮挡关系。镜腿从镜框延伸到耳后有一部分会压在头发、耳朵上角度稍微变一点AI就会把镜腿画成飘在脸侧的两根棍子。鼻托和额头的接触关系也一样画不好就像眼镜悬浮在脸上。第三logo通常是密集的小字或图形。镜腿内侧的金属蚀刻字、镜框边角的品牌压印、镜片角落的防伪标这些细节在原图中可能只占几十个像素。扩散模型在做整图重绘时根本不会为这种级别的信息单独“发力”结果就是logo被当成随机纹理抹掉或者变成一堆乱码一样的线条。1.2 通用换装工作流为什么在这里失效如果你直接用Stable Diffusion的Inpaint功能蒙版框住眼镜区域然后输入“a pair of glasses on a person”出来的东西乍一看是眼镜但和你手中的那款基本没有关系。因为扩散模型生成的是“概率平均意义上的眼镜”——可能是圆框、方框、半框、无框镜片颜色也不受控制。有人会说那我把产品图放进ControlNet里做引导不就行了理论上是这样但ControlNet控制的是构图和结构骨架不是材质和印刷细节。它能保证镜框轮廓大概对齐但logo照样会糊。换装工作流本质上是“用生成内容替换原图区域”这种方法适用于图案可以随意发挥的衣服却不适合logo、刻字这类需要逐像素稳定的工业产品。1.3 高精度还原的底层逻辑能留原图的绝不让AI画做眼镜VTON这么久我的核心心得其实就一句话让AI生成的内容越少翻车概率越低。logo、镜腿、铰链、框面纹理这些对精度要求高的部分应该直接保留产品原图真正需要AI“画”的只有镜片透光、反光以及眼镜戴到脸上之后与皮肤、鼻梁接触处的光影过渡。所以整个方案的底层逻辑不是“让AI画一副眼镜”而是“让AI在正确的位置画出镜片应该有的样子其他部分原样保留”。这个思路决定了后面所有工作流节点、蒙版绘制和LoRA训练的方向。想通这一点你再看市面上的高价眼镜VTON工具就会发现它们也是这个原理只不过把流程封装成了黑盒。2. 成本不到一元的方案选型LoRA微调为主局部重绘为辅2.1 先对比三条技术路线找到最稳且最省钱的组合我在正式搭建ComfyUI工作流之前先列了三条候选路线分别测了一遍方案还原度单张成本操作门槛适用场景A. 公网大模型 ControlNet直接整框重绘低logo基本不可用本地几乎没有电费成本线上API约0.2-0.5元/张低套现成工作流就行对品牌细节没要求的随手图B. ComfyUI 产品LoRA微调 蒙版局部重绘高logo接近原样本地推理约0.01-0.1元/张训练成本分摊后仍低于1元中高需要熟悉LoRA训练和工作流节点电商场景图、详情页、广告图C. 商用VTON服务平台中上但受限于平台模型按张计费通常1-5元/张低上传图片等结果出货量小、不追求特殊款式实测下来方案A是典型的“看起来省钱、实际上费时间”——出图快但没法用要么重新抽卡要么后期手动P时间成本远超预期。方案C省心但单价贵而且遇到冷门款式、特殊logo平台模型没学过的就崩。最终我选了B自己训练眼镜LoRA配合局部重绘工作流推理在本地跑单张成本核算下来确实可以压到1元以内。2.2 LoRA为什么能记住logo而不是把logo当随机纹理LoRA的原理可以通俗理解成给大模型加了一个“专注模式”。你喂给它30到50张同一款眼镜在不同角度、不同光线下的图片它会用很低秩的权重矩阵去微调扩散模型让模型在生成时更倾向于输出“这款眼镜”的分布特征。训练集里如果反复出现同一个logo模型会把这个logo当成该物品的固有属性而不是背景噪声。但这里必须泼一盆冷水LoRA能还原的是logo的“形”和“位置感”不是像素级的绝对一致。举个例子我训练某款金属框眼镜时LoRA能把镜腿内侧的品牌首字母刻字还原到清晰可读的程度但笔画细节和原图对比会有轻微出入。要做到“几乎原样”还得靠后面说的“减法重绘”把logo区域原封不动保留下来。这两者配合才能达到标题里说的效果。2.3 把成本账拆开算看看1元是怎么做到的很多人一听到“训练模型”就以为很贵我直接算一笔实测账。训练LoRA用一张RTX 409030张训练图20个epoch总耗时大约35分钟显卡功耗按450W算电费一度按0.8元那一轮训练的电费大概是0.2元出头。如果你只有一张显卡训练期间不能干别的但这30分钟的人工成本不要算进单张出图里因为模型是一次训练、长期复用的。真正跑单张推理的时候一张1024x1024的图SDXL模型在4090上大概10到20秒功耗也是几百瓦电费约0.01元。哪怕你同一个参数跑10张再挑1张成本也就0.1元上下。加上数据整理、蒙版绘制、人工筛选这些时间成本摊到每张最终交付图上成本确实能控制在几毛到1元之间。对比线下拍摄一组模特佩戴图动辄几百元、外包精修一张3到10元这个成本优势非常明显。3. 高精度还原logo和细节的工作流拆解3.1 核心技巧只重绘镜片区域不给AI碰logo的机会我前面强调过“能留原图的绝不让AI画”这句落到具体操作上就是蒙版范围的选择。很多人做眼镜试戴时习惯把整副眼镜框进蒙版让AI重绘整副眼镜这就等于把logo和镜腿细节拿去让AI“自由创作”结果自然不可控。我的做法是用Segment Anything节点或手动画笔在ComfyUI里精确绘制蒙版只覆盖镜片所在的透明区域镜框、镜腿、铰链、logo全部留在蒙版外面。然后在采样器里开启“仅蒙版区域重绘”mask only模式。这样一来AI的工作量被压缩到最小它只需要在镜片区域画出正确的透光、反光和轻微的环境映射即可。logo压根不在生成范围内想糊都糊不了。3.2 蒙版参数的微调细节羽化、扩展、边缘过渡蒙版不是画个大概就完事边缘处理直接决定成品有没有“贴纸感”。我常用的参数是蒙版羽化5到8像素蒙版扩展expand遮罩4到8像素。羽化是为了让重绘区域和保留区域之间有一个自然的透明度过渡扩展则是为了让镜片边缘稍微覆盖到镜框内侧避免重绘边缘和镜框内侧留一道难看的亮线。这里有个容易忽略的点透明镜片是有厚度的。如果蒙版只精确地框住镜片内轮廓生成的镜片边缘往往过于锐利像一块玻璃片硬塞进镜框。稍微把蒙版向外扩一点让AI在镜框内侧边缘处有一些发挥余地生成后的镜片才会有嵌入感这也是我后来对比调试才发现的细节。3.3 用ControlNet双保险锁定佩戴位置与轮廓如果只是给一张已经戴好眼镜的照片换镜片前面说的方法就够了。但更多场景是从白底产品图出发给一张模特脸图“戴上”眼镜。这种情况蒙版要框的就不只是镜片而是整个眼镜区域的占位AI需要在空白处生成眼镜的佩戴效果风险大很多。我的经验是必须加ControlNet而且至少加两个一个用OpenPose或Depth控制人脸结构和眼镜的佩戴位置防止眼镜歪斜、悬空另一个用Tile或Lineart控制整体边缘纹理让生成的镜框轮廓贴合原产品图的形状。Tile权重控制在0.4到0.6太高会让画面变得生硬太低则轮廓跑偏。这两个ControlNet配合LoRA一起跑佩戴位置和款式细节才能同时保住。3.4 提示词模板别只写sunglasses要写清楚材质和光影眼镜VTON的提示词和其他场景不一样它本质上是“局部修图”而非“自由创作”所以正向提示词的重点不是描述眼镜长什么样而是描述你希望镜片如何与环境融合。我用的是这样一套模板正向提示词示例clear lens glasses, semi-transparent lens, subtle glass reflection, gradient lens tint, rim and temples preserved, metal hinge, realistic skin contact shadow, soft shadow on nose bridge, high detail, 8k负向提示词示例deformed frame, blurry logo, distorted lens, opaque lens, thick plastic texture, oversaturated colors, bad anatomy, extra limbs, floating glasses, reflection artifacts这套提示词的核心是让AI明白镜片要透明、要有反光但镜框和镜腿保持原样。其中“skin contact shadow”和“soft shadow on nose bridge”两个词对消除“贴纸感”帮助特别大实测比后期PS加阴影更自然。4. 从零搭工作流节点连接与关键参数备忘4.1 环境准备整合包也能跑重点是模型别选错ComfyUI的安装在这里不赘述用秋叶整合包或者官方包都可以。关键在模型选型做眼镜这种硬质消费品我建议直接用SDXL底模比如Juggernaut XL或RealVisXL它们的材质细节和光影表现比SD1.5强很多特别是金属、玻璃、皮革这类材质。如果你机器显存只有8G可以用SD1.5的Realistic Vision兜底但小图上的logo细节还原效果会差一截。除了主模型还要准备一个自己训练或现成的眼镜LoRA、ControlNet的Tile和OpenPose模型、Segment Anything用于自动分割镜片蒙版、以及一个放大模型Upscale Model。这些在ComfyUI Manager里都能直接下载不需要额外装复杂环境。4.2 输入端节点从产品图到蒙版的完整链路工作流的第一步是把产品图和模特图同时载入。产品图建议用白底或浅灰底的正面图分辨率至少高于800像素这样LoRA能提取到足够的材质和logo细节。在Loader之后接VAE Encode把图片转换成Latent同时用Segment Anything或手动Mask Editor绘制重绘区域。这里我多说一句产品图最好先用抠图节点把人像或产品背景去掉因为LoRA训练时干净背景会让模型更专注于眼镜本身推理时也不容易把背景纹理带到镜片上。我用的是RMBG或rembg节点一键透明然后重新放到纯白背景上再做后续处理。4.3 核心采样链路必须用蒙版模式denoise决定一切整个工作流最核心的节点链是VAE Encode之后把蒙版信息一起送入KSampler采样器设置里必须勾选“denoise_mask”相关选项不同版本叫法略有差异本质是仅蒙版重绘。这个选项决定了AI只处理蒙版内的Latent蒙版外的原始像素原封不动。参数方面我直接给你一份经过多次实测的基准配置参数项推荐值备注采样器DPM 2M Karras稳定细节适中步数28-32步数太少容易糊太多增加时间但不一定变好CFG3.5-5.0眼镜场景不建议超过6后面专门讲为什么denoise0.55-0.7关键参数越低越接近原图LoRA权重0.6-0.85视款式复杂度调整蒙版羽化5-8px过小易穿帮过大影响边缘清晰度蒙版扩展4-8px保证镜片边缘和镜框有融合ControlNet Tile权重0.4-0.6太高会锁死光影太低会跑形4.4 输出端节点放大、面部修复、最终合成采样完成后VAE Decode得到成品图但1024x1024的分辨率做详情页大图还是不够我习惯再接一个Upscale节点做2倍放大模型用4x-UltraSharp或者8x_NMKD-Superscale。放大后如果面部区域有轻微瑕疵再接一个FaceDetailer节点跑一次面部修复权重调低只修脸不碰眼镜。最终合成时我会把放大图和原图在ComfyUI里做一个Image Composite Masked节点用低透明度叠一下或者直接导出到Photoshop里做微调。为什么还要手动后期因为AI生成的高光有时候会和场景光源的方向不完全一致微调一下高斯模糊或者叠加一个柔光层能让镜片反光更加协调。5. 实测中的翻车现场与参数调优记录5.1 镜腿发虚、扭曲第一嫌疑人永远是你的蒙版遇到镜腿扭曲问题很多人第一反应是改模型、换LoRA但我实测下来90%的情况是蒙版把镜腿根部或者耳后部分框进去了。蒙版范围一旦包住镜腿AI就会对镜腿做“自由发挥”刚性直线结构在扩散模型眼里非常容易被拉弯。排查思路第一步检查蒙版预览图确认镜腿区域是否为黑色不参与重绘第二步把denoise降到0.5重跑一次如果扭曲减轻说明此前强度太高第三步开启ControlNet Tile并把权重加到0.6进一步锁住轮廓。按这个顺序找问题基本十分钟内能定位。5.2 logo糊成一团先分清是生成糊还是放大糊logo问题要分两类。第一类是重绘区域把logo包括了这种情况不用调任何参数直接改蒙版把logo区域从蒙版里抠掉。第二类是logo本来在保留区域但最终成图依然模糊问题大概率出在放大阶段。Hires Fix或Upscale时如果放大算法选了不适合线稿文字的模型小字会被抹平。我的解决方法是放大模型的选用上对含小字logo的图优先用4x-UltraSharp而不是Real-ESRGAN前者对边缘线条的保持更友好。如果放大后logo还是软可以给logo区域单独画一个小蒙版用denoise 0.3原地重绘一次很多时候就能救回来这个技巧我也常用。5.3 眼镜像贴在脸上的贴纸本质是光影不融合贴纸感是眼镜VTON最普遍的问题表现是镜框边缘锐利得像剪纸贴上去镜片反光和环境光完全脱节。根因在于重绘区域生成的镜片光影与原始人脸区域的光影没有做统一。解决分三步第一蒙版羽化调大到15到20像素让边缘过渡更柔和第二在前述提示词里加soft shadow on nose bridge、ambient occlusion这类词第三如果还不满意把成品丢到Photoshop里对镜框和镜片层加一个投影图层用正片叠底模式叠在鼻托和镜腿接触点。别怕手动处理这一步的成本很低但能显著拉高交付质量。5.4 眼睛区域生成出“鬼影”和畸形眼球当蒙版覆盖到眼睛时扩散模型很容易把眼睛画成结构混乱的状态因为蒙版区域本来就有瞳孔、虹膜、眼睑这些高频细节模型很难稳定重建。尤其是镜片是透明的情况下AI需要同时画出“镜片后面的眼睛”和“镜片上的反光”这属于高难度任务。我的做法一是蒙版严格避开瞳孔中心区域只重绘镜片边缘二是如果必须覆盖眼睛就先把蒙版里的眼睛区域用黑色画笔挖掉让眼睛保持原图不参与重绘三是配合FaceDetailer做后期修复。大多数情况下“避开眼睛”比“让AI重新画眼睛”更可靠。6. 批量出片阶段的成本控制与效率心得6.1 抽卡策略固定seed小步调参不要每次都重开批量生成镜片效果时最大的成本不是电费是你的时间。很多人出图不好看就换seed重新抽但seed一旦变了镜片的高光位置、反光形状全部换一套没法做对照实验。我的习惯是找到一张构图、脸型、角度都满意的底图之后固定seed只微调denoise和CFG。denoise每次增减0.05CFG每次增减0.5一次跑4到6张做一个小的网格对比图快速找出当前底图的最优参数。这一套流程走下来单款产品半小时内能出到满意的效果不用毫无章法地抽上百张卡。6.2 合格成图的标准一个可复制的“三看一放大”流程AI出图眼花缭乱怎么快速判断能不能用我给自己定了一个筛选标准按顺序执行一看镜腿轮廓镜腿是否贴合脸部侧面有没有悬空或飘起。二看logo清晰度把细节部位放大到200%logo文字边缘是否锐利可读。三看镜片高光高光形状是否自然镜片上有没有莫名其妙的色块。四看鼻托接触点镜框与鼻梁之间是否有一条淡淡的阴影有阴影代表有接触。只要这四个点都过关这张图基本就能进入修图环节。如果哪一个点不过关不是整张重跑而是针对那一个区域做局部重绘这样效率最高。6.3 与传统拍摄、外包精修的真实成本对比很多商家以为AI试戴图是“零成本替代”其实不然。AI能替代的是“合成参考图”“快速看款式效果”这类中低精度需求但最终上架的主图我依然建议保留一两张实拍图作为质检基准。这不算推翻前面的结论因为AI的产出速度摆在那里做测款图、做场景延展图天然就是它的主场。从真实数字看一套产品图拍摄加模特费200到500元是起步价外包做一张AI佩戴图报价一般在10到30元。本地ComfyUI跑一张电费不到0.1元就算把人工筛选时间也算进去单张交付成本也在1元上下。前提是你自己已经跑通了这套工作流并且有固定的参数和蒙版习惯否则时间成本会吃掉所有节省。7. 进阶让还原度再上一个台阶的四个小技巧7.1 用IPAdapter做参考增强让镜片反光色偏更贴近产品图LoRA管的是眼镜款式的整体特征但细到“某款茶色镜片的渐变方向”“某种镀膜反光的色调”LoRA不一定学得足够细。我后来在LoRA之外又加了一个IPAdapter用产品原图作为参考图运行在reference_only模式下权重压在0.3到0.5之间。这样做的效果是生成镜片时模型会参考原图镜片的颜色分布和光感色偏问题明显减少。需要特别注意的是IPAdapter权重过高会把原图里的人脸特征也迁移到模特脸上所以权重一定要控制住。这个方案是我提升还原度最有效的进阶手段。7.2 训练LoRA时的打标质量比训练集数量更关键如果你准备自己训练眼镜LoRA我给你一个特别重要的建议打标比堆图重要得多。30张图如果打标认真效果好过60张随便打标。具体做法是白底产品图标“front view, product shot, logo visible”真人佩戴图标“model wearing, front view, realistic lighting”镜腿和logo特写图标“logo closeup, metal texture, engraving details”。这样模型能分清哪些图是产品形态、哪些是佩戴形态并且明确知道logo特写里那个小图案叫logo而不是背景里的随机污点。触发词我习惯选一段唯一拼写组合比如“ohmx_rimless_glasses”避免和通用单词冲突。7.3 导出透明底镜片层做后期合成保住logo的最后手段如果你遇到极端的logo还原需求比如金属镜腿上的品牌刻字必须一笔不差。这种情况我不建议直接出图而是分两步走先用ComfyUI只生成镜片光影层用alpha通道导出透明背景PNG然后把原产品图的镜框、镜腿、logo部分完整抠出来二者在Photoshop上合成。这个流程的本质是把“AI生成”限制在透明镜片光影这一个维度上其他所有内容全部用原图。它能达到的还原度接近100%缺点是工序更长适合做品牌主图、广告大图这种高要求场景。我自己的经验是电商详情页的“模特佩戴展示区”用纯工作流出图就够了品牌logo特写图才用这种混合合成方式。7.4 一个反直觉的参数CFG压低到3.5-4.5反而更清晰很多新手习惯用CFG 7甚至更高觉得“越听话越清晰”。但在眼镜VTON里CFG过高会导致镜片边缘出现黑色伪影金属镜框的锐利线条也会被削圆。我做了十几组对比测试后把CFG固定在4左右配合32步采样镜片反光的通透感明显提升logo边缘的毛刺也变少了。低CFG的本质是让模型有更多自由发挥空间不完全被提示词“绑架”这对于透明材质这种需要模拟物理光学效应的内容反而更友好。当然这个值不是绝对的如果你用的LoRA权重偏高CFG可以适当回落到4.5到5整体以出图效果为准。最后再分享一个我近期常用的收尾小技巧生成完成后用ComfyUI里的Color Match节点让镜片区域的色彩向原产品图的镜片色拉近一次。这一步非常轻量却能让AI生成的颜色偏差肉眼可见地减少。如果你刚开始做眼镜VTON建议先不要碰LoRA训练直接用“蒙版保护原图局部重绘镜片低CFG”这套减法流程跑通等理解了每个参数对结果的影响再考虑训练自己的眼镜LoRA。基础流程熟练之后回头再做批量款、冷门款、甚至异形镜框都会从容很多。