简介:本文讲解AI生图中三类常见任务的做法:8人合影换装、4K游戏CG和含文字的信息图。读者能学到分步提示词写法、重绘幅度与分辨率的设置思路,以及量化验收与失败排查方法。文中注明了每种方法的失败边界,便于在自己的平台上做对照测试,减少返工。
本文面向开发者、视觉设计师和AIGC应用人员,说明如何用AI图像生成模型完成三类任务:多人合影换装、4K游戏CG和含文字的信息图。文中的参数和阈值都是测试起点,实际取值需要在你使用的平台和模型版本上验证。
做什么:建立应用与模型服务之间的连接。
为什么做:请求必须发到正确的端点,才能得到预期模型的结果。
怎么做:在平台控制台找到图像生成模块,记录API地址和模型标识。请求头使用平台文档规定的认证方式。
注意什么:所有请求经由后端转发。后端校验请求参数,并限制单个用户的调用频率。
做什么:替换8人的服饰,同时保持每个人的面部和站位不变。
为什么做:多人画面容易出现人脸互相融合、肢体错位。明确每个人的位置和特征,能降低这类问题的发生率。
怎么做:
注意什么:八人同时生成时,提示词越长,后面几位人物的描述越容易被忽略。若出现漏人或融脸,可以拆成两组分别生成,再合成到同一场景中。
以下为伪代码,字段名和模型标识需替换为所用平台文档中的名称:
{"model": "<平台提供的模型标识>","prompt": "eight people in a modern office, left to right: blue suit man, red dress woman, casual shirt man, white blouse woman, black jacket man, yellow sweater woman, gray hoodie man, green coat woman, sharp faces, photorealistic","negative_prompt": "bad anatomy, extra fingers, missing limbs, blurry, low resolution","steps": 30,"cfg_scale": 7.5,"width": 1536,"height": 864,"seed": 20231,"image_reference": "<Base64编码的参考图>"}
做什么:生成分辨率为3840×2160的CG图。
为什么做:多数模型单次输出的分辨率低于4K,直接要求4K常导致构图失真或耗时过长。因此分两个阶段:先生成低分辨率构图,再放大到目标尺寸。
怎么做:
注意什么:放大会明显增加耗时和调用费用。建议先用低分辨率确认构图,再只对选中的结果放大。
做什么:在图像中生成标题、短句和标签等文字。
为什么做:多数模型对长段文字的控制力较弱,容易出现错字和笔画粘连。短文本的成功率明显更高。
怎么做:
注意什么:单次生成超过两三行文字时,错字率明显上升。模型之间差异很大,需要用自己的样本统计各类文字的成功率,再确定每块的字数上限。
建议用下表验收,阈值由团队根据样本自行标定:
| 检查项 | 检查方法 | 验收标准 |
|---|---|---|
| 人脸一致性 | 对比参考图与生成图的人脸相似度,并人工复核 | 相似度达到团队设定的阈值,无融脸或缺失 |
| 服饰匹配 | 逐人核对服饰描述 | 八人全部与描述一致 |
| 纹理质量 | 放大到100%查看布料和边缘 | 无明显塑料感或重复纹理 |
| 文字准确率 | 用OCR识别后与原文逐字比对 | 与原文完全一致 |
| 输出分辨率 | 读取输出文件的尺寸 | 3840×2160 |
| 抽检通过率 | 每批随机抽样 | 记录样本数与通过数 |