肖像编辑的未来：驾驭ControlNet与LoRA模型
解锁一致的肖像姿势迁移，运用ControlNet与LoRA模型。探索如何在保持面部特征、风格和细节的同时生成新姿势。了解更多！
- 使用场景
- Portrait
- 适用场景
- Portrait
- 关键节点
- Controlnet
- 显存
- 中等显存（12–16GB）
- 阅读时间
- 9 分钟
工作流概览
解锁一致的肖像姿势迁移，运用ControlNet与LoRA模型。探索如何在保持面部特征、风格和细节的同时生成新姿势。了解更多！
内容类型: Workflow
主要用途: Download
所需模型
- Flux
- Controlnet
- Lora
所需节点
- Controlnet
配置说明
- 打开工作流模板前，请先安装所需模型。
- 推荐硬件：中等显存（12–16GB）。
✅ 工作流概述
该工作流名为 「一致性人像换动作」，其目标是基于参考人像图像生成新的姿势，同时保持人像特征和风格一致。它通过 ControlNet 和 LoRA 模型确保生成的新动作图像在面部细节、服装、风格等方面与参考图保持一致。
其核心功能包括：
✅ 加载基础模型和 VAE
🎯 使用 ControlNet 实现姿势控制
🖼️ 基于参考图像生成新姿势图像
🔥 使用 LoRA 模型保持人物特征一致
⚙️ 图像对比与预览
该工作流非常适合 连贯性人像生成、角色一致性设计 和 风格迁移 等任务。
🔥 核心模型
Flux 基础模型
名称：
Flux Fill dev - fp8_黑森林官方重绘模型_fp8_e4m3fn功能：生成高质量图像，支持一致性风格和细节。
加载方式：通过 UNETLoader 节点加载。
LoRA 模型
名称：
ACE++_1.0功能：用于增强人像一致性，确保生成图像在面部、服饰等方面与参考图相似。
权重：
1.0加载方式：通过 LoraLoader 节点加载。
ControlNet 模型
名称：
FLUX.1-dev-ControlNet-Union-Pro-InstantX.safetensors功能：基于姿势图像生成姿态控制图。
加载方式：通过 ControlNetLoader 节点加载。
Florence-2 模型
名称：
microsoft/Florence-2-base功能：视觉语言模型，用于图像特征提取。
加载方式：通过 Florence2ModelLoader 节点加载。
🔧 组件说明
以下是工作流中涉及的关键节点解析：
🌟 基础模型加载
UNETLoader
功能：加载基础模型。
参数：
模型名称：
Flux Fill dev - fp8_黑森林官方重绘模型_fp8_e4m3fn精度：
fp8_e5m2
输出：模型数据，供采样器使用。
VAELoader
功能：加载 VAE（变分自编码器），用于图像解码。
参数：
模型名称：
ae.sft
输出：VAE 数据，用于图像生成与解码。
🎯 LoRA 模型加载
LoraLoader
功能：加载 LoRA 模型，保持人像特征一致。
参数：
模型名称：
ACE++_1.0权重：
1.0
输出：
模型数据：用于生成一致性人像。
CLIP 数据：用于文本编码。
🖼️ 参考图像与姿势图像处理
LoadImage
功能：加载参考人像图像。
参数：
文件名：
image.png
输出：图像数据。
LoadImage（姿势图）
功能：加载新的姿势参考图。
参数：
文件名：
image.png
输出：姿势图像数据。
DWPreprocessor
功能：姿势检测预处理器，生成姿势关键点。
参数：
分辨率：
512检测模型：
yolox_l.onnx（人体检测）dw-ll_ucoco_384_bs5.torchscript.pt（姿势检测）
输出：
姿势图像
姿势关键点数据
🔥 姿势控制与一致性生成
ControlNetLoader
功能：加载 ControlNet 模型。
参数：
模型名称：
FLUX.1-dev-ControlNet-Union-Pro-InstantX.safetensors
输出：ControlNet 数据。
SetUnionControlNetType
功能：设置 ControlNet 模型为
openpose类型。输出：ControlNet 数据。
ControlNetApplyAdvanced
功能：将姿势图与 ControlNet 应用到生成过程。
参数：
强度：
0.9否定条件权重：
0.3
输出：
正面条件
负面条件
🔥 采样与生成
KSampler
功能：基于模型、条件和 ControlNet 生成图像。
参数：
随机种子：
597634329310649步数：
30CFG：
1采样器类型：
eulerBeta 调度：
simple
输出：潜在图像数据。
VAEDecode
功能：将潜在图像解码为最终图像。
输入：
潜在图像
VAE
输出：生成图像。
🛠️ 图像处理与对比
ImageResize+
功能：调整图像尺寸，匹配参考图。
参数：
宽度：
1024高度：
1024插值算法：
lanczos
输出：调整后的图像。
ImagePadForOutpaint
功能：对图像进行扩展处理。
参数：
扩展方向：
右扩展像素：
40
输出：
扩展后的图像
遮罩
ImageConcanate
功能：将原图与生成图像拼接。
参数：
拼接方向：
右
输出：拼接图像。
PreviewImage
功能：生成图像预览。
🔍 工作流结构
工作流被拆分为多个 Group（分组）：
✅ 基础模型加载
位置：左上角
功能：加载基础模型和 VAE。
输入：模型路径
输出：模型数据。
🎯 姿势图与参考图加载
位置：左下角
功能：加载姿势参考图与人物参考图。
输入：图像文件
输出：图像数据。
🔥 LoRA 模型选择
位置：中间左侧
功能：加载 LoRA 模型，保持人像一致性。
输入：基础模型
输出：增强后的模型。
🛠️ 姿势检测与 ControlNet 应用
位置：中间
功能：姿势检测与姿势控制。
输入：姿势图像
输出：姿势控制数据。
🖼️ 图像输出
位置：右侧
功能：生成并保存最终图像。
输入：潜在图像、VAE
输出：最终图像文件。
🔑 输入与输出
输入参数
参考人像图像（image.png）
姿势参考图像
Flux 模型与 LoRA 模型
ControlNet 模型
随机种子：
597634329310649
输出
生成的人像新动作图像
拼接对比图像
图像预览
⚠️ 注意事项
✅ 模型依赖：
该工作流依赖于 ControlNet 和 LoRA 模型，请确保安装。
⚡ 性能需求：
推荐使用 12GB+ NVIDIA GPU 运行，保证生成效率。
⚠️ 输出变化：
不同随机种子会生成不同姿势图像。
LoRA 权重可调整一致性效果。
🔥 优化建议：
固定种子和分辨率以生成一致的风格图像。