针对AI换装中人物一致性难以完美保留的痛点，介绍一种结合Qwen-Image-Edit与传统换脸技术的新思路。通过两步工作流，既能精准还原服装细节，又能确保面部特征100%不跑偏，为高质量AI图像创作提供了可靠的解决方案。
智能速览
采用两步工作流，先用Qwen生成底图，再进行换脸
换脸环节通过蒙版锁定面部，实现100%人物一致性
不推荐使用4步或8步加速Lora，会影响人物还原度
为保证效果，建议设置采样步数为30步，CFG为4
上传人物图建议使用正面大头照，可获得最佳效果
精华内容
实现服装和人物的精准融合，关键在于分离处理。下面将详解这个两步工作流，从底图生成到面部锁定，一步步拆解技术要点。
核心思路
单独使用Qwen-Image-Edit进行换装，虽然服装还原度高，但人物面部特征难以达到100%一致。新思路是将流程拆解：第一步，利用Qwen-Image-Edit理解上下文，生成一张融合了人物与服装特征的“底图”；第二步，将这张底图作为基础，通过传统换脸工作流，用蒙版技术将原始人物面部完美覆盖，确保一致性。
第一步：生成融合底图
在工作流上半部分，同时加载人物参考图和服装参考图。为了获得最佳效果，人物图片推荐使用正面大头照。运行后，Qwen-Image-Edit模型会参考两张图的上下文信息，生成一张既穿着指定服装、又神似目标人物的新图片。这一步的目标是快速获得高还原度的服装与人物的初步融合体。
关键参数设置
在模型选择上，需特别注意不推荐使用4步或8步的加速Lora。实测发现，启用加速Lora后，生成图片的人物一致性会明显下降。为了保证人物特征的精准还原，建议关闭加速Lora，将采样步数设置为30步，CFG值调整为4。虽然这会降低生成速度，但最终图像质量的提升是值得的。
第二步：面部特征锁定
将第一步生成的图片作为背景图，并再次上传原始人物面部参考图。在Compositor V3节点中，手动调整面部参考图在背景图上的位置，类似PS中的抠图对齐。通过蒙版锁定面部区域，只改变区域外的部分，合并后即可得到一张服装与面部特征都100%还原的图片，彻底解决一致性问题。
这套组合拳有效解决了AI换装中的一致性难题，让创意落地更精准。虽然流程稍显复杂，但最终效果显著提升，为追求高质量出图的用户提供了新选择。未来，随着模型迭代，或许能实现一步到位的完美融合。
关键评论
有用户反馈在指定平台未找到视频中提及的第二个换脸工作流，仅找到第一个。
部分用户观察到，Qwen模型在生成时倾向于产生2.5D风格，导致图像不够逼真。
有用户指出生成图中存在人物肩膀变窄的细节问题。
